[发明专利]一种多基地异构无人机协同侦察的任务规划方法

权利要求书

1.一种多基地异构无人机协同侦察的任务规划方法，其特征在于包括下述步骤：

步骤一、构建多基地多异构无人机侦察任务模型

在该步骤中，定义如下：

定义1：设uavType＝{1,2,…,i,…,N_t}，uavType表示无人机类型集合，其中N_t∈N⁺，N⁺为非零自然数集合，N_t表示无人机类型数量，集合中的元素i表示第i种无人机；

定义2：设tarType＝{1，2，…，h，…，N_c}，tarType表示目标类型集合，其中N_c∈N⁺，N_c表示目标类型数量，集合中的元素h表示第h种目标；

定义3：设Tar＝{1，2，…，j，…，M}，Tar表示目标集合，其中M∈N⁺，M表示目标数量，集合中的元素j表示第j个目标；

定义4：设Base＝{1，2，…，k，…，L}，Base表示基地集合，其中L∈N⁺，L表示基地数量，集合中的元素k表示第k个基地；

定义5：设表示第k个基地装备的无人机数量集合，集合中的元素N为自然数集合，其中i＝1,2,…,N_t，k＝1,2,…,L，表示第k个基地装备第i种无人机的数量；

定义6：N_u表示无人机数量；

定义7：表示第i种无人机侦察第j个目标所获得的收益，i＝1,2,…,N_t，j＝1,2,…,M；

定义8：D_jg表示第j个目标与第g个目标的欧氏距离，其计算公式为：

式(1)中x_g、y_g分别表示第g个待侦察目标横纵坐标，x_j、y_j分别表示第j个待侦察目标的横纵坐标；

定义9：V_i表示第i种无人机的飞行速度，i＝1,2,…,N_t，假设同一类型的无人机的飞行速度相同；

定义10：表示第i种无人机从第j个目标飞到第g个目标消耗的时间，i＝1,2,…,N_t，j＝1,2,…,M，g＝1,2,…,M；

定义11：表示第i种无人机侦察第g个目标所消耗的时间，i＝1,2,…,N_t，g＝1,2,…,M；

定义12：T_i表示第i种无人机的飞行续航时长，i＝1,2,…,N_t；

定义13：R_j∈tarType表示第j个目标所属类型，j＝1,2,…,M；

定义14：r_i∈tarType表示第i种无人机能够执行的任务类型集合，i＝1,2,…,N_t；

定义15：用二维决策变量表示各目标的分配情况，其具体取值为

1)确认目标函数：收集情报是侦察任务的核心，采取最大化侦察情报收益为目标函数，引导多无人机能够完成更多的侦察获得更多的情报收益，目标函数表示如下：

2)确认问题约束如下：

(1)侦察限制约束：该约束要求每个目标最多被侦察一次，表示为：

(2)侦察资源限制约束：各无人机完成任务总时间不能超过自身续航总时间，表示为：

(3)平衡约束：无人机到达某目标执行侦察任务后必须离开该目标，表示为：

其中为第k个基地中第i种第p架无人机从第g个目标飞到第f个目标；

(4)起飞、降落约束：每架无人机须得从所在基地起飞，完成任务后返回任意基地，表示为：

其中为第k个基地中第i种第p架无人机从第k个目标飞到第p个目标,为第k个基地中第i种第p架无人机从第j个目标飞到第l个目标；

(5)无人机数量限制约束：所有被派出执行侦察任务的无人机数量不能超过无人机的总数量，该约束表示为：

(6)基地无人机数量限制约束：基地派出执行侦察任务的无人机数量不能超过该基地装备的无人机数量，该约束表示为：

3)确认数学模型：

步骤二、构造布谷鸟解向量

将布谷鸟解向量定义为L×N_t维矩阵，行L代表基地，列N_t代表无人机类型，解向量及其元素表示具体如下所示：

元素O_ki为基地k中第i种无人机任务的具体序列，行代表基地序号，列代表待分配目标序号，本发明采用基于实数向量的表示方式，O_ki中元素Q₁…Q_M的取值规则为正实数且保留一位小数，其取值范围为其中为该种无人机数目，元素Q₁…Q_M的整数部分为对应该种无人机中的架次，元素Q₁…Q_M的小数部分按由小到大排序为执行任务的顺序；若第i种无人机无法执行任务M或某目标没有分配给基地第i种无人机，则O_ki对应列取值为0，B列为各无人机返回基地的序列；

步骤三、初始化参数

初始化任务区的数目及位置信息、基地数目与位置信息，各基地的无人机种类及数量、鸟窝数量W、最大迭代次数t_max、鸟窝抛弃概率pa、步长比例因子α和β以及高斯扰动因子k，并设置当前迭代次数为t＝0，用F_gbest表示本发明最大的目标函数值，X_gbest表示F_gbest对应的解向量，初始化时设置F_gbest＝0，X_gbest＝0；

