一种基于聚类的多无人机分布式动态任务分配方法组成比例

本发明专利技术涉及一种基于聚类的多无人分布式动态任务分配方法，用于解决多无人机的动态任务分配问题，并可根据救援场景中的实时信息，对任务进行快速、可靠的重分配。由于在传统的CBBA的方法中，每架无人机从全部任务中选择适合的任务以构建自身的任务包，这使得其在协商过程中发生的冲突较多，降低了效率，因此提出了一种基于聚类的CBBA方法，与传统CBBA方法相比，每架无人机无需从全部任务中选择构建自己的任务包，而是优先选择距离其较近的任务构建任务包，提高效率。改进方法相比于基本的CBBA方法能有效地处理任务增加、无人机故障、群组合并等突发情况，并以最小的代价完成任务的重新分配。新分配。新分配。

【技术实现步骤摘要】
一种基于聚类的多无人机分布式动态任务分配方法


[0001]本专利技术属于智能任务规划领域，具体涉及一种基于聚类的多无人机分布式动态任务分配方法。

技术介绍

[0002]多无人机的协同任务分配是智能任务规划领域中的重要组成部分。多无人机的协同任务分配在本质上是一个组合优化问题。根据控制结构的不同，可分为集中式任务分配和分布式任务分配。集中式任务分配由一个中央控制单元对全部信息进行处理，制定合适的任务分配方案，而无人机本身并不进行决策。其优点在于实现简单，具有求解全局最优解的能力。但是由于信息集中，其计算复杂度高，难以满足系统实时性要求。而分布式任务分配将每个无人机作为一个独立的、具有自主决策能力的个体，它们之间通过信息交流进行协同决策，以得到一致的任务分配方案。其优点在于可以并行计算，缓解计算压力，同时具有良好的扩展性和鲁棒性。但是该方法难以保证解的质量，容易陷入局部最优。
[0003]CBBA方法，基于一致性包方法(Consensus
‑
Based Bundle Algorithm,CBBA)是由Han
‑
Lim Choi等人提出的一种基于拍卖规则的分布式方法，用于求解多任务分配问题。已知无人机和任务的位置已经一系列约束条件，将其作为输入，通过该方法中的两个阶段的不断迭代，从而获得一个较为合理的任务分配方案。这个两个阶段分别是：第一阶段为任务包构建阶段，每个无人机独立选择最适合的任务加入其任务集合中，构建自身任务包；第二个阶段为冲突消解阶段，每个无人机与邻近的无人机进行通信，并根据一定的拍卖规则，由出价最高的无人机选择对应任务，而其他无人机则将该任务从任务集合中删去，以此避免无人机在任务选择上的冲突。CBBA通过在两个阶段之间的循环迭代，实现无人机集群的共识一致。
[0004]K
‑
means聚类方法，“K
‑
means”这一术语首次于1967年由James MacQueen在他的论文《用于多变量观测分类和分析的一些方法》中提出。1957年，贝尔实验室也将标准方法用于脉冲编码调制技术。即输入原始样本点以及确定需要分成簇的个数，通过该方法的两个阶段的迭代计算，从而使得具有相似属性的样本分在同一个簇内，该方法的两个阶段分别为：第一阶段为计算欧式距离阶段，首先在原始数据中随机选取k个样本，每个样本作为k个簇的中心，然后分别计算剩余样本与k个中心样本的距离，将每个样本划分到距离其最近的中心样本所属的簇里，作为该中心样本的簇；第二阶段为中心样本位置更新阶段，根据簇中的样本，重新计算每个簇的中心。重复迭代，直到簇的中心不再改变。

