[发明专利]一种改进萤火虫算法的多无人机协同耦合任务分配方法

摘要

本发明提供了一种改进萤火虫算法的多无人机协同耦合任务分配方法，涉及任务规划设计领域，为一种具有特殊编解码结构的混合离散萤火虫算法，根据对同时具有时间耦合约束和特殊耦合约束的多无人机协同任务分配问题进行研究，提出数学模型并进行任务解算，本发明具有较好的通用性，通过多次的仿真验证获得的数据分析，使得模型更加完善，迭代过程简短，收敛速度快；以最小化无人机的最大航程为整体优化目标，通过分段整数编码的方式有效地表示多无人机协同任务分配方案，并通过改进的DE‑DFA算法在解空间里寻找最优解，快速有效地解决耦合任务环境下的多无人机任务分配问题，为解决耦合任务环境下的多无人机任务分配问题提供解决方案。

主权项

一种改进萤火虫算法的多无人机协同耦合任务分配方法，其特征在于包括下述步骤：步骤1：构建特殊耦合下的任务分配模型在该步骤中，存在如下定义：定义1：U＝{U1,U2,…,Ui,…,UM}为无人机集合，其中Ui表示第i架无人机，M表示无人机总数；定义2：T＝{T1,T2,…,Tj,…,TN}为目标集合，其中Tj表示第j个目标，N为目标总数；定义3：Taskjh为目标Tj的第h种任务，h＝1,2,3，当h＝1为确认，h＝2为打击，h＝3为毁伤评估；定义4：Ujh为能够执行任务Taskjh的无人机集合；定义5：TaskSequencei＝{task1＞task2＞task3＞…＞taskni}为无人机Ui的任务序列；其中ni表示分配给无人机Ui的任务数量，taskni表示无人机Ui需要执行的任务；定义6：Routei＝{UPi,taskP1,taskP2,…,taskPni,B}为无人机Ui的路径序列，taskPni表示无人机Ui执行任务n时所在的位置，UPi表示无人机i的初始位置，B表示无人机返回基地的位置；定义7：Voyi为无人机Ui的航程，其中i＝1,2,…,M；定义8：Voymaxi为无人机Ui的最大航程；定义9：Ri为无人机Ui的武器载荷数量；定义10：tijh为无人机Ui执行任务Taskjh消耗的执行时间；定义11：sTk为任务k的开始被执行时刻；定义12：eTk为任务k的完成时刻；定义13：Inter_min为打击任务和毁伤评估任务间的最小时间间隔；定义14：Inter_max为打击任务和毁伤评估任务间的最大时间间隔；定义15：决策变量：确认目标函数：选择无人机最大航程最短作为任务规划指标，该任务规划指标是将各无人机中的最大航程最小化，即目标函数为：确认特殊耦合约束：特殊耦合约束指在在某一时刻，两个不同位置的目标同时被打击时，该约束针对同时执行且优先级如下面所述的两种目标，存在如下两种特殊耦合约束：(1)任务同时执行约束：目标Ti和目标Tj必须同时打击，则有约束：式(2)中，和inter分别表示目标Ti的开始打击时刻、目标Tj的开始打击时刻和打击目标Ti和Tj的时间间隔；(2)任务优先级约束：目标Tk必须在Tl被确认之前被毁伤评估，则有约束：式中，分别表示目标Tk的毁伤评估结束时刻和目标Tl的确认开始时刻；具有复杂耦合约束下的多无人机任务分配数学模型：步骤2：萤火虫编码将萤火虫表示为1×2Nt维数组，Nt为所有任务数量，Nt＝3×N，采用整数编码的形式，每个萤火虫分为两部分，前Nt维表示任务分配部分，从左至右分别表示第i个目标的确认、打击和毁伤评估任务，即第1、2、3维代表第1个目标的确认、打击和毁伤评估任务，第4、5、6维代表第2个目标的确认、打击和毁伤任务，并以此类推，i＝1,2,…,N，每一维的取值由数组中每一维所对应任务的可执行无人机集合中的元素数量决定决定；后Nt维表示任务排序部分，由3组所有目标的编号组成，从左至右，目标Tj第h次出现分别对应该目标的确认、打击和毁坏评估任务，即目标Tj第1次出现表示无人机i的确认，目标Tj第2次出现表示无人机i的打击，目标Tj第3次出现表示无人机i的毁伤评估；步骤3：种群初始化比较萤火虫之间的余弦相似度，当任意两只萤火虫余弦相似度超过设定的阈值ξ，则对其中一个萤火虫重新初始化，即对该萤火虫的数值随机化，其中阈值ξ取值在0.6‑0.7之间，余弦相似度公式为：其中，Xi和Xj分别指萤火虫i和萤火虫