【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模型包含两种类型的任务分配问题。第一种是在任务开始之前发生的静态任务分配，称为任务预分配。第二种是在任务期间发生的动态任务分配，称为任务重新分配。在任务预分配问题中，同时考虑不同无人机的最大飞行航程、巡航速度、不同目标区域的大小等多种因素。目标是根据有关目标的先验信息获得最佳的初始任务计划。另一方面，任务重新分配是在任务期间发生动态事件后发生的，例如无人机故障或新目标的出现。任
4、多无人机任务预分配问题属于一类np难问题。近年来，有非常多的研究再不断创新这个问题，通过引入图卷积网络(gcn)，优化了多无人机任务分配问题中的二元决策矩阵，增强了二元随机l-bfgs(gbsl-bfgs)算法的泛化能力。hebakurdi提出了一种受细菌觅食行为启发的启发式算法，用于无人机之间的高效任务分配。至于任务重新分配问题，是在任务执行过程中发生的。为了保证快速响应，任务重新分配必须在短时间内完成。合约网络协议(cnp)是一种分布式通信和控制架构，已广泛应用于动态任务分配。一种方法建立在现有的分布式任务分配算法的基础上，并通过一种最大化任务分配数量的新颖方法对其进行了扩展。有国外的研究者提出了两种基于组的分布式拍卖算法来解决任务分配问题。
5、现阶段的cmtrp处理很难兼顾结果的准确性和效率。
技术实现思路
1、本专利技术的目的是提供一种基于mgga和saa的无人集群的任务重分配方法，可实现无人集群的任务重分配，提供无人集群的工作效率。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种基于mgga和saa的无人集群的任务重分配方法包括：
4、基于异构集群构建最小化执行时间模型；所述异构集群包括任务环境集合、异构集群集合、目标集合、目标上需要完成的任务类型集合和约束条件集合；
5、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；
6、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；
7、基于最优任务重分配指令对所述无人集群进行控制。
8、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
9、本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，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，本专利技术实现无人集群的任务重分配，提供无人集群的工作效率。
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所述的基于MGGA和SAA的无人集群的任务重分配方法，其特征在于，基于初始种群中每个个体的自适应度进行交叉变异，得到最优任务预分配指令，具体包括：
6.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，具体包括：
【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：
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。