基于流网络模型的无人机集群任务资源调度方法技术

本发明专利技术公开一种基于流网络模型的无人机集群任务资源调度方法，首先对无人机集群的任务载荷实体进行抽象化、虚拟化，并分类管理，建立无人机集群资源池构建方法，然后将分类后的载荷通过集群内的任务关系进行连接，得到任务网络链路，进一步得到任务层网络模型。其次引入任务能力的概念，将任务能力赋予任务层网络节点作为节点能力属性，然后节点能力属性转换为任务链路流量属性。在无人机集群系统层面，即是将集群对任务的完成情况进行流量化处理，任务层网络中流动的流量就是集群完成任务的能力流。最后在对集群任务能力进行有效评估的基础上，提出改进蚁群算法以实现寻找全局最优及快速收敛，实现最优集群资源调度策略。实现最优集群资源调度策略。实现最优集群资源调度策略。

【技术实现步骤摘要】
基于流网络模型的无人机集群任务资源调度方法


[0001]本专利技术属于无人机集群
，更具体地，涉及一种基于流网络模型的无人机集群任务资源调度方法。

技术介绍

[0002]随着无人机系统自主化、网络化通信技术以及群智能理论的发展，无人机集群的出现弥补了单机在感知范围、抗毁能力和环境适应性等方面的缺陷。无人机集群采用多架无人机协同方式执行任务，实现了单机能力提升以及集群系统任务能力的拓展，并广泛应用于交通、地质探测和救援等领域。与此同时，广泛的应用领域和复杂的任务场景也对无人机集群的任务可靠性水平提出了较高的要求。
[0003]当前无人机集群的任务可靠性重点关注单机可靠性的设计，所以提高集群任务可靠性的方法为提高每一架单机的任务可靠性。然而无人机集群这种体系的任务可靠性不仅与单机可靠性有关，也与不同单机之间的组织与协作有关。在不同的复杂任务环境下，任务过程的组织与资源利用程度不同，无人机集群的任务可靠性水平会存在较大差异。例如无人机集群在执行任务过程中，任务顺序和执行不同任务时的无人机分配比均会影响任务可靠性。因此需要从最优的资源调度策略等方面开展研究，以提高任务可靠性水平。
[0004]由于无人机任务分配和资源调度的重要性以及其计算方法的非线性，目前的研究中主要使用智能算法来进行寻优。例如，Sabitri Poudel对迄今为止，针对无人机网络而设计的几种任务分配算法的主要思想、运行特点、优势和局限性进行了全面的综述，并且比较了这些任务分配算法的显著特征和性能因素；Duo Zheng将协同攻击问题转化为多目标任务分配和合作轨迹优化两个子问题，并使用基于搜索路径的多目标分配算法对无人机任务进行分配。在各类优化算法中，蚁群算法属于被广泛使用的算法之一。Hongji Liu针对云计算资源分配和调度效率存在的问题，设计了一种基于蚁群算法的云计算自适应任务调度算法，有效缩短了寻优时间；Lizhi Chen将异构无人机协同任务分配问题表述为包含三个优化目标的约束多目标优化问题，并使用所提出的一种多蚁群优化算法来进行求解。
[0005]无人机的任务可靠性水平往往通过评估集群的效能来表征，由于复杂网络具有良好的模型描述能力，为了更好的评估无人机集群的效能，研究无人机集群系统中复杂的相互作用与动态关系，许多专家学者引入复杂网络理论，例如，林冰轩等人借助复杂网络理论，通过构建蜂群无人机复杂网络拓扑结构，分析了节点度、平均路径长度、聚类系数等典型统计特性参数和抗毁伤特性，从而达到对蜂群无人机网络效能进行评估的目的；王尔申等人应用复杂空间网络理论构建了无人机集群对抗双方的协同网络、对抗网络以及协同对抗网络，并验证了模型的有效性；Wang等人根据集群系统组成以及功能，通过构建多层复杂网络模型对无人机集群进行有效评估。由此可知，复杂网络理论可以对无人机集群有较好的建模描述能力。同时，为了对无人机执行集群不同决策下的任务能力进行量化，需要在复杂网络理论的基础上添加属性值，得到更符合实际情况的流网络模型。目前已有许多学者在其他领域进行相关理论的结合，例如，李华华利用复杂网络理论任务过程网络的结构特
征，得到过程网络具备无标度特性，并以工序为节点，工序资源冲突判断为边建立0
‑
1流网络模型；Hossain将澳大利亚航空网络直接映射为复杂网络模型并对模型进行了分析，以客流量为属性值建立了流网络模型。

