[发明专利]一种改进萤火虫算法的多无人机协同耦合任务分配方法

说明书

本发明提供了一种改进萤火虫算法的多无人机协同耦合任务分配方法，涉及任务规划设计领域，为一种具有特殊编解码结构的混合离散萤火虫算法，根据对同时具有时间耦合约束和特殊耦合约束的多无人机协同任务分配问题进行研究，提出数学模型并进行任务解算，本发明具有较好的通用性，通过多次的仿真验证获得的数据分析，使得模型更加完善，迭代过程简短，收敛速度快；以最小化无人机的最大航程为整体优化目标，通过分段整数编码的方式有效地表示多无人机协同任务分配方案，并通过改进的DE‑DFA算法在解空间里寻找最优解，快速有效地解决耦合任务环境下的多无人机任务分配问题，为解决耦合任务环境下的多无人机任务分配问题提供解决方案。

技术领域

本发明涉及任务规划设计领域，尤其是一种无人机协同作战的规划方法。

背景技术

任务规划系统设计在很多领域的成功应用，为国防事业以及工业生产带来了很大提升，多无人机协同任务规划问题是一类具有多种约束的组合优化问题，也是一类典型的NP-Hard问题，具有高度复杂性。本发明以多无人机协同执行具有复杂耦合约束关系的SEAD任务为研究背景，充分考虑无人机的异构性、资源有限性以及任务间的耦合约束，包括确认、打击和毁伤评估三种子任务的时间耦合约束以及目标间的特殊耦合约束，以组合优化理论和新兴的优化算法为数学工具，对耦合任务环境下的多无人机协同任务规划问题进行深入研究。

萤火虫算法(Firefly Algorithm，FA)是由Xin-She Yang于2008年提出的，它源自对自然界中萤火虫群体行为的模拟，是一种新兴的高级元启发式优化算法。该算法的优化机制是通过不同萤火虫个体之间的互相吸引达到寻找最优解的目的，因而是一种群智能(Swarm Intelligence)随机优化算法，其概念简单，流程清晰，需要调整的参数少，容易实现，因而受到众多国内外学者的关注。

萤火虫算法作为一种新兴的优化算法已在诸多领域展现了良好的应用前景，在任务规划系统设计领域的应用中，多数研究在建模时进行了一定程度的简化处理，并且没有考虑任务中存在的耦合约束关系，目前还没有文献将萤火虫算法及相关改进算法应用于同时具有时间耦合约束和特殊耦合约束的多无人机协同任务分配问题。

发明内容

为了克服现有技术的不足，本发明提供一种具有特殊编解码结构的混合离散萤火虫算法，即DE-DFA算法，根据对同时具有时间耦合约束和特殊耦合约束的多无人机协同任务分配问题进行研究，提出数学模型并进行任务解算。

本发明解决其技术问题所采用的技术方案的详细步骤如下：

步骤1：构建特殊耦合下的任务分配模型

在该步骤中，存在如下定义：

定义1：U＝{U₁,U₂,…,U_i,…,U_M}为无人机集合，其中U_i表示第i架无人机，M表示无人机总数；

定义2：T＝{T₁,T₂,…,T_j,…,T_N}为目标集合，其中T_j表示第j个目标，N为目标总数；

定义3：Task_jh为目标T_j的第h种任务，h＝1,2,3，当h＝1为确认，h＝2为打击，h＝3为毁伤评估；

定义4：U^jh为能够执行任务Task_jh的无人机集合；

定义5：TaskSequence_i＝{task1＞task2＞task3＞…＞taskn_i}为无人机U_i的任务序列；其中n_i表示分配给无人机Ui的任务数量，taskn_i表示无人机U_i需要执行的任务；