一种基于改进黑翅鸢优化算法的无人机任务分配方法组成比例

本发明专利技术公开一种基于改进黑翅鸢优化算法的无人机任务分配方法，应用于无人机任务规划技术领域，针对现有的基于群体智能优化算法的无人机任务分配方法存在的容易陷入局部最优解、较难处理离散的任务序列解、算法对场景的适应性较差的问题；本发明专利技术首先，基于无人机的任务需求，建立航程约束下的无人机任务分配模型。其次，定义了黑翅鸢优化算法的初始参数集并在黑翅鸢种群的初始化中采用了混沌映射策略。然后，根据黑翅鸢的攻击行为和迁徙行为构建元启发式算法的模型。最后，通过优化算法迭代求解，以获得最优的任务分配序列，从而高效地完成无人机的任务分配。

【技术实现步骤摘要】

本专利技术属于无人机任务规划，特别涉及一种无人机任务分配技术。

技术介绍

1、无人机通常具有较高的机动性和成本效益以及较好的环境适应性和安全性，因此无人机在军事和民用领域都有广阔的应用场景。例如，无人机在执行侦察任务时，具有执行效率高、响应速度快的特点。然而，无人机执行任务的自主性程度受任务分配的算法的限制。为了实现无人机高效地完成任务分配并实现较好的任务结果，需要根据具体的任务场景和需求设计出高效的、智能的任务规划方法。近年来，针对无人机的任务分配问题，利用优化算法进行无人机的最优任务分配序列求解成为重要的研究方向。

2、优化算法可以分为传统优化算法、随机优化算法、机器学习优化算法等，其中传统优化算法如穷举法、动态规划算法、贪婪算法等一些启发式算法通常基于确定性模型和数学规则来求解问题，因此算法的效果受特定场景的限制较大。机器学习优化算法如梯度下降算法、神经网络算法的计算量较大，因此运算的时间较长。随机优化算法如模拟退火算法、群智能算法是基于概率和随机性的算法，通过设置多个候选解，引入随机扰动来搜索解空间中的最优解。其中随机优化算法中的群智能本文档来自技高网...

【技术保护点】

1.一种基于改进黑翅鸢优化算法的无人机任务分配方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进黑翅鸢优化算法的无人机任务分配方法，其特征在于，步骤S1的实现过程包括以下分步骤：

3.根据权利要求2所述的一种基于改进黑翅鸢优化算法的无人机任务分配方法，其特征在于，步骤S21的实现过程为：

4.根据权利要求3所述的一种基于改进黑翅鸢优化算法的无人机任务分配方法，其特征在于，a阶Chebyshev混沌映射策略的公式如下：

5.根据权利要求4所述的一种基于改进黑翅鸢优化算法的无人机任务分配方法，其特征在于，步骤S22中深度搜索阶段的实...

【技术特征摘要】

1.一种基于改进黑翅鸢优化算法的无人机任务分配方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进黑翅鸢优化算法的无人机任务分配方法，其特征在于，步骤s1的实现过程包括以下分步骤：

3.根据权利要求2所述的一种基于改进黑翅鸢优化算法的无人机任务分配方法，其特征在于，步骤s21的实现过程为：

4.根据权利要求3所述的一种基于改进黑翅鸢优化算法的无人机任务分配方法，其特征在于，a阶chebysh...

【专利技术属性】
技术研发人员：姜兵，梁皓哲，李维豪，岳江枫，胡渝昊，施孟佶，林伯先，秦开宇，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：