基于遗传算法的多水面无人艇区域协同探测任务分配方法组成比例

本发明专利技术涉及一种基于遗传算法的多水面无人艇区域协同探测任务分配算法，其特征在于，包括以下步骤：获取探测任务区域参数；获取区域探测任务相关任务约束；基于探测任务区域参数和区域探测任务相关任务约束获得目标函数；采用遗传算法对目标函数进行求解，最终解为每个水面无人艇的任务分配结果。本发明专利技术针对多水面无人艇区域探测任务，考虑不同类型水面无人艇的航行性能和探测能力，利用遗传算法，为每个水面无人艇分配探测区域，并保证探测效率，使整个多水面无人艇编队探测效率最高。使整个多水面无人艇编队探测效率最高。使整个多水面无人艇编队探测效率最高。

【技术实现步骤摘要】
基于遗传算法的多水面无人艇区域协同探测任务分配方法


[0001]本专利技术涉及一种多水面无人艇区域协同探测任务分配方法，特别是一种基于遗传算法的多水面无人艇区域协同探测任务分配方法，属于水面无人艇任务规划领域。

技术介绍

[0002]水面无人艇是一个拥有自主运行能力的小型水面任务平台，主要用于执行危险以及不适于有人船只执行的任务。随着无人艇的快速发展，其在军事和民用领域都展现出了良好的发展前景。多水面无人艇的任务分配是水面无人艇任务规划的重要组成部分，是多水面无人艇集群协同完成任务的重要环节。
[0003]多水面无人艇区域探测任务是指给定一个未知区域，利用多种无人艇携带的探测载荷，对区域内的目标进行探测。如何分配每个艇的探测区域，及对该区域的探测次数，可以使多无人艇的区域探测覆盖率及目标探测概率不低于任务要求，同时保证时间最优，是多水面无人艇区域协同探测任务规划需要研究的重要问题。
[0004]目前对区域探测的任务分配算法未考虑探测载荷的探测盲区及对目标的探测概率，不能适应实际任务执行的需要。同时，目前区域协同搜索均为任务区域的均衡覆盖搜索，并且认为任务载荷对目标的探测概率是100％。但是在实际执行任务过程中会派出不同类型的无人艇协同作业，其携带的载荷探测能力不同，对目标的探测概率不同。例如，不同声纳对水下目标的探测能力不同，一次探测对目标的发现概率不是100％。遗传算法是一种群智能寻优方法，将自然界中生物的遗传理论和“优胜劣汰，适者生存”的自然选择理论作为基础，构成的一种寻找最优解的算法,具有鲁棒性好、不易陷入局部最优等优势。

