【技术实现步骤摘要】
本专利技术涉及无人机侦察任务分配，尤其是指一种城市战争无人机编队侦察任务分配方法。
技术介绍
1、在现代的战争和紧急救援等场景中，由于无人机具有低成本、零伤亡、高机动性和高智能等优势，因此被广泛应用。但随着环境日益复杂，当需要完成大面积区域的搜索排查任务时，单个无人机受限于荷载资源和任务能力，很难单独完成任务要求，从而导致执行效率的大幅降低。因此，无人机编队以其高灵活性和高容错性逐渐成为未来战争的趋势。在无人机编队中，任务分配问题显得尤为重要，它可以提高整个编队的任务执行效率、减少资源浪费。
2、无人机编队任务分配是一种基于协同控制的技术。该技术通常采用集中式或分布式的方法进行相互通信和资源共享，以协同完成复杂的飞行任务。一般情况下，集中式方法会将无人机的状态信息和任务信息都交由地面站处理，地面站会综合考虑全局信息并制定最佳的任务方案，常见的集中式方法有最优化方法以及启发式方法，其中启发式方法包括聚类算法、群智能算法以及人工智能算法等。由于战场的动态性和不确定性，分布式方法因其适应性强同样成为研究热点，在分布式方法中，各无人机作为独立的、具有一定智能化的个体，通过对自身信息和任务信息的共享、协商以及决策，获得任务分配方案。
3、由于集中式方法是从全局出发，因此生成的分配方案通常具有较好的全局性和求解质量，但也会导致时效性、灵活性和鲁棒性较低的问题。而分布式方法具有时效好、灵活性强和鲁棒性高等优点，但全局性较差，解的质量不高。
技术实现思路
1、为此，本专利技
2、为解决上述技术问题，本专利技术提供了一种城市战争无人机编队侦察任务分配方法，包括以下步骤：
3、s1：创建城市战争环境模型和无人机编队侦察任务分配问题模型；
4、s2：基于所述城市战争环境模型和所述无人机编队侦察任务分配问题模型，搭建侦察任务分配模型；其中，所述侦察任务分配模型由抗体自适应进化的人工免疫算法和货郎合同网算法组合构成；
5、s3：根据所述侦察任务分配模型对无人机编队分配侦察任务，包括：基于所述抗体自适应进化的人工免疫算法得到全局分配结果，所述无人机编队根据所述全局分配结果执行任务，在新增任务或无人机损坏时采用所述货郎合同网算法对无人机编队进行实时动态任务重分配。
6、在本专利技术的一个实施例中，步骤s1中，所述城市战争环境模型包括：侦察任务点、飞行起始点、建筑体及山体障碍物、空中威胁体。
7、在本专利技术的一个实施例中，创建所述无人机编队侦察任务分配问题模型包括：
8、定义待执行任务集合t＝{t1,t2,…,tm}，其中m为任务量，无人机编队集合u＝{u1,u2,…,un}，其中n为无人机的数量，无人机的速度为v，并构建一个有向图g＝(v,a)，其中v是m个顶点的集合，a是弧的集合；xij表示弧(i,j)是否被选择，如果被选择，则xij＝1，否则xij＝0；
9、所有的任务点有且仅被分配一次，所述无人机编队侦察任务分配问题模型如下：
10、ts＝max{ti},i∈{1,2,3,…,n}
11、
12、p＝ds·μ+w
13、其中，i表示无人机序号，ts表示任务执行总时间，ds表示任务执行总路程，p表示任务代价，μ表示油耗系数，w表示无人机因被击落或失去控制的无人机损耗，ti表示单架无人机执行任务时间，di表示单架无人机执行任务路径的总长度，且di≤maxd，maxd为预设的无人机最大航程；
14、所述单架无人机执行任务时间其中，表示i号无人机需要执行的任务数量，且maxt表示预设的无人机最大任务量；m表示无人机在到达任务点位置后的悬停时间。
15、在本专利技术的一个实施例中，步骤s3中，得到全局分配结果的具体步骤为：
16、步骤1：生成初始抗体种群，种群规模为np，设置种群迭代次数g，克隆次数为k，初始化迭代计数器gen＝1；
17、步骤2：判断gen≤g：当gen＞g时，输出全局分配结果；当gen≤g时，则进入如下步骤：
18、步骤21：计算每个抗体的期望选择值，并按照所述期望选择值对抗体从大到小排序，选择排名中前10％的抗体作为免疫选择的父代抗体，对所述免疫选择的父代抗体进行克隆操作，得到克隆操作产生的抗体；
19、步骤22：对克隆操作产生的抗体进行交叉操作和变异操作，得到交叉操作产生的子代抗体和变异操作产生的子代抗体；
20、步骤23：将免疫选择的父代抗体、所述交叉操作产生的子代抗体和所述变异操作产生的子代抗体组成临时种群，并计算每个抗体的亲和度，依据亲和度进行排序，选取临时种群中前10％的抗体替换父代种群最后10％的抗体，完成一次种群的更新，得到更新后的种群，即为全局分配结果，则迭代计数器gen加1；
21、其中，抗原为无人机编队侦察任务分配的目标问题，抗体为分配方案，抗体亲和度为分配方案与目标问题的匹配程度，抗体浓度为分配方案的多样性。
22、在本专利技术的一个实施例中，所述抗体的期望选择值的计算公式如下：
