基于多种群遗传算法和局部搜索的多无人机任务分配方法组成比例

本发明专利技术提供了一种基于多种群遗传算法和局部搜索的多无人机任务分配方法，其为：获取各无人机初始位置与各待喷洒农药目标点之间欧氏距离的代价矩阵；对染色体进行编码，并初始化种群参数；计算每个染色体的适应度；依次对每个子种群的染色体进行选择算子处理、交叉算子处理、变异算子处理以及局部搜索处理；将每一次迭代中所有子种群中适应度最高的染色体在所有子种群之间共享；若达到了最大迭代次数，则基于共享结果输出当前全局最优染色体。本发明专利技术以确定哪个无人机执行哪些目标点位置的农药喷洒任务以及执行任务的先后顺序，使得在满足各个无人机有限载荷和工作时长约束的同时，最小化无人机完成所有农药喷洒任务而消耗的总时间。耗的总时间。耗的总时间。

【技术实现步骤摘要】
基于多种群遗传算法和局部搜索的多无人机任务分配方法


[0001]本专利技术属于无人机
，尤其涉及一种基于多种群遗传算法和局部搜索的多无人机任务分配方法。

技术介绍

[0002]多无人机协同任务分配问题是无人机领域的关键问题之一。随着农业航空业和人工智能技术的快速发展，在农业领域使用无人机等农业机器人的技术得到了广泛应用，使用多架无人机执行农业生产任务成为一种发展趋势。且在实际的生产过程中，为了减少药物浪费和防止影响到其他庄稼，无人机可能需要对多个目标点/位置进行精准喷药。在这种情况下，无人机在连续执行多个目标点的农药喷洒任务时，必须遵守其有限载荷与工作时长约束。此类问题的关键研究内容是确定哪个无人机执行哪些目标点位置的农药喷洒任务以及执行任务的先后顺序，使得在满足有限载荷与最大工作时长约束的同时，最小化多架无人机完成所有任务所消耗的总时间（各个无人机总飞行时间和给所有目标点执行农药喷洒任务所消耗的时间之和）。
[0003]在现有技术中，一般将任务分配方法分为精确算法和启发式算法，针对有限载荷与工作时长约束的任务分配问题，经典的精确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多种群遗传算法和局部搜索的多无人机任务分配方法，其特征在于，包括以下步骤：S1、根据各无人机的初始位置和各待喷洒农药目标点的位置，得到各无人机初始位置与各待喷洒农药目标点之间欧氏距离的代价矩阵；S2、对染色体进行编码，得到子种群中每个染色体所对应多无人机多待喷洒农药目标点的农药喷洒任务分配方案，并初始化种群参数；S3、根据代价矩阵，计算得到每个染色体的适应度；S4、基于适应度，依次对每个子种群里面的染色体进行选择算子处理、交叉算子处理、变异算子处理以及局部搜索处理；S5、基于S4的处理结果，利用每一次迭代中所有子种群中适应度最高的染色体覆盖各个子种群里面适应度最低的染色体，实现精英共享；S6、判断是否达到了最大迭代次数T：若是，则基于步骤S5的精英共享输出当前全局最优染色体，并停止迭代，完成多无人机的任务分配；否则，返回步骤S3，且每个子种群保留由局部搜索和精英共享所得到的染色体。2.根据权利要求1所述的基于多种群遗传算法和局部搜索的多无人机任务分配方法，其特征在于，所述S2包括以下步骤：S201、将m
‑
1个标记基因插入n个待喷洒农药目标点基因中，其中，m表示无人机的数量，且m大于1；S202、将每个基因片段中的待喷洒农药目标点基因分配给一架无人机，且各基因序列对应无人机对各待喷洒农药目标点喷洒农药的先后顺序，得到子种群中每个染色体所对应多无人机多待喷洒农药目标点的农药喷洒任务分配方案；S203、对子种群数量N
sub
、各个子种群里面染色体的个数N
p
、最大迭代次数T、交叉概率P
c
以及突变概率P
m
进行初始化。3.根据权利要求1所述的基于多种群遗传算法和局部搜索的多无人机任务分配方法，其特征在于，所述每个染色体的适应度的表达式如下：其特征在于，所述每个染色体的适应度的表达式如下：其中，表示每个染色体的适应度，f
ij
表示基于子种群i中每个染色体j所对应多无人机协同多待喷洒农药目标点农药喷洒任务分配问题的目标函数，，，N
sub
表示子种群数量，N
p
表示各个子种群里面染色体的个数，D表示m个无人机的编号集合，r
k
表示无人机k的路径，所述无人机k的路径内存储有按顺序进行农药喷洒的各个目标点，表示分配给无人机k进行农药喷洒目标点所需的农药总量，p
e
表示惩罚因子，表示无人机k按照路径r
k
进行喷洒农药所需的总操作时间，其包括无人机k的飞行时间和执行其所分配喷药任务所消耗的时间，利用代价矩阵内存储的两点之间距离代价得到无人机k的飞行时间，C表示无人机农药装载量，L表示无人机最大工作时间，max表
示最大化运算操作。4.根据权利要求1所述的基于多种群遗传算法和局部搜索的多无人机任务分配方法，其特征在于，所述选择算子处理，其具体为：对于每个子种群i中的染色体，基于适应度，利用锦标赛选择策略重复地从每个子种群i随机选择一定数量的染色体，并挑选最优染色体，直至所选择的染色体数量达到原始子种群的数量。5.根据权利要求1所述的基于多种群遗传算法和局部搜索的多无人机任务分配方法，其特征在于，所述交叉算子处理，其具体为：A1、基于选择算子处理结果，对各子种群i中的每个父代染色体，随机生成g
v
；A2、判断随机生成值g
v
是否小于交叉概率P
c
：若是，则进入步骤A3；否则，该染色体不执行交叉操作，结束流程；A3、随机生成两个交叉整数点cp1和cp2，并判断随机生成值g
v
是否小于P
c
/2：若是，则逆转位于父代染色体上的cp1和cp2位置之间的基因片段，并保持位于父代染色体其余位置的基因片段不变，得到子代染色体，完成交叉算子的处理；否则，，则逆转位于染色体起始位置和cp1位置之间，以及cp2位置到染色体末端之间的基因片段，交换逆转基因片段的位置，并保持位于父代染色体cp1位置和cp2位置之间的基因片段不变，得到子代染色体，完成交叉算子的处理。6.根据权利要求1所述的基于多种群遗传算法和局部搜索的多无人机任务分配方法，其特征在于，所述变异算子处理，其具体为：B1、基于交叉算子处理结果，对各染色体随机生成g
r
；B2、判断随机生成值g
r
是否小于突变概率P
m
：若是，则对该染色体进行变异操作，并进入步骤B3；否则，结束流程；B3、生成随机数r
m
，并判断r
m
是否小于等于0.5：若是，则对该染色体进行路径内变异操作，并进入步骤B4；否则，对该染色体执行路径间变异操作，并进入步骤B5...

【专利技术属性】
技术研发人员：白小山，李超，张博，何莉，巩伟杰，
申请(专利权)人：深圳大学，
类型：发明
国别省市：