技术实现思路

[0005]本专利技术要解决的技术问题是：在进行多水面无人艇协同区域探测任务的任务分配时，考虑任务载荷的探测范围、探测盲区、探测概率等约束，寻找多水面无人艇最优任务分配策略，提升多水面无人艇协同区域探测效率。
[0006]为了解决上述技术问题，本专利技术的技术方案是提供了一种基于遗传算法的多水面无人艇区域协同探测任务分配算法，其特征在于，包括以下步骤：
[0007]步骤1、获取探测任务区域参数；
[0008]步骤2、获取区域探测任务相关任务约束；
[0009]步骤3、基于探测任务区域参数和区域探测任务相关任务约束获得目标函数，最终目标为寻找n个水面无人艇的探测区域及对该区域的探测次数，使n个不同类型的水面无人艇以最短时间完成对任务区域的探测，且探测覆盖率以及对目标的发现概率大于探测任务区域参数中的预设的值；
[0010]步骤4、采用遗传算法对步骤3的目标函数进行求解，最终解为每个水面无人艇的任务分配结果。
[0011]优选地，步骤1中，获取的探测任务区域参数包括探测区域面积S、区域探测覆盖率
p及探测目标期望概率p
t
。
[0012]优选地，步骤2中，区域探测任务相关任务约束，包括：
[0013]执行任务的水面无人艇数量n；
[0014]执行任务的水面无人艇最大作业时间t
max
；
[0015]执行任务水面无人艇的最大探测航速：V
1max
,
2max
,
…
,
nmax
；
[0016]执行任务水面无人艇的探测范围：L1,L2,
…
,L
n
；
[0017]执行任务水面无人艇的探测盲区：D1,D2,
…
,D
n
；
[0018]执行任务水面无人艇对探测目标的探测概率：p
t1
,p
t2
,
…
,p
tn
。
[0019]优选地，步骤S3中，所得到的目标函数为：
[0020]N1+N2+
…
+N
n
≥S*p
[0021][0022][0023]其中：N
i
表示第i个水面无人艇的探测区域大小，i＝1,2,
…
,n；m
di
表示为满足对探测目标的期望发现概率所需探测的次数；表示为了弥补探测盲区所需的探测次数；m
i
表示第i个水面无人艇对探测区域N
i
的总探测次数，m
i
数值向上取整；表示组合数，即从m
i
个元素中取出一个元素的组合个数。
[0024]优选地，步骤3中，所述目标函数的最终目标为：寻找n个水面无人艇的探测区域[N1,N2,
…
,N
n
]及对该区域的探测次数[m1,m2,
…
,m
n
]，使n个不同类型的水面无人艇以最短时间完成对任务区域的探测，且探测覆盖率大于等于p，对目标的发现概率大于等于p
t
。
[0025]优选地，步骤4中，最终解为每个水面无人艇的任务分配结果，即：每个水面无人艇的探测区域[N1,N2,
…
,N
n
]及对该区域的探测次数[m1,m2,
…
,m
n
]。
[0026]优选地，所述步骤4包括以下步骤：
[0027]步骤401、随机产生初始种群；
[0028]步骤402、计算初始种群中的个体适应度，通过探测时间衡量种群中个体的适应；
[0029]步骤403、计保存最佳初始种群个体：
[0030]根据适应度函数的计算值，取最大的适应度值的个体作为最佳个体；
[0031]S404、进行繁殖，迭代寻找最优解。
[0032]优选地，所述步骤401中，在所述初始种群中随机产生g个个体，并对每个个体中的基因按顺序进行编码，每个个体满足：
[0033]N1+N2+
…
+N
n
≥S*p
[0034][0035][0036]V
i
≤V
imax
[0037][0038]式中，V
i
表示第i个水面无人艇的探测速度。
[0039]得到父代种群如下式所述：
[0040][0041]其中，[N1,N2,
…
,N
n
]和[m1,m2,
…
,m
n
]为一条染色体，即一个个体，N
i
和m
i
表示染色体上的一个基因。
[0042]优选地，所述步骤402中，第i个基因的适应度为：
[0043]f(i)＝1/((N
i
*m
i
)/(V
i
*L
i
))
[0044]个体的适应度取个体中所有基因适应度的最小值,即：
[0045]f＝min(f(1),f(2),
…
,f(n))。
[0046]优选地，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的多水面无人艇区域协同探测任务分配算法，其特征在于，包括以下步骤：步骤1、获取探测任务区域参数；步骤2、获取区域探测任务相关任务约束；步骤3、基于探测任务区域参数和区域探测任务相关任务约束获得目标函数，最终目标为寻找n个水面无人艇的探测区域及对该区域的探测次数，使n个不同类型的水面无人艇以最短时间完成对任务区域的探测，且探测覆盖率以及对目标的发现概率大于探测任务区域参数中的预设的值；步骤4、采用遗传算法对步骤3的目标函数进行求解，最终解为每个水面无人艇的任务分配结果。2.如权利要求1所述的一种基于遗传算法的多水面无人艇区域协同探测任务分配算法，其特征在于，步骤1中，获取的探测任务区域参数包括探测区域面积S、区域探测覆盖率p及探测目标期望概率p
t
。3.如权利要求2所述的一种基于遗传算法的多水面无人艇区域协同探测任务分配算法，其特征在于，步骤2中，区域探测任务相关任务约束，包括：执行任务的水面无人艇数量n；执行任务的水面无人艇最大作业时间t
max
；执行任务水面无人艇的最大探测航速：V
1max
，V
2max
，...，V
nmax
；执行任务水面无人艇的探测范围：L1，L2，...，L
n
；执行任务水面无人艇的探测盲区：D1，D2，...，D
n
；执行任务水面无人艇对探测目标的探测概率：p
t1
，p
t2
，...，p
tn
。4.如权利要求3所述的一种基于遗传算法的多水面无人艇区域协同探测任务分配算法，其特征在于，步骤S3中，所得到的目标函数为：N1+N2+
…
+N
n
≥S*p≥S*p其中：N
i
表示第i个水面无人艇的探测区域大小，i＝1，2，...，n；m
di
表示为满足对探测目标的期望发现概率所需探测的次数；表示为了弥补探测盲区所需的探测次数；m
i
表示第i个水面无人艇对探测区域N
i
的总探测次数，m
i
数值向上取整；表示组合数，即从m
i
个元素中取出一个元素的组合个数。5.如权利要求4所述的一种基于遗传算法的多水面无人艇区域协同探测任务分配算法，其特征在于，步骤3中，所述目标函数的最终目标为：寻找n个水面无人艇的探测区域[N1，N2，
…
，N
n
]及对该区域的探测次数[m1，m2，
…
，m
n
]，使n个不同类型的水面无人艇以最短时间完成对任务区域的探测，且探测覆盖率大于等于p，对目标的发现概率大于等于p
t
。6.如权利要求5所述的一种基于遗传算法的多水面无人艇区域协同探测任务分配算法，其特征在于，步骤4中，最终解为每个水面无人艇的任务分配结果，即：每个水面无人艇的探测区域[N1，N2，
…
，N
n
]及对该区域的探测次数[m1，m2，
…
，m
n
]...

【专利技术属性】
技术研发人员：封佳祥，张佩，王力锋，黄文斌，陈曦，王建，苗川，徐昊，郑宏伟，马陈飞，封志文，
申请(专利权)人：中国船舶集团有限公司第七，
类型：发明
国别省市：