[发明专利]一种改进粒子群算法和拍卖算法结合的多无人机多任务分配方法

权利要求书

1.一种改进粒子群算法和拍卖算法结合的多无人机多任务分配方法，其特征在于，首先对环境、任务及无人机进行初始化设置，其次利用改进粒子群算法对无人机进行航迹预规划，然后根据具体任务和航迹预规划信息结合拍卖算法进行任务分配，最终确定任务分配方案，并派相应无人机执行对应任务。

2.根据权利要求1所述的一种改进粒子群算法和拍卖算法结合的多无人机多任务分配方法，其特征在于，所述初始化设置模拟实际环境建立三维地形；环境中存在的威胁为山体威胁，将山体进行建模，定义为Threat＝{x,y,h,r}，(x,y,h)表示威胁的坐标，r表示山体威胁的半径；定义无人机集合为U＝{Ux,Uy,Uz}，Ux、Uy、Uz分别表示无人机位置坐标x、y、z的集合，并规定各无人机的载荷信息ZH，无人机数量Nt；定义任务集合为R＝{Rx,Ry,Rz}，Rx、Ry、Rz分别表示任务在三维环境中的位置坐标x、y、z的集合，任务属性包括执行该任务的价值Value、威胁Risk以及执行该任务所需耗费的无人机载荷信息HF，任务数量N。

3.根据权利要求2所述的一种改进粒子群算法和拍卖算法结合的多无人机多任务分配方法，其特征在于，改进粒子群算法前建立目标函数，无人机进行任务分配时的目标函数为Cost＝b₁×f₁+b₂×f₂+b₃×f₃+b₄×f₄，b1、b2、b3、b4为权重系数，f1为航迹代价，f2为威胁代价，f3为平滑代价，f4为任务代价。

4.根据权利要求3所述的一种改进粒子群算法和拍卖算法结合的多无人机多任务分配方法，其特征在于，选择航迹时将航迹时间最短，假设无人机速度不变，因此将航迹最短作为首要选择标准，规定无人机航迹X_i由n个航迹点组成，三维环境中航迹点P_ij＝(x_ij,y_ij,z_ij)，两个航迹点间的欧氏距离为航迹代价f₁表示为：

5.根据权利要求4所述的一种改进粒子群算法和拍卖算法结合的多无人机多任务分配方法，其特征在于，航迹除了要求航迹最短外，还要求具备安全性，因此航迹规划中要求避开障碍物；假设环境中存在的山体威胁集合为T且假设为圆柱，其在xy平面的投影中心为C_t，半径为R_t，威胁代价与无人机和威胁间的距离d_t成正比，综合考虑无人机直径D和无人机与威胁的危险距离S，威胁代价f₂表达式为：其中

6.根据权利要求5所述的一种改进粒子群算法和拍卖算法结合的多无人机多任务分配方法，其特征在于，平滑代价是针对航迹中的转弯角和爬升角进行平滑使航迹可行的代价；其中，为两个连续航迹段在水平面投影的夹角，和为其在XY平面的投影；θ_ij为航迹段与水平面投影的夹角，z_ij、z_i,j+1为航迹点P_ij、P_i,j+1的Z轴坐标；

平滑代价f₃表达式为：其中k₁、k₂分别代表转弯角和爬升角的惩罚系数。

7.根据权利要求6所述的一种改进粒子群算法和拍卖算法结合的多无人机多任务分配方法，其特征在于，

无人机执行相应任务时可得到相应任务的收益，但同时也会受到目标任务的威胁，根据任务属性可得任务代价f₄表达式为：f₄＝k₃×Risk-k₄×Value，其中k₃、k₄为相应的惩罚系数；Risk为任务的威胁值、Value为任务的价值。

8.根据权利要求7所述的一种改进粒子群算法和拍卖算法结合的多无人机多任务分配方法，其特征在于，改进粒子群算法，不同于二维平面，在三维立体环境中，同时考虑无人机飞行角度，因此采用球坐标系，航迹点由表示，其中L表示两个航迹点之间的距离，θ表示爬升角，表示转弯角；球形坐标系与直角坐标系(x,y,z)的关系为：

z_ij＝z_i,j-1+L_ijcosθ_ij

由N个节点组成的航迹路线P_i由球形坐标系可表示为：

将位置表示为d_ij，速度表示为Δd_ij，所以改进后的粒子群公式可表示为：其中k代表当前迭代次数；w^k表示惯性权重；c₁和c₂分别表示个体自我认知系数和社会认知系数，决定粒子向局部最优和全局最优的趋势；r_1j和r_2j为[0，1]的随机数；Q_i＝(q_i1,q_i2,...,q_iN)、Q_g＝(q_g1,q_g2,...,q_gN)分别表示粒子局部最优和全局最优。