[发明专利]机载多平台分布式任务分配方法

说明书

本发明公开的一种多空基平台机载多平台分布式任务分配方法，旨在提供一种适用场景更为广泛、任务分配模型更为完备、任务分配结果更为可靠的分配方法。本发明通过下述技术方案予以实现：在任务分配问题模型中，依据平台执行任务的序列以及平台执行任务所使用的资源序列建立多平台协同任务分配模型；将所有平台执行任务的总的代价函数最小作为任务分配模型的目标函数；根据决策变量，建立平台资源约束模型、平台代价约束模型和任务资源约束模型；基于多智能体分布协同拍卖的任务分配算法生成多次不同的竞拍顺序，求解最优的任务分配方案；在多平台协同任务分配模型的基础上，采用两步拍卖算法来进行任务分配问题求解，得到多平台协同任务分配的结果。

技术领域

本发明涉及一种机载多平台分布式任务分配方法，主要应用于指挥控制系统、任务规划系统以及任务调度系统中的任务分配领域。尤其是多空基平台分布式协同异构任务分配方法。

背景技术

多空基平台协同控制方法主要分为集中式控制与分布式控制。集中式控制能够基于全面的信息从全局上对问题进行求解，但也存在着许多不足:要求将所有信息传送到任务控制站，因此需要高度可靠的通信链接和很高的通信带宽；规划全部集中在任务控制站,通信延迟以及集中求解的计算复杂性,导致难以实现对环境态势变化的快速反应；为了弥补集中式控制的不足,在空基平台自主能力不断提高的趋势下，分布式控制已成为多空基平台协同控制技术的一个重要发展方向。多平台协同任务分配是一种非常重要和实用的技术。多平台协同任务分配是根据既定的目标将不同属性、不同状态的任务合理地分配给不同的平台，使得所有平台整体执行任务效益最大。多平台协同任务分配主要包括两方面：一是任务分配问题建模，二是任务分配问题求解。

任务分配问题可以表示为：按照分配算子任务分配是一个组合优化问题。目前的方法主要是启发式的进化算法或几种进化算法的综合，其共同点是单个种群的进化或多种群无协作的进化。任务分配问题建模是指通过数学方法，充分考虑任务分配问题的复杂性及各种约束，将研究的多平台协同任务分配问题抽象为任务分配数学理论模型，为多平台协同任务分配问题求解提供一个基础的模型框架。常用的任务分配模型包括混合整数线性规划问题(MILP)模型、多旅行商问题(MTSP)模型、分布式任务分发模型、动态网络流优化(DNFO)模型、车辆路径问题(VRP)模型、多处理器资源分配问题(CMTAP)模型等。

任务分配问题求解是指采用各种优化算法对建立的任务分配问题模型进行求解计算，得到每个平台需要执行的任务目标列表及每个平台执行任务的排序。根据求解优化算法的不同，可以将任务分配问题求解方法分为集中式求解方法、分布式求解算法两大类。

集中式任务分配求解方法是指任务分配模型的求解是在一个中心控制平台上完成的，中心平台再将求解的结果发送给其他平台。集中式任务分配求解方法可以分为最优化方法和启发式方法两类。最优化方法指的是采用一些例如穷举法、整数规划、约束规划、图论方法等的最优化算法求解任务分配模型的解，最优化算法可以给出任务分配模型的最优解，但任务分配问题是一个NP问题，当任务分配问题涉及到的状态及约束规模越大时，最优化方法求解的难度也就越大，求解所耗费的时间资源也就越大。而启发式方法在求解的质量与求解的计算时间之间进行平衡，不刻意去求解最优解，而是力求在规定的计算时间内解算出任务分配问题的满意解。

分布式任务分配求解方法是指系统中各平台通过相互之间的通信交互当前任务信息、态势信息等与任务分配相关的信息数据，各平台再单独计算其需要执行的任务目标列表以及任务执行序列。相比集中式求解方法来说，分布式求解方法具有更好的灵活性，但也需要平台的所具备较高的计算分析、通信、决策等能力。典型的分布式任务分配方法主要有基于合同网市场竞拍机制的方法、基于蚁群算法的多空基平台任务分配方法、基于粒子群优化算法的多空基平台任务分配方法、基于相邻局部通信的分布式拍卖算法等，相比之下，基于合同网市场竞拍机制的方法有着明显的优势。