技术实现思路

[0005]本专利技术提出了一种基于聚类的多无人机分布式动态任务分配方法，其目的在于解决多无人机的动态任务分配问题，并可根据救援场景中的实时信息，对任务进行快速、可靠的重分配，有效地处理任务增加、无人机故障、群组合并等突发情况。
[0006]本方法将具有简洁性、效率高等特性的K均值聚类方法与传统的CBBA方法相融合。
由于传统的CBBA方法的第一阶段中每个无人机是独立从所有候选任务中选择最适合的任务加入其任务集合中，构建自身任务包，因此需要耗费大量时间遍寻任务，所以针对多无人机的协同任务分配问题，采用聚类的方式来构建无人机的候选任务集合，以快速且高效地应对复杂的救援任务场景。
[0007]本专利技术提出了一种改进的CBBA方法，即基于聚类的CBBA方法。在传统的CBBA方法中，每架无人机从全部任务中选择适合的任务以构建自身的任务包，这使得其在协商过程中发生的冲突较多，降低了方法效率。根据人们的经验可知，为无人机分配距离其较近的任务时，分配方案的性能更优。因此，提出了一种基于聚类的CBBA方法，使每架无人机优先选择距离其较近的任务构建任务包，以减少无人机间可能存在的冲突，提高方法效率。
[0008]具体技术方案如下：
[0009]本专利技术提出的基于聚类的多无人机分布式动态任务分配方法具有分配效率高、应用场合广等特点，能够有效解决多无人机分布式动态任务分配问题，该方法的具体应用步骤如下：
[0010]准备工作：无人机U
i
、任务点T、在环境中的位置均为已知，数量也已知。设无人机个数为n，幸存者数量为m，方法的最大迭代次数为max_iter，i＝1,2,...,n表示当前无人机序号。
[0011]步骤一：无人机验证其他无人机身份信息，以无人机A和无人机B举例，无人机B首先采用加密算法生成自身私钥和公钥，无人机B采用私钥对自己的身份ID进行加密，并将加密后的信息和公钥传递给将要通信的无人机A，无人机A在收到无人机B传递的信息之后，采用公钥对该信息进行解密，若验证成功则为组内成员。
[0012]步骤二：根据组内各个无人机的当前位置，选择机群中位于中心位置的无人机作为作为长机。
[0013]步骤三：机群其他组员对自身状态信息进行哈希运算，生成信息摘要，然后使用私钥对该信息摘要进行加密，通过分布式网络将加密后的信息摘要和组员的状态信息一起传递给长机。
[0014]步骤四：长机首先对组员发送的状态信息进行同样的哈希运算，同样会生成一个信息摘要，再用公钥对组员传递过来的加密后的信息摘要进行解密，若这两个信息摘要相同，则说明信息验证成功，且信息在接收过程中未损失。收集组内其他无人机所确认的状态信息，并与自身状态信息进行融合，得到融合状态信息。
[0015]步骤五：长机将融合状态信息传递给组内其他无人机。其他无人机在收到融合状态信息之后，将其与自身状态信息进行可信性校验，校验通过，则达成状态信息共识。
[0016]步骤六：在聚类开始之前，将已分配的任务加入对应无人机的候选任务集合中，不再对其进行聚类。
[0017]步骤七：对于还未分配的任务,采用K
‑
means聚类方法，加入到对应的无人机的候选任务集合中。对于当前任务分配问题，聚类中心数量k已知，为无人机总数量，未分配任务选择距离其最近的聚类中心所在类S
u
。
[0018]步骤八：更新聚类中心的位置
[0019]步骤九：分别计算每一个任务加入路径之后的得分c
ij
(p
i
)。
[0020]步骤十：在分别计算每一个任务加入路径之后的得分后，选择其中得分最高的任
务J
i
，根据选择的任务J
i
更新任务包b
i
和路径p
i
。
[0021]步骤十一：若无人机U
i
接收到来自于无人机U
k
的数据信息，则更新时间戳。
[0022]步骤十二：无人机U
i
根据接收到的获胜者列表z
k
、获胜者出价列表y
k
、时间戳s
k
对自身任务包b
i
进行更新，无人机U
i
根据数据信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于聚类的多无人机分布式动态任务分配方法，其特征在于，包括以下步骤：步骤一：无人机验证其他无人机身份信息，设有无人机A和无人机B，无人机B首先采用加密算法生成自身私钥和公钥，无人机B采用私钥对自己的身份ID进行加密，并将加密后的信息和公钥传递给将要通信的无人机A，无人机A在收到无人机B传递的信息之后，采用公钥对该信息进行解密，若验证成功则为组内成员，步骤二：根据组内各个无人机的当前位置，选择机群中位于中心位置的无人机作为长机，若只有两架无人机则随机选择一个作为长机，若多