基于MGGA和SAA的无人集群的任务重分配方法组成比例

本发明专利技术公开一种基于MGGA和SAA的无人集群的任务重分配方法，涉及无人机任务分配领域，方法包括基于异构集群构建最小化执行时间模型；采用MGGA模型基于所述异构集群对最小化执行时间模型进行求解，得到最优任务预分配指令；基于最优任务预分配指令对所述无人集群进行控制，直至满足第一预设条件，则采用SAA模型基于所述异构集群和最优任务预分配指令对最小化执行时间模型进行求解，得到最优任务重分配指令；基于最优任务重分配指令对所述无人集群进行控制，本发明专利技术实现无人集群的任务重分配，提高无人集群的工作效率。

【技术实现步骤摘要】

本专利技术涉及无人机任务分配领域，特别是涉及一种基于mgga和saa的无人集群的任务重分配方法。

技术介绍

1、如今，无人机(unmanned aerial vehicle，uav)越来越多地应用于各种场景。与载人智能体相比，无人机具有体积更小、灵活性更强、运营成本更低等优势。然而，随着技术的进步和战场任务的日益复杂，单架无人机可能不足以完成特定任务，需要多个无人集群的参与来完成整个任务。与单无人机系统相比，多无人机系统具有提高时间效率和更高容错能力等优点。

2、任务分配的合理性和效率决定了整个任务执行单元系统能否满足预期的要求。因此，任务分配是一个至关重要的方面，建立合适的模型至关重要。有学者开发了协作多任务分配问题(cmtap)模型，用于涉及多个无人机的多目标侦察任务。该模型考虑了实际应用中遇到的各种复杂约束。此外，为了最小化无人机的总飞行距离并缩短任务完成时间，有学者构建了混合变量多约束无人机协作多任务分配问题(m-cmtap)模型。

3、针对多无人机协同侦察评估任务的背景，提出了协同多任务重配置问题(cmtrp)。cmtrp本文档来自技高网...

【技术保护点】

1.一种基于MGGA和SAA的无人集群的任务重分配方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于MGGA和SAA的无人集群的任务重分配方法，其特征在于，所述约束条件集合包括：任务完成约束、任务优先约束和地形约束。

3.根据权利要求1所述的基于MGGA和SAA的无人集群的任务重分配方法，其特征在于，所述最小化执行时间模型为：

4.根据权利要求1所述的基于MGGA和SAA的无人集群的任务重分配方法，其特征在于，采用MGGA模型基于所述异构集群对最小化执行时间模型进行求解，得到最优任务预分配指令，具体包括：

5.根据权利要求4所述...

【技术特征摘要】

1.一种基于mgga和saa的无人集群的任务重分配方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于mgga和saa的无人集群的任务重分配方法，其特征在于，所述约束条件集合包括：任务完成约束、任务优先约束和地形约束。

3.根据权利要求1所述的基于mgga和saa的无人集群的任务重分配方法，其特征在于，所述最小化执行时间模型为：

4.根据权利要求1所述的基于mgga和saa的无人集群的任务重分配方法，其特征在于，采用mgga...

【专利技术属性】
技术研发人员：化永朝，余锦潼，董希旺，于江龙，李晓多，冯智，刘亦石，潘成伟，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：