【技术实现步骤摘要】
一种基于MA3C算法的无人机协同任务规划方法
[0001]本专利技术属于无人机任务规划领域，涉及一种基于
MA3C
算法的无人机协同任务规划方法
。
技术介绍
[0002]无人机任务的精准可靠执行依赖于合理高效的任务规划策略，需根据无人机所感知的环境信息
、
任务需求和机上任务载荷等多类约束条件，对任务要素进行综合分析，优化调度及部署多种资源，确定无人机任务分配及航迹规划策略，确保无人机以最佳方式完成任务；
[0003]随着无人机任务执行环境动态变化
、
任务需求复杂多样化，而单一无人机受到功能类型
、
机上载荷
、
飞行能力
、
电池电量等多因素的限制，其任务执行能力严重受限，多机协同技术通过单机间的密切协作，协同完成任务调度，可显著有效提升无人机任务执行能力，提高系统安全性
、
可靠性，已成为无人机应用发展的趋势
。
[0004]目前，对无人机协同任务规划问题进行研究包括：针对水下目标搜索和跟踪任务规划问题，将其建模为搜索空间最大化和终端误差最小化问题，通联合求解优化问题确定任务规划策略；又如，考虑灾难救援场景的多机任务执行场景，建模无人机路径规划问题为车辆路径变种问题，以实现路径长度最小化；然而，现有研究较少考虑面向多任务场景的任务分配
、
子任务之间存在关联关系问题，导致现有机制难以高效应用
。
技术实现思路
[0005]有鉴于
【技术保护点】
【技术特征摘要】
1.
一种基于
MA3C
算法的无人机协同任务规划方法，其特征在于：该方法包括以下步骤：
S1
：建立无人机模型，包括任务资源模型和无人机任务能力模型；
S2
：建立任务模型，包括独立任务模型和组合任务模型，采用有向无环图
DAG
描述组合任务模型中各子任务之间关系；
S3
：建模任务分配变量；
S4
：建模任务效用函数；
S5
：建模无人机协同任务规划约束条件，包括任务约束条件建模和无人机约束条件建模；所述任务约束条件建模包括：任务分配约束条件建模
、
任务执行约束条件建模和任务完成时间约束条件建模；所述无人机约束条件建模包括：无人机性能约束条件建模和无人机安全约束条件建模；所述无人机性能约束条件建模包括：无人机能量约束建模和无人机任务资源约束建模；所述无人机安全约束条件建模包括：无人机飞行距离约束建模
、
无人机安全约束建模和无人机禁飞区约束建模；
S6
：根据任务资源可用性
、
任务的时效性和无人机能耗限制确定无人机候选任务选择策略；
S7
：建模系统在时隙的状态
、
动作和奖励；
S8
：建模并训练
MA3C
算法；
S9
：基于
MA3C
算法确定无人机协同任务分配及轨迹规划策略
。2.
根据权利要求1所述的一种基于
MA3C
算法的无人机协同任务规划方法，其特征在于：所述
S1
中，建立无人机模型，具体包括：
N
个无人机，定义
U
n
为第
n
架无人机，
1≤n≤N
；将系统时间划分为长度相等的时隙，定义
T
为时隙总数，
τ
为每个时隙长度；无人机飞行高度固定为
h
，定义
t
时隙
U
n
的二维坐标为无人机从初始位置出发执行任务，能量耗尽前返回目的地，无人机的最大速度为
v
max
；令表示
U
n
在时隙
t
的飞行方向，
v
n,t
∈[0,v
max
]
表示
U
n
在时隙
t
的飞行速度；
U
n
在时隙
t+1
的二维位置投影为：令表示初始时刻
U
n
的能量；无人机执行任务需消耗一定资源，令
Y
表示执行任务所需资源类型的数量，表示初始时刻
U
n
所携带的第
y
种类型资源的资源量，
1≤y≤Y。3.
