[发明专利]面向可分解任务的多无人机任务分配方法和装置

说明书

技术领域

本发明涉及通信领域，具体涉及一种面向可分解任务的多无人机任务分配方法和装置。

背景技术

无人机任务分配是典型的协同规划问题，通过建立适当的数学模型对多个无人机进行合理的任务规划，进而提升整个无人机群的侦察效率，即，同时派出多架无人机对目标进行侦察，并实现完成所有侦察任务的总成本最小。

在相关的现有技术中，无人机的任务分配问题目前主要被抽象为：旅行商问题(TSP)、车辆路径问题(VRP)、混合整数线性规划问题(MILP)等。对问题采用的优化算法包括A*算法、遗传算法、蚁群算法等。

但是，VRP和TSP问题中，在一次分配方案中被侦查的目标点仅仅被侦查一次，未考虑在一次侦查中无人机对目标的侦查任务是否完成。

发明内容

针对现有技术的不足，本发明提供了一种面向可分解任务的多无人机任务分配方法和装置，对同构无人机群进行任务分配，无人机群要遍历所有的目标并完成相应的侦察任务，并使得完成所有侦察任务的总成本最小。

为实现以上目的，本发明通过以下技术方案予以实现：

一种面向可分解任务的多无人机任务分配方法，包括：

面向可分解的待执行任务，建立多无人机任务分配SD-MUAV-TL模型，所述SD-MUAV-TL模型的目标是在多个任务及无人机限制因素的约束下，多架无人机完成所有任务后所飞行的总距离最短；

对SD-MUAV-TL模型采用B-R编码方法生成初始解；

采用遗传算法对SD-MUAV-TL模型求解，得到多架无人机的任务分配结果；

根据任务分配结果对多架无人机分配任务。

可选的，所述SD-MUAV-TL模型为：

约束条件包括以下中的至少一个：

其中，

M为所述无人机飞行的总航程；

N_v为无人机的数量；

N_T为目标的数量；

l_ij(i,j∈T)表示从目标i到j的航程距离，所述航程距离为目标i与j之间的欧式距离；

为决策变量，表示无人机p从目标i飞往目标j，否则

表示无人机p(p＝1,2,…,N_v)侦察目标i(i∈T)时提供的侦察能力；

D_i(i＝1,2,…,N_T)为侦察目标i的需要的侦察能力；

K_p(p＝1,2,…,N_v)为无人机p的侦察能力限制，D_i和K_p为正整数。

可选的，所述对SD-MUAV-TL模型采用B-R编码方法生成初始解包括：

将所述SD-MUAV-TL模型的解采用B-R编码方法编码为按一定结构组成的染色体，构成初始解，所述染色体用一个三维矩阵表示，所述初始解包括N_v段基因，表示N_v个无人机的侦察能力分配方案，每段基因包括N_T列，表示N_T个目标；

其中，每段基因中第一行的每一位为标识位，所述标识位用0或1表示，1表示当前段基因对应的无人机对当前列对应的目标进行侦察，0表示当前段基因对应的无人机不对当前列对应的目标进行侦察；每段基因中第二行的每一位为能力位，所述能力位用非负整数表示当前段基因对应的无人机对当前列对应的目标提供的侦察能力，根据目标的需求和无人机的侦察能力约束来确定的；每段基因中第三行的每一位为顺序位，所述顺序位用非负数表示当前段基因对应的无人机对当前列对应的目标进行侦察的顺序，根据当前段基因对应的无人机将要侦察的目标，所述顺序根据Dijkstra算法计算的最短路径顺序。

可选的，所述采用遗传算法对SD-MUAV-TL模型求解，得到多架无人机的任务分配结果包括：

步骤A：对SD-MUAV-TL模型进行初始化，采用B-R编码方法生成预定规模的初始种群；

步骤B：通过轮盘赌选择法从父代群体中选择优良的个体遗传到子代群体中；

步骤C：对群体中的个体进行部分保留交叉处理；

步骤D：对群体中的个体进行重组变异处理；

步骤E：对群体中的个体进行更新处理；