【技术实现步骤摘要】
一种多目标量子北极熊机制的异构无人机大规模任务分配方法
[0001]本专利技术涉及一种多目标量子北极熊机制的异构无人机大规模作业任务分配方法,属于无人机作业领域。
技术介绍
[0002]无人机(Unmanned Aerial Vehicle,UAV)是一种有动力、可控制、能够执行多种类型任务的无人驾驶飞行器。其具有造价低廉、机动灵活、部署便捷、续航力长等优点,现已在广泛应用于农业领域、搜救领域、环境监测等领域。
[0003]多无人机协同任务分配是指在多个特定约束条件下,以实现目标函数最优为目的,对多架无人机分配任务,从而确定最优任务分配方案。无人机集群任务分配有多种任务分配方式。按照无人机执行任务分配的控制方式,又可以分为集中式控制、分布式控制和分层分布式控制。本专利技术采用集中式控制方法执行多无人机的任务分配。
[0004]根据已有文献发现,王峰等在《计算机学报》(2021,44(10):1967
‑
1983)上发表的“基于协同进化的混合变量多目标粒子群优化算法求解无人机协同多任务分配问题”中,针对无人机协同多任务分配问题,提出一种基于协同进化的混合变量多目标粒子群优化方法,以总航程最少和任务完成时间最短为优化目标,构建了混合变量多约束的无人机协同多任务分配问题模型。通过实验仿真证明,该方法在收敛性能上优于其他方法。然而,该方法中无人机打击的军事目标数量过少,不足以证明该方法的优越性,而且提出的多目标粒子群优化方法存在易陷入局部收敛的弊端。
[0005]综上所述,上述文献在 ...
【技术保护点】
【技术特征摘要】
1.一种多目标量子北极熊机制的异构无人机大规模任务分配方法,其特征在于,步骤如下:步骤一:建立异构无人机对大规模地面目标模型;步骤二,初始量子北极熊的量子位置并设定参数;步骤三,计算量子北极熊位置的适应度函数值;步骤四,根据所有量子北极熊位置的适应度函数值进行非支配解排序;步骤五,计算所有非支配等级中量子北极熊位置的拥挤度;步骤六,使用海豹捕捉策略更新量子北极熊的量子位置;步骤七,使用浮冰漂移策略更新量子北极熊的量子位置;步骤八,使用种群繁衍和灭绝策略更新量子北极熊的量子位置,设量子北极熊种群存在3个以上非支配等级,且非支配等级为1的量子北极熊集中有b只量子北极熊,最后一个非支配等级中有b1只量子北极熊;第j只量子北极熊新量子位置的第h维变量为其中,j=1,2,
…
,b1,且ε在[1,b]之间随机取值;步骤九,判断是否达到量子北极熊的最大迭代次数K2,是则终止迭代,将非支配等级为1的量子北极熊位置映射为任务分配矩阵并输出;否则令k=k+1,继续执行步骤四。2.根据权利要求1所述的一种多目标量子北极熊机制的异构无人机大规模任务分配方法,其特征在于,步骤一具体包括:有N架无人机要攻击地面目标,无人机的集合定义为U={U1,U2,
…
,U
N
},其中,无人机U
n
的属性集合为U
n
={v
n
,w
n
,l
n
},n=1,2,
…
,N,v
n
表示无人机U
n
的速度,w
n
表示无人机U
n
携带的弹药量,l
n
表示无人机U
n
所在的基地位置;无人机要攻击M个地面目标,地面目标的集合定义为T={T1,T2,
…
,T
M
},其中,地面目标T
m
的属性集合为s
m
表示地面目标T
m
的任务价值,表示地面目标T
m
的位置,为攻击地面目标T
m
需要的时间;有N架无人机要攻击M个地面目标,则任务分配矩阵为X={x
n,m
|x
n,m
∈{0,1}}
N
×
M
,其中,x
n,m
=1表示无人机U
n
攻击地面目标T
m
,x
n,m
=0表示无人机U
n
不攻击地面目标T
m
,n=1,2,
…
,N,m=1,2,
…
,M;最小值联合优化模型如下:min[f1(X),f2(X)],f1(X)是无人机攻击地面目标获得总价值的倒数,其中,表示任务约束惩罚函数,|
·
|为绝对值函数,表示武器约束函数;α1,α2表示惩罚函数权值因子;f2(X)是无人机从基地起飞到返回基地花费的最大时间,α3,α4表示惩罚函数权值因子,为无人机U
n
从基地起飞到返回基地花费的时间;假设无人机U
n
按照顺序依次执行任务T1,T2,
…
,T
η
,则其中,d
0,1
为无人机U
n
的基地位置l
n
与地面目标T1位置之间的距离,d
1,2
为地面目标T1位置与地面目标T2位置之间的距离,d
η
‑
1,η
为地面目标T
η
‑1位置与地面目标T
η
位置之间的距离。
3.根据权利要求1所述的一种多目标量子北极熊机制的异构无人机大规模任务分配方...
【专利技术属性】
技术研发人员:高洪元,赵海军,张晓林,任立群,刘凯龙,张震宇,白浩川,刘廷晖,杜子怡,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。