[发明专利]一种考虑子系统执行能力的多机协同任务规划方法

权利要求书

1.一种考虑子系统执行能力的多机协同任务规划方法，其特征在于，首先，定义子系统能力矩阵以实现无人机异构性和任务执行能力的统一描述，在无人机子系统各类约束条件下，构建时间最优的多机协同任务规划模型；其次，根据研究问题特点，为可行方案的表述设计个体矩阵编码形式；第三，构造改进狼群算法用于求解，在个体更新环节融入遗传算法思想，在探索阶段和围捕阶段分别采用相邻行交换操作和间隔列交叉操作实现快速寻优；第四，在种群更新阶段引入第三优狼进行变异，并提出基于拍卖机制的修正策略进行处理；最后，使用基于拍卖机制的改进狼群算法对构建的多机协同任务规划问题进行求解；包括以下步骤：

步骤1：整合任务规划相关信息，构建时间最优的多机协同任务规划模型

步骤1-1：定义子系统能力矩阵和目标任务需求能力矩阵

考虑战场上分布着N_t个位置已知且固定的敌方目标，记目标的集合为K＝{k₁,k₂,k₃}表示任务集合，k₁、k₂与k₃分别代表识别、攻击和评估任务，N_k表示需要对每个目标执行的任务数量，显然N_k＝3；

假设坐标原点为机场位置，在机场部署了N_u架异构无人机，表示无人机集合；M＝{m₁,m₂,m₃}表示无人机子系统集合，m₁、m₂与m₃分别代表识别、攻击和评估子系统；假设每架无人机以固定航速飞行以执行任务；通过定义子系统能力矩阵展示每架无人机具备的子系统以及相应子系统的能力值，从而在统一的框架下描述无人机的异构性与任务执行能力；若无人机存在某个子系统的能力水平为0，则表明无人机不具备执行相应任务的能力，间接反映出无人机的异构性；若无人机的某子系统能力水平大于0，其直接反映了无人机执行任务的能力水平，通过与各目标不同任务的能力需求进行对比，判断无人机是否可以对特定目标执行特定任务；

通过定义目标任务需求能力矩阵X^cr直接展示出目标任务之间的差异；如果对大型目标和构造精密且复杂的目标执行侦察任务时，对第一类目标执行侦察任务时仅要求无人机具备侦察功能，即目标的侦察任务要求无人机具备较低的侦察能力即可，而对第二类目标执行侦察任务时要求无人机具有较高的侦察能力才能执行，即目标的侦察任务对无人机的需求能力值较高，因此定义的目标任务需求矩阵将目标异构性与目标任务需求能力两两相关联；

采用表示无人机u(u∈U)子系统m(m∈M)对应的能力值；表示目标i(i∈T)的k(k∈K)任务的需求能力值，即要求无人机相应子系统必须达到的最低能力值，则所述无人机子系统能力矩阵与目标任务需求能力矩阵的表达式分别为：

步骤1-2：确定多机协同任务规划问题的各类约束

无人机装载弹药数量有限，导致攻击次数受限，从而将多机协同任务规划问题的攻击次数约束写作如下不等式形式：

其中，是二进制决策变量，用于表示无人机u是否执行目标i的k_j任务；若表示无人机u执行目标i的k_j任务；若表示无人机u不执行目标i的k_j任务；

每个目标上的多个任务可以被不同的无人机执行，但每个任务仅由一架无人机执行一次，则多机协同约束表示为：

根据无人机各子系统执行能力的异构性，无人机u执行目标i的k_j任务就必须满足相应子系统m_j的能力值一定要高于目标i的k_j任务要求的最低能力值，将子系统能力约束写作如下不等式形式：

其中，表示无人机u的子系统m_j对应的能力值；表示目标i的k_j任务的需求能力值；

此外，由于每个目标都存在三个任务，分别为识别、攻击和评估，结合实际作战需求，三个任务的执行必须严格按照一定顺序：首先，对目标进行识别；其次，进行攻击；最后，对目标进行毁伤评估；记表示目标i的k_j任务执行完成时间，计算表达式为：

