一种基于贪心算法的无人机序列目标分配方法组成比例

本发明专利技术涉及一种基于贪心算法的无人机序列目标分配方法，属于无人机技术领域。本发明专利技术从矩阵M1<subgt;n×m</subgt;中选择最小值m1<subgt;kl</subgt;，将目标l分配给无人机k，表示目标l在无人机k的任务序列中；将矩阵M1<subgt;n×m</subgt;的第k行设置为等于矩阵M2<subgt;m×m</subgt;的第l行；再对M1<subgt;n×m</subgt;的第k行的每个元素加上s＝M1<subgt;n×m</subgt;[k][l]；然后对矩阵M1<subgt;n×m</subgt;的第l列赋值为∞；重复上述步骤，直到所有目标均被分配完成。本发明专利技术采用基于贪心算法的无人机序列目标分配方法，相比于传统的枚举法和新兴的强化学习算法，本算法的精度和速度都具有明显优势，能够更好地适应无人机领域的实时性和准确性要求。

【技术实现步骤摘要】

本专利技术属于无人机，具体涉及一种基于贪心算法的无人机序列目标分配方法。

技术介绍

1、无人机目标分配的应用比较广泛，包括搜救、巡逻、攻击等。如何智能化地实现无人机目标分配是无人装备领域的热点话题。

2、当前的研究多数聚焦于无人机对静态任务的分配，即任务已经事先确定，且不会再有新增任务，通过手动或算法驱动无人机前往各自被分配的目标。

3、当前处理静态目标分配问题使用的技术主要有基于拍卖的算法、基于博弈论的算法、基于优化的算法(蚁群算法、匈牙利算法和km算法等)和基于学习的算法。其中基于拍卖、博弈论通过变种也可简单实现对动态任务的分配，但这类算法分配的结果有一定误差因为没有考虑无人机位置的变动，基于匈牙利算法和km算法的目标分配方法只能实现无人机-目标的一一对应分配，要求代价矩阵为方阵，这限制了该类算法在动态任务中的推广。基于学习的方法尤其是深度强化学习技术在动态目标分配和动态环境中比较突出，但多数模型停留在学术实验室环境，目前很难在现实中落地。

技术实现思路

1、(一)要解决的技术问题本文档来自技高网...

【技术保护点】

1.一种基于贪心算法的无人机序列目标分配方法，其特征在于，该方法将无人机目标分配问题描述为：n个无人机分配m项目标；设置两个代价矩阵M1n×m和M2m×m，分别代表无人机与目标间的距离矩阵和目标与目标间的距离矩阵，元素m1ij∈M1n×m表示无人机i与目标j的距离，元素m2ij∈M2m×m表示目标i与目标j的距离；

2.如权利要求1所述的基于贪心算法的无人机序列目标分配方法，其特征在于，一个无人机能分配多项或0项目标，一项目标只能分配给一个无人机。

3.如权利要求1所述的基于贪心算法的无人机序列目标分配方法，其特征在于，所述步骤S1中，矩阵M1n×m中最小值可能不...

【技术特征摘要】

1.一种基于贪心算法的无人机序列目标分配方法，其特征在于，该方法将无人机目标分配问题描述为：n个无人机分配m项目标；设置两个代价矩阵m1n×m和m2m×m，分别代表无人机与目标间的距离矩阵和目标与目标间的距离矩阵，元素m1ij∈m1n×m表示无人机i与目标j的距离，元素m2ij∈m2m×m表示目标i与目标j的距离；

2.如权利要求1所述的基于贪心算法的无人机序列目标分配方法，其特征在于，一个无人机能分配多项或0项目标，一项目标只能分配给一个无人机。

3.如权利要求1所述的基于贪心算法的无人机序列目标分配方法，其特征在于，所述步骤s1中，矩阵m1n×m中最小值可能不止存在一个，此时采用回溯算法进行深度优先搜索，考虑到每种可能性，从而找到全局最优解。

4.如权利要求3所述的基于贪心算法的无人机序列目标分配方法，其特征在于，所述回溯算法具体包括如下步骤：

5.如权利要求4所述的基于贪心算法的无人机序列目标分配方法，其特征在于，ans为float变量，project为二维列表，该列表共有n个一维列表，每个一维列表表示各无人机需要完成的任务序列。

6.如权利要求4所述的基于贪心算法的无人机序列目标分配方法，其特征在于，dis为...

【专利技术属性】
技术研发人员：刘朋杰，杨恒，陈美玲，刘洪宇，王浩枫，
申请(专利权)人：北京计算机技术及应用研究所，
类型：发明
国别省市：