【技术实现步骤摘要】
本专利技术涉及一种基于能力匹配聚类算法的无人群组构建方法，属于无人平台群组构建，用于实现大规模任务情形下的无人群组构建，将复杂大规模任务分配问题分解为多个简单无人群组构建问题。
技术介绍
1、随着科技的飞速发展，无人机和无人车的应用也得到了很大的拓展。任务分配是多无人平台执行多任务问题中的关键。在传统的多无人平台多任务分配研究中，综合考虑任务的需求、无人平台的能力以及各种约束条件，进行任务和无人平台间一对一，或者一对多的分配。但是当任务的规模增大时，传统的精确算法会失效，并且由于解空间增大，迭代搜索算法将耗费巨大的时间对解空间进行搜索，因此求解效率慢。此时，应该针对问题特性提取问题中蕴含的知识，在解的初始化阶段或者解空间搜索阶段构造启发式规则，从而提升算法效率。但是，随着任务场景逐渐复杂、任务的数量和要求逐渐增多、无人平台的数量和能力逐渐增多，任务分配问题将会变得非常复杂。所以，根据问题的要求可以先对原有大规模任务的复杂问题进行降维，然后再进行求解。
2、任务分配问题已有多种规划算法，例如粒子群算法、蚁群算法、遗传算法、a*算法等。每个算法有各自的特点和适用范围，例如地图的数据存储结构直接影响算法的选取。根据任务的分布首先对任务进行分组，再求解每个任务小组的任务需求，根据求得的任务需求结合无人平台的数量和能力，进行无人群组的构建，使构造的无人平台小组的能力能满足对应任务小组的任务需求，能够在解决大规模任务场景中的无人群组构建问题上取得更高的求解效率。
技术实现思路
1、
2、本专利技术的技术解决方案是：
3、一种基于能力匹配聚类算法的无人群组构建方法，该方法的步骤包括：
4、步骤1：利用k-means聚类算法对任务点进行聚类分组，得到k个任务小组，具体的步骤如下所示：
5、(1)从所有任务中随机选择k个任务分别作为k个任务小组的聚类中心；
6、(2)根据任务在场景中的坐标计算剩余任务到k个聚类中心的欧式距离，然后将任务分配至其距离最近的聚类小组内；
7、(3)使用误差平方和公式(sse)检验聚类效果，sse公式如下所示：
8、
9、
10、其中，k＝1,2,3…,k；tiloc＝(xi,yi)，(xi,yi)表示任务点i的坐标，i＝1,2,3…,n，n为任务点的个数总和；ck表示第k个任务小组中任务点的个数；
11、(4)如果sse>0.5，则证明聚类有效，任务小组构建完毕，进入步骤2，否则根据构建的任务小组聚类结果，利用公式更新每个任务小组的聚类中心，然后重复步骤(1)-步骤(3)，直到sse>0.5，进入步骤2；
12、步骤2：将任务小组内各任务点各维度的需求在同一维度上进行相加，得到任务小组的整体任务需求；
13、任务点i的需求为：
14、
15、其中，j＝1,2,3…,q，q表示需求维度的数量，
16、任务小组内各任务点各维度的需求在同一维度上进行相加的过程如下公式所示：
17、
18、
19、表示第k个任务小组的总需求；
20、步骤3：根据任务小组k的总需求构建无人平台小组k，构建方法为：往无人平台小组k中随机添加无人平台，计算无人平台小组k的能力、以及无人平台小组k能力和任务小组k需求的距离，其中无人平台小组k的能力用如下公式进行表示：
21、
22、m为无人平台小组k中无人平台的数量，m＝1,2,3…,m，表示第m个无人平台第1维度的能力，表示第m个无人平台第2维度的能力，表示第m个无人平台第q维度的能力；
23、无人平台小组k能力和任务小组k需求的距离为：
24、
25、其中，为无人平台小组k中第1个维度的总能力，为无人平台小组k中第2个维度的总能力，为无人平台小组k中第q个维度的总能力；为任务小组k中第1个维度的总需求，为任务小组k中第2个维度的总需求，为任务小组k中第q个维度的总需求；
