无人机集群局部通信目标分配方法、系统、设备及介质技术方案

本发明专利技术公开了一种无人机集群局部通信目标分配方法、系统、设备及介质，涉及无人机路径规划领域，该方法包括根据无人机集群的执行任务和移动过程的能量代价，建立无人机集群的综合代价函数作为目标函数；根据目标函数和无人机集群在移动过程中局部通讯条件下传输的已知信息，采用改进DE算法，更新无人机的飞行路径和需要打击的目标编号，以无人机集群能够打击所有目标并有最小的能量消耗；所述改进DE算法是在标准DE算法的基础上，引入参数自适应策略、改进变异策略、最优个体以一定概率引入当前种群进化过程策略和通讯限制策略后得到的算法。本发明专利技术能够提高未知环境下无人机通讯受到限制时全局目标分配的效率。到限制时全局目标分配的效率。到限制时全局目标分配的效率。

【技术实现步骤摘要】
无人机集群局部通信目标分配方法、系统、设备及介质


[0001]本专利技术涉及无人机路径规划领域，特别是涉及一种无人机集群局部通信目标分配方法、系统、设备及介质。

技术介绍

[0002]随着无人机制造技术的发展和成熟，利用无人机执行任务的应用已经变得比较普遍，在这背后的规划和决策问题也成为了人工智能领域一项重要的研究课题。无人机系统通常由地面通讯系统和无人机组成，无人机依靠地面通讯系统向地面取得联系同时无人机之间也可以相互交换彼此之间的信息。无人机的概念最早提出在军事领域，为了避免飞行员的伤亡，以及在战斗中执行侦察和打击目标等任务，无人机以其隐蔽性，便捷性和造价低等优势迅速在军事领域得到了应用和推广。伴随着无人机技术的逐渐成熟，无人机的应用领域也不再只是局限于战争层面，商用无人机，民用无人机开始大量出现并迅速应用在不同领域。
[0003]随着对探测能力的要求，无人机编队开始应运而生。在单架无人机进行探测的过程中，往往因为续航水平，传感器探测距离等局限性难以完成一些复杂环境下的任务，而采用无人机集群(即多无人机)组成的编队可以有效弥补以上缺点。其中无人机集群协同进行未知地图的目标搜索算法的研究已经成为国内外学者比较看重的一项内容。无人机集群编队在探测地图中如果拥有优秀的通讯策略，较好的对障碍物的躲避能力，更少的移动步数和通讯代价，不仅可以节省无人机的能源，还可以提高执行任务的效率。同时这也可以适当降低对无人机制造技术的要求，提高无人机编队的实用性。优秀的决策和规划算法更有利于无人机技术的发展和在实际场景中的应用。目前，无人机集群系统在未知环境下存在通信受限、任务执行效率低以及容易陷入局部最优解等问题。

