[发明专利]一种基于DSM的现场救援任务分解方法

摘要

本发明公开了一种基于DSM的现场救援任务分解方法，其具体步骤如下：S1，利用任务约束关系和时序约束计算任务间关联度；S2，根据现场救援的资源和人力情况确定任务重要度、得出初步分解结果，形成DSM结构矩阵；S3，利用改进的遗传算法对DSM进行优化和调整；S4，明确子任务执行顺利，完成任务分解。与现有技术相比，本发明对遗传算法进行了改进，重点考虑重要度系数和时间系数，减少任务之间的反馈，对DSM结构矩阵进行调整和优化，得出最优的子任务执行顺序，保证任务可以高效、合理的执行。

主权项

一种基于DSM的现场救援任务分解方法，其特征在于，其具体步骤如下：S1，利用任务约束关系和时序约束计算任务间关联度；S2，根据现场救援的资源和人力情况确定任务重要度、得出初步分解结果，形成DSM结构矩阵；S3，利用改进的遗传算法对DSM进行优化和调整；S4，明确子任务执行顺利，完成任务分解；其中，步骤S1具体包括：S11，明确待分解的复杂任务，分析任意两个复杂任务之间的约束关系；S12，对任意任务，若i，j之间存在串行约束，且任务i是任务j执行的先决条件，则R_ji＝R_ji+1；S13，对任意任务，若i，j之间存在耦合约束，则R_ij＝R_ij+1R_ji＝R_ji+1；S14，对任意任务，若i，j之间存在时序约束，则R_ji＝R_ji+1；其中，步骤S2具体包括：S21，根据现场情况，确定待分解子任务的重要度，重要度从高到低进行任务分解；S22，对救援现场客观条件进行模糊量化分析，得出子任务分解范围0‑n；S23，根据客观条件，得出子任务分解个数m，m<n；S24，把子任务分解结果顺序填入DSM中，任务之间关系如S1中R；S25，子任务与自身的任务关联度R定义为1，得出初步任务分解DSM；其中，步骤S3具体包括：S31，在DSM结构矩阵中首先对仅和自己关联的任务进行规划，将其所对应的任务行靠前排列，重复这些操作，直到此类任务规划完成；S32，对于其他任务，计算F＝TOT_N，CN+TOT_time+TOT_i，其中：${\mathrm{TOT}}_{N,\mathrm{CN}}=((\mathrm{wn}\&times;\underset{i=1,i\&lt;j}{\overset{n}{\mathrm{\&Sigma;}}}\underset{i=2}{\overset{n}{\mathrm{\&Sigma;}}}{N}_{\mathrm{ij}})+\mathrm{wcn\&Sigma;CN})\&times;(\underset{i=1,i\&lt;j}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=2}{\overset{n}{\mathrm{\&Sigma;}}}(j-i)\&times;N_{\mathrm{ij}})$  (式1)${\mathrm{TOT}}_{\mathrm{time}}=\mathrm{stime}\&times;\underset{i=1,i\&lt;j}{\overset{n}{\mathrm{\&Sigma;}}}\underset{i=2}{\overset{n}{\mathrm{\&Sigma;}}}(R_{\mathrm{ij}}\&times;\underset{i=1}{\overset{j}{\mathrm{\&Sigma;}}}{\mathrm{time}}_i)$  (式2)${\mathrm{TOT}}_i=\mathrm{wi}\&times;\underset{i=1,i\&lt;j}{\overset{n}{\mathrm{\&Sigma;}}}\underset{i=2}{\overset{n}{\mathrm{\&Sigma;}}}(R_{\mathrm{ij}}\&times;\underset{i=1}{\overset{j}{\mathrm{\&Sigma;}}}{I}_i)$  (式3)S33，对于每代群体，首先将S31中任务类放在序列首位，接着将F最小的值依次排序，其对应的任务行在DSM中靠前排列，把分解好的顺序代入下一代；S34，重复进行操作，得出最优子任务执行序列；其中，步骤S4具体包括：S41，分析S3得出的优化后DSM，根据实时情况，调整子任务执行顺序；S42，如没有调整，按DSM中任务顺序执行各子任务，任务分解完成；其中变量的含义如下:Na:任务名，唯一；Time:任务的开始时间；C:任务的执行时间；I:任务重要度，衡量任务的重要性，I∈{1，2，3，4，5，6，7，8，9，10}；R_ij:任务关联度，衡量任务之间的关系，建立DSM；F:多参数目标函数；N:任务反馈个数；CN:交叉点函数；D:任务反馈距离；wn:信息反馈系数，wn∈{0，1}；wcn：交叉反馈系数，wcn∈{0，1}，wn+wcn＝1；wi:重要度系数，wi∈{0，1}；wtime：总时间系数，wtime∈{0，1}，wi+wime＝1；TOT_i:重要度系数；TOT_time：时间系数。