23、
24、其中，f(ai)表示抗体i与目标问题的亲和度，con(ai)表示抗体i的浓度；
25、所述抗体与目标问题的亲和度的计算方式为：
26、
27、其中，α,β,γ均为权重系数，ts表示任务执行总时间，ds表示任务执行总路程，p表示任务代价。
28、在本专利技术的一个实施例中，所述抗体的浓度的计算方法为：
29、
30、其中，s(ai,aj)表示抗体间相似度，i,j∈{1,2,…,np}，其可表示为
31、
32、其中，是相似度阈值，fa(ai,aj)为抗体i和抗体j之间的亲和度，且以无人机序列为x轴，任务序列为y轴建立二维坐标系，ai和aj分别表示抗体i和抗体j在二维坐标系中的点集合，ai∩aj表示它们的交集，ai∪aj表示它们的并集，||代表集合内的元素个数。
33、在本专利技术的一个实施例中，得到交叉操作产生的子代抗体的方法为：设置交叉位置，采用自适应交叉算子对克隆操作产生的抗体进行交叉操作；其中，所述自适应交叉算子基于抗体浓度自主调整交叉概率pc，其定义为：
34、pc＝tanh(2con(ai))
35、其中，pc取值范围为[0,1]，所述交叉位置选取两抗体之间相似程度最高的位置，定义如下：
36、s＝min{(ai∩aj)y}
37、e＝max{(ai∩aj)y}
38、其中，s表示交叉开始位置，e表示交叉结束位置，(ai∩aj)y是ai与aj交集中纵坐标。
39、在本专利技术的一个实施例中，得到变异操作产生的子代抗体的方法为：采用自适应变异算子对克隆操作产生的抗体进行变异操本文档来自技高网...
【技术保护点】
1.一种城市战争无人机编队侦察任务分配方法，其特征在于，包括步骤：
2.根据权利要求1所述的城市战争无人机编队侦察任务分配方法，其特征在于，步骤S1中，所述城市战争环境模型包括：侦察任务点、飞行起始点、建筑体及山体障碍物、空中威胁体。
3.根据权利要求1所述的城市战争无人机编队侦察任务分配方法，其特征在于：创建所述无人机编队侦察任务分配问题模型包括：
4.根据权利要求1所述的城市战争无人机编队侦察任务分配方法，其特征在于：步骤S3中，得到全局分配结果的具体步骤为：
5.根据权利要求4所述的城市战争无人机编队侦察任务分配方法，其特征在于：所述抗体的期望选择值的计算公式如下：
6.根据权利要求5所述的城市战争无人机编队侦察任务分配方法，其特征在于：所述抗体的浓度的计算方法为：
7.根据权利要求6所述的城市战争无人机编队侦察任务分配方法，其特征在于：得到交叉操作产生的子代抗体的方法为：设置交叉位置，采用自适应交叉算子对克隆操作产生的抗体进行交叉操作；其中，所述自适应交叉算子基于抗体浓度自主调整交叉概率Pc，其定义为
8.据权利要求7所述的城市战争无人机编队侦察任务分配方法，其特征在于：得到变异操作产生的子代抗体的方法为：采用自适应变异算子对克隆操作产生的抗体进行变异操作，所述自适应变异算子的变异概率Pm取交叉概率Pc的十分之一，其定义为：
9.据权利要求1所述的城市战争无人机编队侦察任务分配方法，其特征在于：步骤S3中，采用所述货郎合同网算法对无人机编队进行实时动态任务重分配的具体方法为：最先接收到新增任务信息的无人机作为货郎向编队内的其他无人机展示任务清单，新增任务同时存入所述任务清单中，其他无人机作为顾客向货郎发送报价单，货郎依据价格评估函数选取最佳方案，最佳方案中满足接受任务条件的顾客与货郎签约，开始执行任务；
10.根据权利要求9所述的城市战争无人机编队侦察任务分配方法，其特征在于：所述价格评估函数如下：
...【技术特征摘要】
1.一种城市战争无人机编队侦察任务分配方法，其特征在于，包括步骤：
2.根据权利要求1所述的城市战争无人机编队侦察任务分配方法，其特征在于，步骤s1中，所述城市战争环境模型包括：侦察任务点、飞行起始点、建筑体及山体障碍物、空中威胁体。
3.根据权利要求1所述的城市战争无人机编队侦察任务分配方法，其特征在于：创建所述无人机编队侦察任务分配问题模型包括：
4.根据权利要求1所述的城市战争无人机编队侦察任务分配方法，其特征在于：步骤s3中，得到全局分配结果的具体步骤为：
5.根据权利要求4所述的城市战争无人机编队侦察任务分配方法，其特征在于：所述抗体的期望选择值的计算公式如下：
6.根据权利要求5所述的城市战争无人机编队侦察任务分配方法，其特征在于：所述抗体的浓度的计算方法为：
7.根据权利要求6所述的城市战争无人机编队侦察任务分配方法，其特征在于：得到交叉操作产生的子代抗体的方法为：设置交叉位...
【专利技术属性】
技术研发人员：朱其新，汪小帅，金建锋，刘红俐，黄晟平，江雨霏，王旭，缪刘洋，薛祥，
申请(专利权)人：苏州科技大学，
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。