技术实现思路

[0004]本专利技术的目的是提供一种基于改进DE算法的无人机集群局部通信目标分配方法、系统、设备及介质，以提高未知环境下无人机通讯受到限制时全局目标分配的效率。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]第一方面，本专利技术提供了一种无人机集群局部通信目标分配方法，包括：
[0007]根据无人机集群的执行任务和移动过程的能量代价，建立无人机集群的综合代价函数作为目标函数；所述执行任务包括目标的位置以及目标是否已经被打击；
[0008]根据目标函数和无人机集群在移动过程中局部通讯条件下传输的已知信息，采用改进DE算法，更新无人机的飞行路径和需要打击的目标编号，以无人机集群能够打击所有目标并有最小的能量消耗；所述已知信息为无人机集群探索到的障碍物信息和地图信息；所述改进DE算法是在标准DE算法的基础上，引入参数自适应策略、改进变异策略、最优个体以一定概率引入当前种群进化过程策略和通讯限制策略后得到的算法。
[0009]可选地，所述目标函数为：
[0010][0011]其中，n为无人机数量，m为目标，P
ij
表示无人机U
i
完成攻打目标T
j
的可能性，V
ij
表示无人机U
i
完成攻打目标T
j
后得到的收益，D
ij
为无人机U
i
完成攻打目标T
j
的距离代价，λ表示权重因子，C代表违反限制的惩罚值，α和β分别是权重系数。
[0012]可选地，所述目标函数的确定过程为：
[0013]根据下述定义，确定目标函数；
[0014]无人机集群分配目标后得到的收益定义如下：
[0015][0016]无人机打击目标消耗的能量定义如下：
[0017][0018]每个无人机都只攻击目标一次，同时每架无人机有最大飞行距离限制定义如下：
[0019][0020][0021]其中，为无人机U
i
的最大飞行距离。
[0022]可选地，参数自适应策略为采用参数自适应技术与经验调整参数相结合，将变异比例和交叉比例与种群演化的过程绑定来尽快得到全局最优解的策略。
[0023]可选地，添加通讯限制策略的DE算法为无人机只会在通讯范围内才会相互交换彼此探索得到的地图信息，同时采用A*算法求解当前已知地图的最短路径，使无人机在未知地图和通讯距离受到制约的情况下能以最小移动代价到达所分配目标的算法。
[0024]可选地，改进DE算法选择当前个体和两个不同的随机个体用于生成差分分量，在探索空间内产生新的解，设计多种变异策略并将几种变异策略相结合，种群的多样性得到保持。
[0025]可选地，改进DE算法将种群进化产生的最优个体以一定概率引入到当前种群进化的过程中，为种群进化指明方向，在一定程度上加快寻找最优解的速度。
[0026]第二方面，本专利技术提供了一种无人机集群局部通信目标分配系统，包括：
[0027]目标函数确定模块，用于根据无人机集群的执行任务和移动过程的能量代价，建立无人机集群的综合代价函数作为目标函数；所述执行任务包括目标的位置以及目标是否已经被打击；
[0028]飞行路径和目标编号更新模块，用于根据目标函数和无人机集群在移动过程中局部通讯条件下传输的已知信息，采用改进DE算法，更新无人机的飞行路径和需要打击的目标编号，以无人机集群能够打击所有目标并有最小的能量消耗；所述已知信息为无人机集群探索到的障碍物信息和地图信息；所述改进DE算法是在标准DE算法的基础上，引入参数自适应策略、改进变异策略、最优个体以一定概率引入当前种群进化过程策略和通讯限制策略后得到的算法
[0029]第三方面，本专利技术提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据第一方面所述的一种无人机集群局部通信目标分配方法。
[0030]第四方面，本专利技术提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的一种无人机集群局部通信目标分配方法。
[0031]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0032]本专利技术提出了一种基于改进DE算法的无人机集群局部通信目标分配方法、系统、设备及介质，以提高未知环境下无人机通讯受到限制时全局目标分配的效率。本专利技术将标准的DE算法进行了改进，引入了采用参数自适应技术与经验法相结合，以适应种群演化的过程，采用多种变异策略并引入最优个体以保持种群的多样性，同时为种群进化指明方向，在一定程度上加快寻找最优解的速度。最后为了适应未知地图，且通讯受限的环境，引入了通讯范围内才会相互交换信息和采用A*算法进行路径规划的方法，以使无人机到达分配目标路径实施规划并且代价消耗最小。
附图说明
[0033]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机集群局部通信目标分配方法，其特征在于，包括：根据无人机集群的执行任务和移动过程的能量代价，建立无人机集群的综合代价函数作为目标函数；所述执行任务包括目标的位置以及目标是否已经被打击；根据目标函数和无人机集群在移动过程中局部通讯条件下传输的已知信息，采用改进DE算法，更新无人机的飞行路径和需要打击的目标编号，以无人机集群能够打击所有目标并有最小的能量消耗；所述已知信息为无人机集群探索到的障碍物信息和地图信息；所述改进DE算法是在标准DE算法的基础上，引入参数自适应策略、改进变异策略、最优个体以一定概率引入当前种群进化过程策略和通讯限制策略后得到的算法。2.根据权利要求1所述的一种无人机集群局部通信目标分配方法，其特征在于，所述目标函数为：其中，n为无人机数量，m为目标，P
ij
表示无人机U
i
完成攻打目标T
j
的可能性，V
ij
表示无人机U
i
完成攻打目标T
j
后得到的收益，D
ij
为无人机U
i
完成攻打目标T
j
的距离代价，λ表示权重因子，C代表违反限制的惩罚值，α和β分别是权重系数。3.根据权利要求2所述的一种无人机集群局部通信目标分配方法，其特征在于，所述目标函数的确定过程为：根据下述定义，确定目标函数；无人机集群分配目标后得到的收益定义如下：无人机打击目标消耗的能量定义如下：每个无人机都只攻击目标一次，同时每架无人机有最大飞行距离限制定义如下：每个无人机都只攻击目标一次，同时每架无人机有最大飞行距离限制定义如下：其中，为无人机U
i
的最大飞行距离。4.根据权利要求1所述的一种无人机集群局部通信目标分配方法，其特征在于，参数自适应策略为采用参数自适应技术与经验调整参数相结合，将变异比例和交叉比例与种群演化的过程绑定来尽快得到全...

【专利技术属性】
技术研发人员：张建磊，张春燕，苗志强，
申请(专利权)人：南开大学，
类型：发明
国别省市：