根据权利要求2所述的一种基于
MA3C
算法的无人机协同任务规划方法，其特征在于：所述
S2
中，建立任务模型，具体包括：系统中包含
M
个任务，定义
Θ
m
为第
m
个任务，
1≤m≤M
，由四元组表示，其中
s
m
＝
[s
m,1
,...,s
m,Y
]
T
表示完全执行
Θ
m
所需要任务资源，
s
m,y
表示执行
Θ
m
所需要的第
y
种类型资源的资源量；
R
m
为无人机完全执行
Θ
m
可获得的收益；表示任务执行的截止时间；任务类型包括独立任务及组合任务；
独立任务无法拆分为子任务，仅当整个任务被完全执行时，才能获得相应的收益；组合任务由多个可独立执行的子任务组成，
K
m
表示
Θ
m
的子任务数量，
Θ
m,i
表示
Θ
m
的第
i
个子任务，
1≤i≤K
m
；若
Θ
m
为独立任务，则
K
m
＝1，
Θ
m
＝
Θ
m,i
；若
Θ
m
为组合任务，则
K
m
＞1；子任务
Θ
m,i
建模为二元组表示，其中
s
m,i
＝
[s
m,i,1
,
…
,s
m,i,y
,...s
m,i,Y
]
T
表示
Θ
m,i
所需要任务资源，
s
m,i,y
表示执行
Θ
m,i
所需要的第
y
种类型资源的资源量，
R
m,i
为完全执行
Θ
m,i
可以获得的收益；
Θ
m
的二维坐标表示为
q
m
＝
[x
m
,y
m
]
T
；采用有向无环图
DAG
描述组合任务各子任务之间关系；令
G
m
＝
(V
m
,E
m
,W
m
)
表示组合任务
Θ
m
的
DAG
，其中，
V
m
＝
{
Θ
m,i
}
表示节点集合；
E
m
＝
{E
m,i,j
|1≤i≠j≤K
m
}
表示子任务之间的关联关系集合，
E
m,i,j
表示连接组合任务
Θ
m
的子任务
Θ
m,i
与
Θ
m,j
的边；
W
m
＝
{
ω
m,i,j
}
表示子任务之间的关联关系权重集合，其中，
ω
m,i,j
∈{0,1}
表示组合任务
Θ
m
的子任务
Θ
m,i
与
Θ
m,j
之间的关联关系，
ω
m,i,j
＝1表示子任务
Θ
m,i
与子任务
Θ
m,j
之间存在直接的依赖关系，即子任务
Θ
m,j
需要在子任务
Θ
m,i
执行完成之后执行，否则，
ω
m,i,j
＝
0。4.
根据权利要求3所述的一种基于
MA3C
算法的无人机协同任务规划方法，其特征在于：所述
S3
中，建模任务分配变量模型，具体包括：令
α
n,m,i,t
∈{0,1}
表示无人机任务分配变量；若
α
n,m,i,t
＝1，则表示
U
n
在时隙
t
执行子任务
Θ
m,i
，否则，
α
n,m,i,t
＝0，
1≤n≤N,1≤m≤M,1≤i≤K
m
,0≤t≤T。5.
根据权利要求4所述的一种基于
MA3C
算法的无人机协同任务规划方法，其特征在于：所述
S4
中，建模任务效用函数模型，具体包括：时隙
t
任务效用函数，表示为：其中，
ε1和
ε2分别为任务收益和无人机能耗的权重系数，表示任务执行收益，表示时隙
t
无人机消耗的能量；将进行建模，表示为：其中，
β
m,i,t
＝
{0,1}
表示任务执行标识，
β
m,i,t
＝1表示无人机在时隙
t
执行
Θ
m,i
，否则，
β
m,i,t
＝0；1{x}
表示指示函数，若逻辑表达式
{x}
为真，则1{x}
＝1，否则1{x}
＝0；将进行建模，表示为：进行建模，表示为：
其中，
E
n,t
表示第
t
个时隙
U
n
消耗的能量，表示第
t
个时隙
U<...
【专利技术属性】
技术研发人员：柴蓉，唐柔枝，李立凡，陈前斌，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。