步骤四、初始化解向量

产生初始可行解的详细步骤如下：

(1)采用基于欧氏距离的聚类方法将待侦察目标分配给各基地，具体步骤为：

计算每个目标到各基地的欧氏距离，目标j到基地k的欧式距离为其中(x_j,y_j),(x_k,y_k)分别为目标j和基地k的坐标，找出距离目标j的欧式距离最近的基地，则将目标j分配给该基地，按此步骤将所有目标分配给距离该目标最近的基地；

(2)针对每一个基地执行如下步骤：

1)判断基地是否有被分配到1个及以上任务，若是，则进入步骤2)；若否，则结束；

2)对于分配到基地的每一个任务，判断该任务是否只能被单一类型无人机侦察，若是，则执行步骤3)；若否，则执行步骤4)；

3)对于只能由单一类型无人机侦察的任务，用n表示该基地中能执行该任务的无人机数量，若n＝0表示该基地中不存在能执行该任务的无人机，则不对该任务进行分配；若n＞1表示该基地中存在能执行该任务的无人机，则用计算机对该任务产生(0,n+1)之间的随机数r1，并采用四舍五入的方法对r1保留一位小数，得到带一位小数的正实数即为解向量中对应的元素值；

4)对于被多种类型无人机侦察的任务，用m表示该基地中能执行该任务的无人机种数，则有m＞1，在(0,m)之间产生一个随机数r2，并对r2向上取整得到一个[1,m]范围内的整数h，则将任务分配给第h种无人机，用u表示该基地中第h种无人机的数量，则用计算机对该任务产生(0,n+1)之间的随机数r3，并随机数r3采用四舍五入的方法对r3保留一位小数，得到的带一位小数的正实数即为解向量中对应的元素值；

(3)检验由步骤(1)-步骤(2)构造出的初始可行解是否满足步骤一约束条件中的公式(3)-公式(9)，若满足则完成初始可行解的构造,否则重复本步骤中步骤(1)和步骤(2)直至完成初始可行解的构造；

构造出的初始可行解形式如公式(11)中的X所示；

步骤五、计算当前所有鸟窝的目标函数

用表示在第t次迭代过程中第w个鸟窝的位置，即为可行解，其中w＝1,2,…,W，该鸟窝位置进行解码，具体解码步骤为：

对于第k个基地中第i种第p架无人机，找到中第k行第i列O_ki中整数部分为p的所有元素，按元素值从小到大的顺序进行排列，即得到该架无人机的任务执行顺序，根据每架无人机的任务执行顺序按定义15确定决策变量的值；

对鸟窝解码后，根据公式(2)计算该鸟窝的目标函数；

步骤六、输出最大目标函数值

根据所有鸟窝的目标函数值，用表示在第t次迭代过程中第w个鸟窝的目标函数值，选出当前最大的目标函数值以及对应的鸟窝位置若则令并判断当前迭代次数t是否达到最大迭代次数t_max，若t＞t_max，则结束迭代过程并输出最大目标函数值F_gbest与目标函数值最大鸟窝X_gbest，若t≤t_max，则执行步骤七；

步骤七、更新

采用公式(13)对鸟窝位置进行更新：

式(13)中表示第w个鸟窝在第t+1代的鸟窝位置，表示第w个鸟窝在第t代的鸟窝位置，α为步长比例因子，α∈[0,1]，为点对点乘法，Levy(β)表示服从步长比例因子为β的莱维飞行，步长通过如下公式取得：

式(14)中，S为步长，u和v为正态分布的随机数且

其中，Γ为Gamma函数，σ_u和σ_v分别为u和v的标准差；

步骤八、计算每个鸟窝的目标函数值计算方法如步骤五所述，比较每个鸟窝的当前目标函数值与上一代目标函数值的大小，若则

步骤九、高斯扰动

第t+1代的目标函数的最大值对应的鸟窝为组成的矩阵为

加高斯扰动表示如下：

式(16)中，表示经过高斯扰动后的鸟窝，q为与同阶的随机矩阵，且q中每个元素都服从标准正态分布N(0,1)，k为高斯扰动因子；

步骤十、鸟窝抛弃

每个步骤九中经过高斯扰动后的鸟窝产生0到1之间的服从均匀分布的随机数r，将r与鸟窝抛弃概率pa进行对比，若r＞p_a，则抛弃该鸟窝当前位置并重新初始化该鸟窝的位置，初始化过程如步骤四所述；若r≤p_a，则不改变该鸟窝的位置；

步骤十一、将当前迭代次数t加1，转步骤五计算目标函数值进入下一次迭代计算，直至达到最大迭代次数时，迭代计算结束。