j所对应的向量；步骤4：萤火虫位置更新1)萤火虫位置进行β更新，具体步骤如下：Setp1：计算萤火虫Xi和Xj的海明距离Hij，海明距离为两个萤火虫个体的位置向量中互相对应的数不相等的对数，并找到Xi和Xj中对应相等的元素；Setp2：计算Xi对Xj相对吸引度βij，其中Hij为萤火虫i与萤火虫j的海明距离，γ是移动步长，β0表示在γ＝0处萤火虫的初始吸引力；Setp3：对于Xi和Xj中每一个不对应相等的元素ta，取随机数r，若r＜βij，则ta取Xi和Xj中对应元素的值，若r≥βij，则取Xi和Xj中本身对应元素的值；2)在进行β更新后，萤火虫个体Xj的任务排序部分TSj存在非法解，对萤火虫个体进行修正，具体修正步骤为：a)令S1＝TSj、S2＝TSi、L＝length(S1)、p＝1、q＝1，TSi为萤火虫Xi的任务排序部分，TSj为萤火虫Xj的任务排序部分，L取萤火虫个体任务排序部分的长度，即任务总数；b)找出S2中第一个等于S1(p)的元素的索引值p1，令S1(p)＝0，S2(p1)＝0，其中S1(p)为p值对应的S1；c)令p＝p+1，若p≤L，则返回执行步骤b)，否则执行步骤d)；d)若S1(q)不等于0，则在S2找到第一个非零元素的位置索引值p2，令S1(q)＝S2(p2)，S2(p2)＝0，其中S1(q)为q值对应的S1；e)令q＝q+1，若q≤L，则执行步骤d)，否则结束；3)进行α更新在萤火虫算法中，α为步长因子，其公式为：tai＝int(tai+α(rand‑1/2))  (5)式(5)中，tai表示萤火虫任务分配部分某个元素的值，int是对参数取整操作，rand为随机因子；4)对α更新后的编码进行非法修正，非法修正即为对每一位元素进行可行性判断：若元素的值在元素的取值范围内，则不用修正，若元素的值超出取值范围，则以距离边界值最近的点代替元素值；步骤5：萤火虫个体重构1)对于萤火虫个体的TS部分，采用基于邻域搜索的变异方法，其操作步骤如下：Step1：在个体的任务排序部分随机选择r个位，并生成其排序的所有邻域；Step2：计算所有邻域的目标函数，选出目标函数值最高的个体作为最佳个体，并代替原来的个体；2)交叉操作采用随迭代次数指数递增的交叉概率因子：Cr＝Crmin+(Crmax‑Crmin)×exp(‑a×(1‑t/T)b)  (6)式(6)中，Cr为交叉概率因子，Crmin和Crmax分别为最小交叉率和最大交叉率，且Crmin＝0.4，Crmax＝0.6；a＝40，b＝4，T为设定的最大迭代次数，t为当前迭代次数，交叉操作得到的新个体的取值为：其中，为交叉操作得到的新个体，是需要交叉操作的个体，为不需要进行交叉操作的个体，jrand为随机数；3)选择操作在原始个体和经交叉操作后得到的新个体之间选择目标函数值大的个体保留到下一代，选择操作为：其中，Xti是第t代的第i个个体，Uti是第t代经交叉后得到的个体，fitness为目标函数；步骤6：特殊耦合约束的处理用矩阵Ts∈R3N×3N表示目标或任务间存在的特殊耦合约束关系，表示任务i与任务j的特殊耦合约束，其取值规则为：步骤7：萤火虫个体解码与目标函数的计算具体的解码步骤如下：Step1：对任务分配部分进行解码(1)初始化各无人机的任务集合为空集，即(2)从左至右依次读取萤火虫个体第k位上的值i，k＝1,2,…,2N，通过j＝fix(i/2)+1和h＝mod(i/2)分别得到j和h的值，将Taskjh加入到TaskSequencei中；Step2：对任务排序部分进行解码(1)从左至右依次读取萤火虫个体第k位上的值j，k＝1,2,…,2N，每个j为目标Tj上的一个任务，若j是第h次出现，则表示Taskjh，当k＝2N得到所有任务的排列顺序TaskS；(2)将TaskSequencei根据TaskS重新排列任务顺序，当Taskjh和Taskkl均在TaskSequencei中时，则以从左到右的顺序，若Taskjh在TaskS中的位置在Taskkl前面，则yijhkl＝1，若Taskjh在TaskS中的位置在Taskkl后面，则yijhkl＝‑1；否则yijhkl＝0；至此，解码结束，得到各无人机的任务执行序列TaskSequencei。