【技术实现步骤摘要】
本专利技术涉及多智能体系统任务调度领域，尤其涉及一种多节点多目标任务规划辅助生成方法。
技术介绍
1、多节点协同任务分配技术致力于将复杂的任务分解为多个子任务，并分配给多个节点进行协同处理，提高了任务的处理效率和可靠性。现有的多节点协同任务分配技术通常基于启发式算法、遗传算法或机器学习等方法进行任务分配决策，以实现负载均衡和最小化任务完成时间的目标。此外，一些技术还考虑了节点的动态性和故障容错性，以确保任务在节点故障或动态加入/离开时仍能顺利完成。这些技术在云计算、大数据处理、物联网等领域得到了广泛应用，为处理大规模复杂任务提供了有效解决方案。
2、现有任务规划辅助生成技术在许多方面已经取得了显著进展，但仍存在一些缺陷和局限性。首先，这些方法在处理复杂任务时往往过于简化，无法充分考虑时间和空间的关联和约束，导致生成的任务规划不够精确和高效。其次，现有技术对于环境的适应性不足，没有充分考虑融合环境信息、不同执行任务节点的通行能力和信息位置、目标位置分布信息以及指令等信息，无法很好地应对任务变更和环境变化等情况。此外，缺乏任务规划效果评估的量化输出，使得生成的任务规划结果缺乏验证方法和评估参考。因此，尽管现有技术取得了一定的成果，但仍需进一步改进和完善，以更好地满足实际应用的需求。
技术实现思路
1、针对现有技术中存在的上述问题，本专利技术提出了一种多节点多目标任务规划辅助生成方法，该方法全面考虑任务约束关系，融合节点、目标及环境属性，实现多节点多目标的协同分配策略，获得单
2、针对现有任务规划辅助生成方法未完整考虑时空约束、环境信息、节点和目标属性信息以及缺乏量化评价方法的问题，本专利技术考虑行动任务具有时间和空间协同约束、节点多样和行动多样等特点，在行动任务规划辅助生成模型中融合环境、执行任务节点位置、任务目标节点位置以及指挥指令等信息，在环境信息相对确定和环境认知有限的条件下，基于多节点时序约束实现任务拆分，并建立考虑任务执行节点资源的任务分配优化数学模型，生成包含时序的协同单节点任务序列；根据不同节点特性，分别生成符合不同类别节点通行能力与运动特性的路径规划方法并优化规划结果，给出确定各个评估指标的权重，实现任务规划效果评估的量化输出。完成任务规划辅助生成，缩短决策时间，提高决策效率。
3、本专利技术提供的一种多节点多目标任务规划辅助生成方法，包含序贯式任务分配、单节点行动路径规划和行动效果评估，还包括：基于多节点行动任务的结构化表达内容，对多节点行动任务按时序分层，构成子任务序列。针对单子任务，构建基于多节点强化学习的协同目标分配模型，采用局部策略评分和集中式策略推理，实现单节点的局部-全局耦合协同任务目标分配，获得单节点时序化的任务规划序列。其次对全局多节点进行行动路径规划。对节点分别考虑地面无人设备、无人机和人员三种行动规划方式。分别针对不同类型节点，使用不同路径规划方法，实现全局行动规划最优。以单节点的行动规划序列和任务分解序列为输入，基于证据推理策略，提供专家打分、层次分析法和综合法三种权重配置算法，针对任务场景提出的任务规划效果进行评估，生成多节点行动效果评估结论。
4、具体技术方案为：
5、一种多节点多目标任务规划辅助生成方法，包括以下步骤：
6、步骤1：首先对输入指令进行编码，获得属性向量；其次利用系统全局性强的集中式策略推理模型算法进行预先的离线任务规划，获得更理想的全局任务方案；最后根据协同目标分配算法，考虑节点间的协同关系，实现多节点多目标的协同分配策略，获得单节点时序任务序列；
7、步骤1包括以下子步骤：
8、1.1、将多节点的节点成员、节点装备、节点能力，通过传感器感知或者输入方式得到的目标信息，获得的环境信息，以及任务的目标和原则因素全部进行结构化表示，作为系统的输入，纳入行动任务生成的影响因素；系统输入划分为四类:节点属性、目标属性、环境属性和规则属性四类，具体属性划分包括以下子步骤：
9、1.1.1、行动任务的生成，首先考虑节点执行任务的能力，概括为节点属性；分成节点类型和能力两个方面；
10、1.1.2、目标类型及对应属性同样进行量化处理；
11、1.1.3、把环境分成可通行区域、障碍物和天气条件三大类；每一类都采用指标量化为数字作为系统输入；
12、1.1.4、把任务执行前的规则信息和既定的任务目标规则化为规则属性输入，调整任务生成的风格和目标；
13、1.1.5、每个节点的任务都需要步骤1.1.1、步骤1.1.2、步骤1.1.3和步骤1.1.4所划分的四方面属性，作为后续任务生成系统的输入；用一个向量来对每个节点的全部属性进行一种规划化的表达，通过查询比较该向量中特定位置上的数字，就能获取该节点的属性和当前的环境信息；
14、1.2、针对时序化的任务指令，进行总体任务分配，具体包括以下子步骤：
15、1.2.1、按照时间序列将任务拆分为不同时刻的任务序列；以节点数目，属性编码向量和指令数学表达式作为输入；
16、1.2.2、将输入信息输入预先建立的数学模型；模型状态量x为第t次任务目标分配时的单节点u的任务tg；如果指派节点u去完成tg任务，则x＝1，反之为0；任务执行过程中进行目标分配的总次数为t，模型变量规模为n*m*t；
17、1.2.3、设置优化目标函数δ＝mθinl(θ；u,xt,tg)，其中θ是模型的参数，x是输入数据，tg是任务目标，l是均方误差损失函数；
18、1.2.4、利用最大似然估计最优化目标函数，获得节点行动任务；
19、1.2.5、建立评分模型h(s1,j,s2,j,θ1)和g(s1,k,s2,k,θ2)；其中h(x)对“任务节点与任务目标的分配关系”进行评分；g(x)对“任务目标之间的顺序”进行评分；s2,j和s2,k表示节点u的状态；s1,j和s1,k分别表示任务目标tgi和tgk的状态；θ1和θ2分别是两个神经网络的参数；
20、1.2.6、评分模型h(x)和g(x)分别采用结构相同但参数不同的贝叶斯神经网络；h(x)的输入数据为评分对象“任务节点和任务目标”的联合状态向量；g(x)的输入数据为评分对象“任务目标和任务目标”的联合状态向量；任务节点和任务目标的特征状态输入数据经过批标准化层和4个全连接层后输出评分数值；
21、1.3、经过评分后得到两个评分矩阵h和g，根据评分矩阵确定能够获取最大评分总数的任务分配矩阵，最终获得节点的时序任务序列。
22、步骤2：在已生成单节点任务序列的基础上，以任务执行节点和目标位置信息为依据，分别适本文档来自技高网...
【技术保护点】
1.一种多节点多目标任务规划辅助生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多节点多目标任务规划辅助生成方法，其特征在于，步骤1包括以下子步骤：
3.根据权利要求1所述的一种多节点多目标任务规划辅助生成方法，其特征在于，步骤2中：
4.根据权利要求1所述的一种多节点多目标任务规划辅助生成方法，其特征在于，步骤3包括以下子步骤：
【技术特征摘要】
1.一种多节点多目标任务规划辅助生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多节点多目标任务规划辅助生成方法，其特征在于，步骤1包括以下子步骤：
3...
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。