技术实现思路

[0006]提供了本专利技术以解决现有技术中存在的上述问题。因此，需要一种基于流网络模型的无人机集群任务资源调度方法，为了解决目前提高无人机集群的任务可靠性通过对单机任务可靠性进行提高、而忽略了不同单机之间的组织协作关系的问题，主要提出资源调度的思想，基于复杂网络以及流网络理论，通过资源池化、多层复杂网络建模、流网络模型以及智能算法等技术方法的结合应用，对无人机集群的任务能力进行了量化分析，从而达到提高任务可靠性的目的。
[0007]根据本专利技术的第一技术方案，提供一种基于流网络模型的无人机集群任务资源调度方法，所述方法包括：构建任务网络资源池；构建任务链路；构建任务层网络；建立考虑任务能力流动的流网络模型；利用蚁群算法对无人机集群任务资源调度进行优化。
[0008]进一步地，所述构建任务网络资源池，包括：
[0009]对各类型无人机提供统一的映射平台，即任务层网络，将物理设备实体映射接入任务层网络，将各无人机实体抽象为在复杂网络中表示的任务载荷节点，最后将任务载荷节点按节点类型聚类并将各聚类虚拟化为资源池。
[0010]进一步地，将无人机集群系统中的执行不同功能的无人机分为3类：感知类、决策类和执行类；
[0011]将集群系统组成分为三层网络G＝{G1,G2,G3}，分别为通讯层网络G1、结构层网络G2和任务层网络G3，对应无人机集群组成中通讯数据链、无人机载机和任务载荷三部分；
[0012]对于结构层网络G2，根据结构层网络G2携带任务载荷种类对结构层网络G2进行分类，并将任务载荷抽象化为任务层网络G3中的节点；
[0013]基于OODA任务节点划分，在任务层网络G3中构建三类资源池，分别感知类资源池、决策类资源池和执行类资源池，并根据映射其中的任务载荷节点进行资源划分，同种类型任务载荷匹配对应资源池，构建资源池化的集群任务层网络。
[0014]4、根据权利要求1所述的方法，其特征在于，所述构建任务链路，包括：
[0015]考虑协同关系的广义OODA模型中存在4类连边关系：感知情报共享链路(S
‑
S)、情报上传链路(S
‑
D)、指控协同链路(D
‑
D)与指令下达链路(D
‑
I)；
[0016]基于所述4类连边关系，对集群任务载荷的连边关系进行抽象提取：
[0017]1)初始化：根据集群载荷配置确定任务层网络的节点数量、位置分布，假设对任务层网络生成n个节点，任务载荷种类数对应上节资源池数，为3种，每种载荷下的节点个数为n
i
(i＝1,2,3)，其中n1+n2+n3＝n；
[0018]2)连接：
[0019]a.规定各类型任务载荷的连接顺序，有以下三种：S
→
D
→
I、S
→
S
→
D
→
I与S
→
D
→
D
→
I；
[0020]b.不同种类任务载荷之间按照自由组合算法进行连接三种任务载荷对应的载荷数分别为n1*n2*n3，共有n1*n2*n3种可连接方式；
[0021]c.在感知类资源池与决策类资源池内部，同种任务载荷之间按照自由组合算法进行连接，对应集群的协同工作模式，两种任务载荷对应的载荷数分别为n1、n2，分别有n1！、n2！种可连接方式；
[0022]d.所有连接中均要求两节点之间不能有重边，也不能有自环；
[0023]3)结束：当网络中所有节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于流网络模型的无人机集群任务资源调度方法，其特征在于，所述方法包括：构建任务网络资源池；构建任务链路；构建任务层网络；建立考虑任务能力流动的流网络模型；利用蚁群算法对无人机集群任务资源调度进行优化。2.根据权利要求1所述的方法，其特征在于，所述构建任务网络资源池，包括：对各类型无人机提供统一的映射平台，即任务层网络，将物理设备实体映射接入任务层网络，将各无人机实体抽象为在复杂网络中表示的任务载荷节点，最后将任务载荷节点按节点类型聚类并将各聚类虚拟化为资源池。3.根据权利要求2所述的方法，其特征在于，将无人机集群系统中的执行不同功能的无人机分为3类：感知类、决策类和执行类；将集群系统组成分为三层网络G＝{G1,G2,G3}，分别为通讯层网络G1、结构层网络G2和任务层网络G3，对应无人机集群组成中通讯数据链、无人机载机和任务载荷三部分；对于结构层网络G2，根据结构层网络G2携带任务载荷种类对结构层网络G2进行分类，并将任务载荷抽象化为任务层网络G3中的节点；基于OODA任务节点划分，在任务层网络G3中构建三类资源池，分别感知类资源池、决策类资源池和执行类资源池，并根据映射其中的任务载荷节点进行资源划分，同种类型任务载荷匹配对应资源池，构建资源池化的集群任务层网络。4.根据权利要求1所述的方法，其特征在于，所述构建任务链路，包括：考虑协同关系的广义OODA模型中存在4类连边关系：感知情报共享链路(S
‑
S)、情报上传链路(S
‑
D)、指控协同链路(D
‑
D)与指令下达链路(D
‑
I)；基于所述4类连边关系，对集群任务载荷的连边关系进行抽象提取：1)初始化：根据集群载荷配置确定任务层网络的节点数量、位置分布，假设对任务层网络生成n个节点，任务载荷种类数对应上节资源池数，为3种，每种载荷下的节点个数为n
i
(i＝1,2,3)，其中n1+n2+n3＝n；2)连接：a.规定各类型任务载荷的连接顺序，有以下三种：S
→
D
→
I、S
→
S
→
D
→
I与S
→
D
→
D
→
I；b.不同种类任务载荷之间按照自由组合算法进行连接三种任务载荷对应的载荷数分别为n1*n2*n3，共有n1*n2*n3种可连接方式；c.在感知类资源池与决策类资源池内部，同种任务载荷之间按照自由组合算法进行连接，对应集群的协同工作模式，两种任务载荷对应的载荷数分别为n1、n2，分别有n1！、n2！种可连接方式；d.所有连接中均要求两节点之间不能有重边，也不能有自环；3)结束：当网络中所有节点、连边都生成后，输出所构造的任务层链路。5.根据权利要求4所述的方法，其特征在于，在任务层网络G3中节点具备对应任务载荷的任务能力作为其属性值，即C3＝{C
31
,C
32
,
…
,C
3n
}，n为节点数量，通过如下方法构建任务层网络：基于集群机体层网络的节点V2进行映射，将任务载荷抽象为任务层网络的节点V3，并基
于资源池化思想进行聚合；任务层网络节点按照任务链路的构成方法进行连接；将任务...

【专利技术属性】
技术研发人员：王晓红，姚梦菲，王立志，唐慧，左振坤，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：