[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

说明书

一种考虑子系统执行能力的多机协同任务规划方法，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，在无人机子系统能力约束、任务时序约束和攻击次数约束等约束条件下，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，在求解过程中个体的更新融入遗传算法思想，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，从而增强种群的多样性，但由于无人机负载资源有限，变异过程中会出现违反攻击次数的非可行解，进而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。

技术领域

本发明属于无人机任务规划领域，涉及一种考虑子系统执行能力的多机协同任务规划方法。

背景技术

多机协同任务规划是指在复杂环境态势下，针对多个已侦察到的目标，利用多架同构或异构的无人机协同合作，期望以最小的任务代价、最合理的目标配比、最优化的飞行航线，共同完成这些目标的任务所规划的具体分配方案。多机协同能够以更低的风险、更廉价的费用、更灵活的操控方式执行多种复杂危险的作战任务，具有执行效率更高、安全性更强等突出优点。因此，多机协同任务规划受到了广泛的研究。

多机协同任务规划问题既要考虑到飞行器的飞行环境、是否异构、数量等因素，又要考虑可行的航程代价、合理的分配算法、各种协同约束条件等。因此，该问题是多模且包含复杂约束的最优化NP问题。目前常采用的求解方法有：数学规划法、合同网算法和智能算法等。相比于提及的其他方法，智能算法由于具有灵活性、自适应、启发性和易于实现等优点，不仅能够降低计算量，而且在有限时间内能快速找到问题的最优解。在众多的智能算法中，狼群算法由于其具有良好的全局收敛性和计算鲁棒性，并且特别适用于高维问题的求解，近年来被广为研究。由于多机协同任务规划问题不同于连续优化问题，利用传统狼群算法求解时有必要根据该问题的离散性对个体的编码方式进行改进，并且无人机进入任务执行阶段的前提是必须等待任务规划阶段结束，若任务规划过程求解效率过慢，将影响整个作战计划的进程。为此，有必要发展高效的个体更新策略，以提高狼群算法求解多机协同任务规划问题的性能。

发明内容

为了解决上述技术问题，本发明融合拍卖算法和遗传算法的思想，在传统狼群算法的基础上，提出了一种基于拍卖机制的改进狼群算法(AMIWPA)对多机协同任务规划问题进行求解。本方法将多机协同任务规划问题构建为线性整数规划问题，从而简化实际作战中任务规划问题的复杂性。在任务规划问题的列式中，综合考虑无人机子系统能力约束、时序约束、攻击次数约束等限制条件，采用时间最优的性能指标。在求解过程中，针对出现的非可行方案，采用基于拍卖机制的修正策略对其进行调整，进一步优化算法性能，提高求解效率。

为了达到上述目的，本发明采用的技术方案为：

一种考虑子系统执行能力的多机协同任务规划方法，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，在无人机子系统能力约束、任务时序约束和攻击次数约束等约束条件下，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，从而增强种群的多样性，但由于无人机负载资源有限，变异过程中会出现违反攻击次数的非可行解，进而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