[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

说明书

本发明涉及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，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。本发明将任务分配问题和航迹规划问题相结合进行研究，并考虑无人机特性，更贴合实际情况。本发明采用改进粒子群算法与拍卖算法相结合，无人机航迹路线更加平滑且具有良好收敛性。

技术领域

本发明涉及无人机在面对多任务时的最优分配方案及安全飞行技术领域，具体涉及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。

背景技术

无人机(UAV，Unmanned Aerial Vehicle)因其成本低、体积小等特点逐渐走入大众的视野并迅速得到广泛应用，比如交通监管、电力巡检、灾害救援。但是单个无人机能力有限，而应用场景有时又比较复杂，所以关于多无人机的研究逐渐成为一种趋势。在保证任务合理分配的同时又需要保证无人机飞行的安全，因此设计一种关于多无人机多任务分配的方法十分有必要。

许可，宫华，秦新立，张博渊.基于分布式拍卖算法的多无人机分组任务分配.信息与控制[J]，2018，47(3)：341-346.设计了带共享存储中心的拍卖算法，以总收益最大为目标函数，将任务根据类型分组，建立了多无人机任务分配模型；蒋硕，袁小平.改进PSO算法在多无人机协同任务分配中的应用[J].计算机应用研究，2019，36(11)：3344-3347+3360.通过多余竞拍方案减少非法劣解，采用阶层分级策略结合独立权重的改进PSO算法解决任务分配问题，得到最优分配序列；X.Wu,Y.Yin,L.Xu,X.Wu,F.Meng and R.Zhen,MULTI-UAVTask Allocation Based on Improved Genetic Algorithm,in IEEE Access,vol.9,pp.100369-100379,2021,doi:10.1109/ACCESS.2021.3097094.将改进模拟退火算法与遗传算法融合，通过提高模拟退火算法中新解的接受标准，改变算法跳出局部最优解的方式，同时，将无人机任务序列用编码表示，遗传算法的选择操作改进为双选择操作，增加了个体的多样性，提高了算法效率。上述研究大多把任务分配问题和航迹规划问题作为两个单独的个体进行研究。

发明内容

本发明将改进粒子群算法与拍卖算法进行有机结合，旨在解决三维环境下多无人机在面对多任务时的最优分配方案及安全飞行问题。

本发明的技术方案：

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，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。

优选的，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，Nt表示无人机数量；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，N表示任务数量。

优选的，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。