【技术实现步骤摘要】
基于反向学习蛇算法的无人机任务分配方法
[0001]本专利技术属于无人机集群任务规划
,特别涉及一种基于反向学习蛇算法的无人机任务分配方法。
技术介绍
[0002]合作是人类社会中普遍存在的一种集群行为。为了高效的完成任务,通常需要将目标进行任务分解,并将子任务分配至群体中的每个成员。比如,在行政管理中,团队中的每个成员有各自的工作;在军事作战中,攻打一个目标点需要团队成员从不同角度去攻克。将这种分配的行为应用到无人机集群控制室近年来十分热门的研究方向。
[0003]在无人机领域中,无人机任务分配问题包括寻找无人机对一组任务的最优分配,这些无人机和任务通常各有特点。而无人机集群技术概念的提出与发展克服了单个无人机作业时相对载荷较小(单机不再负载所有传感设备)、环境感知效率低,信息处理能力有限等问题。同时无人机集群还具备鲁棒性强、应用领域广和可拓展性强等特点。因此,无人机集群协同技术应用广泛,一般分为民用和军用两大应用场景。在民用领域,无人机集群可应用于农业、快递物流、应急救援、管道巡检、遥感与对地观测等多种场景。军用领域中,应用于各类集群作战和防御体系。虽然,现有的无人机集群研究已经有了广泛的应用,相关技术也比较成熟。但是,仍然存在一些问题:
[0004](1)通过调研发现,在当前无人机集群协同研究领域中,大部分的研究方向是无人机集群合作的相关技术。然而,无人机集群内部的任务分配也是不可忽视的关键环节。而现有相关研究内容却很有限,因此,无人机的任务分配技术是亟待研究的;
[0005](2 ...
【技术保护点】
【技术特征摘要】
1.基于反向学习蛇算法的无人机任务分配方法,其特征在于,包括以下步骤:S1、对任务分配场景建模:假设有m架无人机执行n项任务,m≥n,各项任务是同时开始同时结束的,每项任务需要至少一架无人机去完成,允许空闲无人机存在,则任务分配问题的决策变量即为一个二值矩阵U,矩阵中第i行第j个元素u
ij
=1代表着无人机i执行任务j,u
ij
=0则表示无人机i未执行任务j;将代价矩阵表示为W,矩阵中第i行第j个元素w
ij
代表无人机i执行任务j的代价;根据代价最小化原则,建立目标函数及其约束条件为:S2、设置反向学习的蛇算法初始化参数:使用基于种群的算法,设置算法的种群、迭代次数、各个环节的门限值参数;S3、对优化过程进行迭代:设置问题求解的总迭代次数为T,当前次数为t;计算环境参数:温度H、食物数量Q,在t≤T时,根据当前的食物数量Q与其门限值Q
th
的关系,和当前温度H与其门限值H
th
的关系进行迭代求解;每一次迭代结束后更新当前场上各个性别种群中的最优个体,并将其定义为食物的位置,并与上一代作比较,并对t进行自增,重复执行S3;直到t>T时,跳出循环,输出全局最优解;S4、求解得到无人机对任务的最优分配,将此分配方案输出,并计算其最终收益。2.根据权利要求1所述的基于反向学习蛇算法的无人机任务分配方法,其特征在于,所述S2中,算法的种群设置方法包括如下子步骤:S21、重定义:将决策矩阵U行向量化为x=(u
11
,u
12
,
…
,u
1n
,
…
,u
m1
,u
m2
,
…
,u
mn
),将代价矩阵W行向量化为w=(w
11
,w
12
,
…
,w
1n
,
…
,w
m1
,w
m2
,
…
,w
mn
),两个向量的维度都是D=m
×
n,且决策变量受到下界和上界的限制,对各元素都有x
min
=0≤x
d
≤x
max
=1,x
d
表示x中第d个元素,d=1,
…
,D;由于决策变量x是二值离散的,故目标函数重新定义为minf(x)=x
′
·
w,其中x
′
=round(x),表示对每个元素进行四舍五入;S22、生成原始种群集X:随机生成P个在[x
min
,x
max
]区间上服从独立均匀分布的蛇个体x
i
:x
i
=x
min
+r
×
(x
max
‑
x
min
),x
i
∈X
ꢀꢀꢀꢀ
(2)其中r为服从[0,1]区间均匀分布的随机数;S23、计算反向种群集按照下式计算每个个体x
i
的反向个体的反向个体S24、对原始种群和反向种群融合并筛选:因为问题的目标是最大化f(x),故取集合中使得目标函数f(x)较大的前D个元素,并随机等分到两个集合X
m
与X
f
中,分别代表雄性种群和雌性种群;记minf(x)为函数f(x)的最小值,argminf(x)表示求使目标函数f(x)
取最小值时的变量值,则记录“食物”为:f
food
=minf(x),x
food
=argminf(x),x∈X
m
∪X
f...
【专利技术属性】
技术研发人员:路嘉琪,徐源成,李维豪,孙鹏,施孟佶,林伯先,秦开宇,李志强,
申请(专利权)人:电子科技大学,
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。