其中，定义辅助变量表示目标i的k_j-1任务执行完成时间；表示执行目标i的k_j任务的无人机编号；表示无人机的执行目标i的前序目标，表示无人机无前序目标，意味着无人机从初始位置直接飞到目标i执行k_j任务，表示无人机有前序目标，意味着无人机从前序目标飞到目标i执行k_j任务；表示无人机的前序目标的任务执行完成时间；表示无人机在前序目标处执行的任务；表示无人机从初始位置飞到目标i的飞行时间；表示无人机从前序目标飞到执行目标i的飞行时间；

由于目标i的评估任务开始执行是在识别和攻击任务完成的基础上，根据上述迭代公式(6)计算时需要先计算和表示k_j任务的执行时间，目标i的k_j任务执行完成时间主要受到无人机在前序目标任务执行完成时间、无人机飞到目标i的时间和目标i的k_j-1任务执行完成时间的影响；

无人机飞向目标i执行k_j任务，如果时无人机到达目标i，目标i的k_j-1任务未执行完成，无人机需等待目标i的k_j-1任务执行完成才能执行k_j任务，则无人机开始执行目标i的k_j任务的时间为此时无人机执行目标i的k_j任务的结束时间为如果时，目标i的k_j-1任务已经执行完成，则目标i的k_j任务的执行完成时间受到无人机是否有前序目标任务的影响，若无人机无前序目标任务，则无人机开始执行目标i的k_j任务的时间为此时无人机执行完成目标i的k_j任务的时间为若无人机有前序目标任务，则无人机开始执行目标i的k_j任务的时间为此时无人机执行完成目标i的k_j任务的时间为

如公式(6)所示，由两项构成，前项是任务开始执行时间，主要受到和的影响，后项是任务执行时间，始终为大于零的常数；因此，由公式(6)可知目标i的k_j任务执行结束时间一定晚于目标i的k_j-1任务执行结束时间；

步骤1-3：构建时间最优的多机协同任务规划模型

任务完成时间即为最晚的评估任务结束时间，定义无人机在两个目标之间的转移时间为目标间欧氏距离除以无人机的航速；目标函数表示如下为：

根据步骤1-2中建立的攻击次数约束、多机协同约束、无人机子系统能力约束以及任务时序约束，构造如下的以时间最优为性能指标的多机协同任务规划问题：

其中，J为多机协同任务规划问题的性能指标；记X表示该问题得到的解，X代表多机协同任务规划问题的具体分配方案，元素表示分配无人机u执行目标T_i的k_j任务，X对应的表达式为：

步骤2：设计任务分配方案的整数矩阵编码表述方法

对目标的每个任务分配无人机，由于目标和任务是两个不同的维度，因此引入矩阵编码方式对个体进行编码；在矩阵编码中，每一行对应一个目标，每一列对应一类任务，需要对每个目标执行三类任务且任务之间必须满足严格的时序约束，因此矩阵有且仅有三列，依次对应识别、攻击、评估任务，另外矩阵中的编码值表示无人机编号，如公式(9)所示；

步骤3：融入遗传算法思想，构造改进狼群算法中个体更新策略，在探索阶段和围捕阶段分别采用相邻行交换操作和间隔列交叉操作，具体如下：

步骤3-1：游走阶段

探狼的游走行为实质上是对解空间的随机探索，为了更高效地获得最优解，需要对解进行合理更新，根据问题的特点并结合遗传算法中基因片段交叉的思想，游走阶段的个体更新主要是对两个相邻目标编号的step_a个连续任务对应的无人机编号进行互换，即对个体采用行变换操作，由step_a个位于同行的相邻元素组成的片段与相邻行对应位置的元素进行互换；游走阶段的更新操作具体实现过程如下：首先随机生成一个二维数组(i,k),i∈T,k＝1,2,3，根据二维数组确定在矩阵中的位置，二维数组中的i表示第几行，二维数组中的k表示第几列，找到对应编码值，将包含该编码值在内且位于同一行的连续step_a个元素组成的片段和相邻行对应位置的编码值进行交换；

步骤3-2：召唤阶段

为了快速向头狼靠拢，个体的更新会参考当前最优个体，从当前最优个体中复制部分信息；具体实现过程如下：首先随机生成step_b个二维数组，根据二维数组确定猛狼编码矩阵的step_b个编码位，从头狼编码矩阵中复制对应编码位的数值；

