一种基于两阶段进化博弈的无人机集群动态任务分配与自主决策方法技术

本发明专利技术公开了一种基于两阶段进化博弈的无人机集群动态任务分配与自主决策方法

【技术实现步骤摘要】
一种基于两阶段进化博弈的无人机集群动态任务分配与自主决策方法
所属

[0001]本专利技术提供一种基于两阶段进化博弈的无人机集群动态任务分配与自主决策方法，尤其涉及一种两阶段进化博弈的方法，实现了集群在任务执行前的可行任务空间构建和任务执行过程中的自主决策，属于集群智能控制优化领域
。

技术介绍

[0002]随着现代战争智能化
、
无人化
、
自主化水平的不断提升，无人机集群作为一种独特的平台，具备重要的作战优势
。
任务分配是无人机集群运行中的一个关键问题，涉及到大量无人机在执行任务时的目标
、
方式和时序等方面
。
任务分配方案的优劣直接影响无人机的飞行性能
、
生存能力和集群整体作战效能等关键因素
。
因此，对集群任务分配的研究具有重要意义
。
此外，由于任务环境呈现复杂
、
多样化，任务模式呈现长周期
、
多波次等特征，无人机还需在任务过程中具备一定的自主决策能力，即在有限通信条件下，通过局部协调，共同完成既定任务
。
[0003]进化博弈论为群体智能决策问题提供了严谨的数学模型，受到广泛关注
。
基于“适者生存”的选择机制，进化博弈使个体优势策略在群体中传播并达到稳定状态
。
将其应用于无人机集群任务分配与决策，可筛选出优化的任务分配方案和决策策略，并能够对方案进行动态调整，不断适应环境变化，提升集群自主决策能力
。
设计合理的决策架构是高效决策的基础
。
集中式架构具有结构清晰
、
易于执行和保证全局目标的优势，但面临计算负担大
、
鲁棒性差和缺乏灵活性等问题
。
分布式架构具有更好的扩展性和灵活性，能够最大限度发挥个体的自主能力，但在安全性和全局目标方面存在挑战
。
采用集中式和分布式相结合的两阶段决策框架，能够充分利用两种架构的优势，提高任务分配和决策效率，为无人机集群的任务执行提供支持
。
[0004]综上，本专利技术针对长周期
、
大规模的无人机集群任务分配与决策问题，提出了一种基于两阶段进化博弈的方法，确保集群全局任务目标的同时，充分发挥无人机的自主性，为无人机集群的动态任务分配与自主决策提供有力支撑
。

技术实现思路

[0005]本专利技术旨在为无人机集群动态任务分配与自主决策提供一种基于两阶段进化博弈的方法，该方法可有效描述无人机集群任务执行
、
可行任务空间动态分配
、
分布式集群自组织重分配特征，为集群高效决策提供支持
。
[0006]本专利技术的目的是提出一种基于两阶段进化博弈的无人机集群动态任务分配与自主决策方法，主要包含以下步骤：
[0007]步骤一：无人机集群任务分配与决策问题建模，具体步骤如下：
[0008]步骤
1.1
构建无人机集群系统模型，包括无人机集群集合
、
个体空间位置坐标
、
飞行速度
、
最大飞行里程
、
平均能耗
、
可执行任务数量；
[0009]步骤
1.2
构建地面任务目标模型，包括任务节点位置坐标和任务执行需求；
[0010]步骤二：基于两阶段的集群动态任务分配与自主决策框架构建，具体步骤如下：
[0011]步骤
2.1
建立面向可行任务空间构建的集中式架构；
[0012]步骤
2.2
建立面向任务分配自主决策的分布式架构；
[0013]步骤三：基于非合作博弈的优化问题模型构建与动态任务分配求解，具体步骤如下：
[0014]步骤
3.1
根据任务需求，设计优化问题的目标函数
、
决策变量和约束条件；
[0015]步骤
3.2
建立基于非合作博弈的问题求解模型，开展面向非合作博弈的要素抽象，包括将无人机抽象为博弈参与者
、
构建以无人机执行任务为元素的动作空间
、
设计面向能源消耗的效用函数；
[0016]步骤
3.3
使用基于正余弦算子的鸽群优化算法迭代求解，获得满足全局任务目标的纳什均衡解，得到无人机集群的可行任务空间；
[0017]步骤四：基于进化博弈的集群任务自主决策策略生成，具体步骤如下：
[0018]步骤
4.1
以步骤
3.3
得到的可行任务空间为输入，建立任务自主决策问题的优化目标
、
决策变量和约束条件；
[0019]步骤
4.2
建立基于进化博弈的问题求解模型，开展面向进化博弈的要素抽象，包括将无人机抽象为博弈参与者
、
构建不同策略的复制动态方程以及建立包含均衡点的雅克比矩阵；
[0020]步骤
4.3
在每个无人机的可行任务空间内部，给定初始条件求解纳什均衡解，获得每个无人机的最优决策策略
。
[0021]步骤五：根据全局目标和约束条件判断策略可行性，若满足要求，输出可行任务空间和任务分配结果；若不满足要求，则返回步骤二，重新计算
。
附图说明
[0022]图1为本专利技术中所述的基于两阶段进化博弈的无人机集群动态任务分配与自主决策框架图
具体实施方式
[0023]为使本专利技术的技术方案
、
特征及优点得到更清楚的了解，以下结合附图，作详细说明
。
[0024]本专利技术旨在为无人机集群动态任务分配与自主决策提供一种基于两阶段进化博弈的方法，该方法可有效描述无人机集群任务执行
、
集中式集群可行任务空间预分配
、
分布式集群自组织重分配特征，为集群自主决策提供支持
。
[0025]本专利技术的整体架构，如图1所示，下面以实例进一步说明本专利技术的实质内容，但本专利技术的内容并不限于此
。
[0026]步骤一：无人机集群任务分配与决策问题建模，具体步骤如下：
[0027]步骤
1.1
构建无人机集群系统模型：
[0028]任务场景考虑集群规模为
n,n∈N
*
的无人机集群
V
＝
{V1,V2,...,V
n
}
在已知区域
Ω
∈R3内执行打击任务
。
[0029]每架无人机在任务区域内都有确定的位置信息，每架无人机都有一个初始位置
X
＝
[x1,x2,...,x
i
]，其中第
i
架无人机
v
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于两阶段进化博弈的无人机集群动态任务分配与自主决策方法，其特征在于，它包含以下步骤：第一步：无人机集群任务分配与决策问题建模：提出无人机集群系统模型和地面任务目标模型；构建无人机集群系统模型，包括无人机集群集合
、
个体空间位置坐标
、
飞行速度
、
最大飞行里程
、
平均能耗
、
可执行任务数量；构建地面任务目标模型，包括任务节点位置坐标和任务执行需求；第二步：基于两阶段的集群动态任务分配与自主决策框架构建：建立面向可行任务空间构建的集中式架构；建立面向任务分配自主决策的分布式架构，为无人机集群任务分配及优化策略生成提供结构保障；第三步：基于非合作博弈的优化问题模型构建与动态任务分配求解：在此步骤中，根据任务需求，设计优化问题的目标函数
、
决策变量和约束条件；建立基于非合作博弈的问题求解模型，...

【专利技术属性】
技术研发人员：王自力，胡晏铭，冯强，海星朔，杨德真，任羿，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：