[发明专利]一种基于离散鸽群算法的无人机任务分配方法

权利要求书

1.一种基于离散鸽群算法的无人机任务分配方法，其特征在于，包括如下步骤：

步骤1、建立无人机任务分配问题的多耦合适应度函数数学模型；

步骤2、设计适配问题数学模型的结合学习因子的离散鸽群寻优算法；

步骤3、对迭代寻优的最优序列进行解码、修正并输出最优分配方案。

2.如权利要求1所述的基于离散鸽群算法的无人机任务分配方法，其特征在于，步骤1中，建立无人机任务分配问题的多耦合适应度函数数学模型具体包括如下步骤：

步骤11、将无人机自身性能参数数学化；其中包括无人机数量、机场出发点位置信息、无人机弹药携带量、无人机飞行速度、无人机最小转弯半径、无人机打击成功率系数、无人机的耗能系数；

步骤12、将任务目标点相关参数数学化；其中包括任务目标点数量、任务目标点位置信息、任务目标点打击需求、目标点成功攻击收益、任务目标点的自身代价系数；

步骤13、建立无人机性能参数信息到任务目标点的多适应度函数耦合数学模型。

3.如权利要求2所述的基于离散鸽群算法的无人机任务分配方法，其特征在于，步骤13中，建立无人机性能参数信息到任务目标点的多适应度函数耦合数学模型具体为：以步骤11、步骤12建立的无人机、任务目标点数学化模型为基础参数，建立多适应度函数；以无人机机场出发点位置信息及任务目标点位置信息建立路程代价适应度函数F_distance；以无人机飞行速度、路程代价函数及无人机耗能系数建立耗时及耗能代价适应度函数F_{time_energy}；以无人机打击成功率系数、目标点成功攻击收益及任务目标点的自身代价系数建立打击收益适应度函数F_profit；以无人机弹药携带量及任务目标点打击需求建立打击弹药判断系数I_ammo；根据上述步骤建立的多适应度函数，建立无人机到目标点的总体适应度函数F_total。

4.如权利要求1所述的基于离散鸽群算法的无人机任务分配方法，其特征在于，步骤2中，设计适配问题数学模型的结合学习因子的离散鸽群寻优算法具体包括如下步骤：

步骤21、以标准鸽群算法为寻优算法的算法框架；标准鸽群算法以鸽群的位置向量X(k)与速度向量V(k)为迭代目标，以对全局最优鸽子X_gbest的学习为更新手段，结合地图罗盘算子和地标算子分两个阶段对鸽群迭代得出最优解；结合学习因子的鸽群算法第一阶段采用地图罗盘算子e^-Rk结合粒子群算法中全局寻优学习因子C₁的方式完成对鸽群的全局搜索；第二阶段采用地标算子结合对局部最优解X_pbest学习过程对鸽群寻优过程进行针对性改良；

步骤22、对结合学习因子的鸽群算法进行离散化；将标准鸽群算法的位置向量X(k)及速度向量V(k)的连续寻优过程改进为适配任务分配序列对象的序列交叉过程。