架无人机没有处于中心位置的无人机，则选择无人机群中最靠近几何中心位置的无人机作为长机，步骤三：机群其他组员对自身状态信息进行哈希运算，生成信息摘要，然后使用私钥对该信息摘要进行加密，通过分布式网络将加密后的信息摘要和组员的状态信息一起传递给长机，步骤四：长机首先对组员发送的状态信息进行同样的哈希运算，同样会生成一个信息摘要，再用公钥对组员传递过来的加密后的信息摘要进行解密，若这两个信息摘要相同，则说明信息验证成功，且信息在接收过程中未损失，收集组内其他无人机所确认的状态信息，并与自身状态信息进行融合，得到融合状态信息，步骤五：长机将融合状态信息传递给组内其他无人机，其他无人机在收到融合状态信息之后，将其与自身状态信息进行可信性校验，校验通过，则达成状态信息共识，步骤六：在聚类开始之前，将已分配的任务加入对应无人机的候选任务集合中，不再对其进行聚类，步骤七：对于还未分配的任务,采用K
‑
means聚类方法，加入到对应的无人机的候选任务集合中，对于当前任务分配问题，聚类中心数量k已知，为无人机总数量，未分配任务选择距离其最近的聚类中心所在类S
u
，步骤八：更新聚类中心的位置根据上一次迭代后，样本的中心位置来更新，步骤九：分别计算每一个任务加入路径之后的得分c
ij
(p
i
)，步骤十：在分别计算每一个任务加入路径之后的得分后，选择其中得分最高的任务J
i
，根据选择的任务J
i
更新任务包b
i
和路径p
i
，步骤十一：若无人机U
i
接收到来自于无人机U
k
的数据信息，则更新U
i
时间戳，步骤十二：无人机U
i
根据接收到的获胜者列表z
k
、获胜者出价列表y
k
、时间戳s
k
对自身任务包b
i
进行更新，无人机U
i
根据数据信息采取更新或复位或离开行动，步骤十三：将任务包更新之后，每个无人机都应该检查是否有更新或复位的任务在其任务包b
i
中，如果存在，则将这些任务及在它们之后添加到b
i
中的所有任务从任务集合中删去，步骤十四：若无人机在任务执行过程中出现新任务，则以原先规划的任务执行路径为基础，只对新发现的任务进行分配，即在原路径的较优位置插入新任务，步骤十五：若某一任务在执行前确定被取消了，则令J
dec
为减少的任务的编号，l
dec
为该任务在包中的对应位置，表明任务执行序列中删去该任务，步骤十六：若无人机出现故障，将该无人机还未完成的任务对应的获胜者列表以及获
胜者出价列表复位，作为新增任务重新分配。2.根据权利要求1所述的一种基于聚类的多无人机分布式动态任务分配方法，其特征在于：步骤四中所述的状态融合，是指无人机在执行任务的过程中，由于其通信距离有限，因此其只能得到部分无人机的状态信息，为得到各个无人机工作状态和任务状态的共识，需交流信息并交由长机进行整理融合，其中状态信息详细展开为工作状态：无人机处于工作状态或已发生故障，以及任务状态：幸存者是否已经被救助，以及是否发现新的幸存者。步骤五中所述的可信性校验，指无人机接收到长机发送的融合状态信息后与自身得知的局部信息部分进行核对，若每个无人机均检验成功，则机群整体的状态信息达成共识。3.根据权利要求2所述的一种基于聚类的多无人机分布式动态任务分配方法，其特征在于：步骤七中，未分配任务选择距离其最近的聚类中心所在类S
ut
的计算公式如下：其中，为第t次迭代中第u个聚类中心所在类，x
q
为第q个未分配任务所在位置，表示第t次迭代中第u个聚类中心的位置，||
·
||表示计算两个位置之间的欧氏距离。4.根据权利要求3所述的一种基于聚类的多无人机分布式动态任务分配方法，其特征在于：步骤八中聚类中心的更新公式计算如下：公式(2)中|S
i
|表示类S
u
中的元素个数，表示第t+1次迭代中第u个聚类中心的位置。5.根据权利要求4所述的一种基于聚类的多无人机分布式动态任务分配方法，其特征在于：步骤九中，得分函数公式如下：上式中，路径定义为向量p
i
＝{p
i1
,p
i2
,...,p
i(lb)
}，用于按执行顺序存储U
i
对应任务的编号，其中元素p
ij
为任务编号，i＝1,2,...,n表示当前无人机序号，j＝1,2,...,lb表示当前任务编号在路径中的位置；f1、f2分别为平均等待时间和航程代价，c
p
表示违反对应约束的惩罚，P为约束的总数量，公式(3)中f1、f2分别为平均等待时间和航程代价，计算公式如下：
公式(4)、(5)中t
j...

【专利技术属性】
技术研发人员：张祥银，谢临，张相森，夏爽，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：