步骤3-3：围攻阶段

首先随机生成step_c个二维数组，根据二维数组确定个体狼需要更新的编码位，将需要更新的编码值与间隔列对应位置的编码值交换，若交换的那列超出矩阵的索引范围，则采用模数取余法确定交换的那列；

步骤4：构建改进狼群算法中种群更新策略，引入第三优狼进行变异操作，采用基于拍卖机制的修正策略处理非可行解，具体如下：

步骤4-1：种群更新

通过在种群更新阶段引入头狼、次优狼和第三优狼，让生成的新狼继承强者的优势基因从而增强竞争力，改进的方式既克服传统狼群算法缺点又提高算法的收敛速度；具体实现过程如下：首先，需要确定狼群的更新比例因子β，从而确定狼群更新的数量R＝β*N，其中N表示狼群的数量；然后，选取R只目标函数值最差的狼进行更新；其次，确定变异概率a，a是介于0和1的随机数，如果0＜a≤0.33，则弱小的狼复制头狼部分信息进行变异生成新狼，变异的具体过程需要先生成随机整数b，确定变异的编码位个数，再随机生成b个二维数组进一步确定编码位的具体位置，根据二维数组确定弱小的狼编码矩阵的b个编码位，再从头狼编码矩阵中复制对应编码位的数值；如果0.33＜a≤0.66，则弱小的狼复制次优狼部分信息生成新狼，变异过程同上；如果0.66＜a≤1，则弱小的狼复制第三优狼部分信息生成新狼，变异过程同上；

步骤4-2：利用基于拍卖机制的修正策略对非可行解进行处理

种群的个体更新会导致非可行解的出现，非可行解是指违反攻击次数约束的任务分配方案；对于新的任务分配方案，首先检查分配方案中执行攻击任务的无人机，如果无人机编号各不相同，说明没有违反约束，否则将违反约束的无人机执行的攻击任务作为拍卖任务，所有拍卖任务构成拍卖任务集；机场发布拍卖活动且每轮只拍卖一个任务，已经执行攻击任务的无人机不再参与竞拍活动，其余有能力执行拍卖任务的无人机根据自身执行任务的目标函数值对拍卖任务进行出价并将竞拍信息发送给机场，机场从所有接收到的竞拍信息中选择出价最高的无人机，如果有两个或多个无人机出价相同，则从中随机选择一个，再将竞拍结果反馈给所有参与本轮竞拍的无人机，已拍卖的任务从拍卖任务集中删除，本轮中标的无人机不再参与后续竞拍活动；引入基于拍卖机制的修正策略将非可行解转化为可行解有利于获得局部最优解，加速寻优历程，且相比与随机地处理非可行解，提高了计算效率，算法整体流程如图2所示；具体如下：

步骤4-2-1：拍卖任务发布

当前的任务分配方案违反攻击次数约束时，由机场发布拍卖活动，每轮竞拍只拍卖一个任务；

步骤4-2-2：反馈竞拍信息

有能力执行拍卖任务的无人机对拍卖任务进行出价，然后向机场反馈自己的竞拍信息，竞拍信息包括竞拍任务、竞拍价格；

步骤4-2-3：签约

机场对所有竞拍信息进行处理，根据竞拍价格挑选出最合适的无人机，并向所有参与本轮竞拍的无人机发送拍卖结果；

步骤5：使用基于拍卖机制的改进狼群算法对构建的多机协同任务规划问题进行求解

步骤5-1：初始化算法参数

设定算法参数：种群数量N、最大迭代次数Maxgen、探狼的比例因子α、最大游走次数T_max、距离阈值d_near、狼群更新因子β、游走步长step_a、召唤步长step_b和围攻步长step_c；

步骤5-2：求解寻优

先实施步骤2，采用矩阵方式对个体进行编码，再重复步骤3和步骤4，对个体和种群进行更新，并引入基于拍卖机制的修正策略，加速寻优历程，同时记录下每次迭代的最优值，直至算法达到最大迭代次数，输出最优任务分配方案；

步骤5-3：解的呈现与评估

同个体编码方式一致，采用矩阵形式展示出最优任务分配方案，方案中详细给出每个目标的每个任务分配的无人机编号，以及每架无人机需要执行的任务和执行顺序。