26、第一判断条件成立，则完成无人平台小组k的构建，否则进入步骤4；
27、第一判断条件成立是指为大于等于大于等于以及大于等于
28、步骤4：继续往无人平台小组k中随机添加无人平台，计算更新后无人平台小组k的能力、以及无人平台小组k能力和任务小组k需求的距离；
29、步骤5：计算步骤4得到的更新后无人平台小组k的能力以及步骤4无人平台小组k的能力的差值，即第二判断条件，第二判断条件为小于设定值；
30、当第一判断条件成立且第二判断条件成立时，完成无人平台小组k的构建；
31、否则，进入步骤4，直至第一判断条件成立和第二判断条件均成立，完成无人平台小组k的构建。
32、有益效果
33、第一、本专利技术采用k-means聚类算法先将任务进行分组，将大规模任务分配问题进行分解，得到多个小规模的无人群组构建问题，再利用能力匹配的聚类算法对无人群组构建问题进行求解，在此过程中确定了无人平台小组和任务小组的对应关系；
34、第二、本专利技术利用k-means聚类算法根据任务在实验场景中的位置分布先解决任务分组问题，然后计算任务小组的整体任务需求，即将任务小组中各任务点各维度的需求进行相加得到任务小组的整体需求；
35、第三、本专利技术参考各任务小组的需求构建无人平台小组，从备选的无人平台中持续随机选出一个加入无人平台小组，计算并更新无人平台小组的能力，直到无人平台小组的能力大于任务小组的要求为止，当每个任务小组都有对应可以完成任务的无人平台小组时，无人群组构建完毕；
36、第四、本专利技术使用以能力匹配的聚类算法，快速构建无人群组，并和任务小组进行匹配。以能力为中心的聚类算法解决无人群组构建问题大大缩短了算法的求解时间，尤其是在大规模任务场景下。
37、第五、本专利技术的方法用于实现大规模任务情形下的无人群组构建，将复杂大规模任务分配问题分解为多个简单无人群组构建问题，先将任务进行分组，再根据任务的需求构建无人平台小组，使得每个无人平台小组的整体能力满足对应任务小组的需求，最终形成无人群组。本专利技术首先利用k-means聚类算法根据任务在实验场景中的位置分布先解决任务分组问题，然后计算任务小组的整体任务需求，即将任务小组中各任务点各维度的需求进行相加得到任务小组的整体需求；然后，参考各任务小组的需求构建无人平台小组，从备选的无人平台中持续选出一个无人平台加入无人平台小组，计算并更新无人平台小组的能力，直到无人平台小组的能本文档来自技高网...
【技术保护点】
1.一种基于能力匹配聚类算法的无人群组构建方法，其特征在于该方法的步骤包括：
2.根据权利要求1所述的一种基于能力匹配聚类算法的无人群组构建方法，其特征在于：
3.根据权利要求2所述的一种基于能力匹配聚类算法的无人群组构建方法，其特征在于：
4.根据权利要求3所述的一种基于能力匹配聚类算法的无人群组构建方法，其特征在于：
5.根据权利要求4所述的一种基于能力匹配聚类算法的无人群组构建方法，其特征在于：
6.根据权利要求5所述的一种基于能力匹配聚类算法的无人群组构建方法，其特征在于：
【技术特征摘要】
1.一种基于能力匹配聚类算法的无人群组构建方法，其特征在于该方法的步骤包括：
2.根据权利要求1所述的一种基于能力匹配聚类算法的无人群组构建方法，其特征在于：
3.根据权利要求2所述的一种基于能力匹配聚类算法的无人群组构建方法，其特征在于：
<...【专利技术属性】
技术研发人员：辛斌，张若伟，窦丽华，张佳，王晴，陈杰，
申请(专利权)人：北京理工大学，
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。