System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及多无人机协同任务分配技术,具体设计了一种基于高斯分布海鸥优化算法的多无人机协同任务分配方法。
技术介绍
1、多无人机任务分配是无人机任务规划的一个重要的内容,是指在复杂战场环境中,为己方无人机合理分配有序任务,使得总体作战效能达到最大。多无人机任务分配问题本质上是一个多约束组合优化问题,是一种典型的“np-hard”问题。问题的核心主要包括任务分配模型建立和模型求解算法两方面。
2、在任务分配模型建立方面,国内外常用的任务分配模型包括:车辆路径问题模型、多旅行商问题模型、合同网拍卖模型、混合整数线性规划模型等。根据任务复杂度,任务分配模型一般分为单任务分配模型与多任务分配模型。单任务模型一般采用车辆路径问题模型和多旅行商问题模型。随着执行任务的类型增加,单任务分配模型不能满足任务规划要求,因此多任务模型为了满足任务规划需求被提出。多任务分配模型一般采用混合整数线性规划模型、动态网络流优化模型等。
3、在模型求解算法方面,通常分为两类:一类是传统的优化方法,例如动态规划、混合整数线性规划。另一类则是智能优化算法,例如鲸鱼优化算法、粒子群优化算法、遗传算法。随着问题复杂度不断增加,传统的优化方法难以在合理的时间内获得优质解,而群智能算法不依赖问题模型,不需要梯度信息,具有搜索能力强及适用范围广等优点,因此被广泛用于求解无人机任务规划问题。
4、海鸥优化算法(soa, seagull optimization algorithm)是2018年gauravdhiman提出的一种由动物行为
5、现有的任务分配模型在考虑无人机和目标之间的距离时,通常使用它们之间的直线距离,但是在实际作战过程中,由于需要躲避侦察和威胁,以及跟随地形飞行,无人机的实际路径不会是一条直线,而是一条曲线,曲线相较于直线,增加了距离,这可能会导致无法获得实际作战效能最大的任务分配结果,同时大多数任务分配模型由于只考虑直线距离,因此只能给出目标打击顺序,无法规划出具体飞行路径。
技术实现思路
1、本专利技术针对以上问题,提供一种基于高斯分布海鸥优化算法的多无人机协同任务分配方法。
2、采用的技术方案是,基于高斯分布海鸥优化算法的多无人机协同任务分配方法,包括以下步骤:
3、s1.多无人机协同作战场景初始化;
4、s2.多无人机任务分配模型构造;
5、s3.基于多无人机协同任务分配场景对海鸥优化算法改进;
6、s4.基于改进后的海鸥优化算法的多无人机协同任务分配问题求解;
7、s5.对多无人机协同任务分配结果分析。
8、进一步的,s1中,设无人机集合为,为无人机数量;
9、打击任务目标集合为,为目标数量。
10、可选的,s2中,分别从任务分配模型收益、飞行距离矩阵、目标分配约束条件、通讯距离约束条件和单机总航程约束条件,共五个维度进行多无人机任务分配模型构造。
11、进一步的,s2中,根据任务分配模型收益构造的函数为:
12、
13、其中,
14、表示第架无人机分配的攻击目标序列;
15、表示第个目标的威胁值;
16、表示当前无人机与第一个攻击目标的实际飞行距离;
17、表示第个目标与第个目标的实际飞行距离;
18、表示归一化的距离;
19、根据飞行距离矩阵构造的函数为:
20、<mstyle displaystyle="true" mathcolor="#000000"><mi>distance</mi><mi>=</mi><mrow><mo>[</mo><mtable><mtr><mtd><msub><mi>d</mi><mi>ut</mi></msub><mi>(</mi><mn>1</mn><mi>,</mi><mn>1</mn><mi>)</mi></mtd><mtd><mi>⋯</mi></mtd><mtd><msub><mi>d</mi><mi>ut</mi></msub><mi>(</mi><mn>1</mn><mi>,</mi><mi>nt</mi><mi>)</mi></mtd></mtr><mtr><mtd><mi>⋮</mi></mtd><mtd><mi>⋱</mi></mtd><mtd><mi>⋮</mi></mtd></mtr><mtr><mtd><msub><mi>d</mi><mi>ut</mi></msub><mi>(</mi><mi>nu</mi><mi>,</mi><mn>1</mn><mi>)</mi></mtd><mtd><mi>⋯</mi></mtd><mtd><msub><mi>d</mi><mi>ut</mi></msub><mi>(</mi><mi>nu</mi><mi>,</mi><mi>nt</mi><mi>)</mi></mtd>本文档来自技高网...
【技术保护点】
1.基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,S1中,设无人机集合为 ,为无人机数量;
3.根据权利要求2所述的基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,S2中,分别从任务分配模型收益、飞行距离矩阵、目标分配约束条件、通讯距离约束条件和单机总航程约束条件,共五个维度进行多无人机任务分配模型构造。
4.根据权利要求3所述的基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,S2中,根据任务分配模型收益构造的函数为:
5.根据权利要求4所述的基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,基于五个维度构造的函数,进行多无人机任务分配模型构造,目标函数为:
6.根据权利要求5所述的基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,S3中,包括以下步骤:
7.根据权利要求6所述的基于高斯分布海鸥优化算法的多无人机协同任务分配方法,
8.根据权利要求7所述的基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,S4中,包括以下步骤:
9.根据权利要求8所述的基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,B1中,假设有架无人机在已知空域执行攻击任务,需要对任务区域的个目标进行打击;
10.根据权利要求9所述的基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,S5中,包括以下步骤:
...【技术特征摘要】
1.基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,s1中,设无人机集合为 ,为无人机数量;
3.根据权利要求2所述的基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,s2中,分别从任务分配模型收益、飞行距离矩阵、目标分配约束条件、通讯距离约束条件和单机总航程约束条件,共五个维度进行多无人机任务分配模型构造。
4.根据权利要求3所述的基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,s2中,根据任务分配模型收益构造的函数为:
5.根据权利要求4所述的基于高斯分布海鸥优化算法的多无人机协同任务分配方法,其特征在于,基于五个维度构造的函数,进行多...
【专利技术属性】
技术研发人员:冯成龙,王洵,王旭,
申请(专利权)人:成都航空职业技术学院,
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。