[发明专利]多无人机任务分配的多目标优化方法及装置

摘要

本发明公开了一种多无人机任务分配的多目标优化方法及装置，该方法包括：获取目标数据，任务执行最佳时间窗数据，无人机数据和无人机所搭载传感器的数据；根据所述目标数据，任务执行最佳时间窗数据，无人机数据和无人机所搭载传感器的数据，构建TA‑MUAV‑STW模型；获取满足所述TA‑MUAV‑STW模型约束条件的初始解集；基于预设的NSGA‑Ⅱ算法对所述初始解集进行计算，得到所述TA‑MUAV‑STW模型的Pareto最优解，并将所述Pareto最优解作为多无人机任务分配的多目标优化的分配结果。本发明中通过建模并优化得到优化的无人机分配方案。

主权项

一种多无人机任务分配的多目标优化方法，其特征在于，当多架搭载传感器的自旋翼无人机于同一出发点出发对多个点目标执行任务时，所述方法包括：获取目标数据，任务执行最佳时间窗数据，无人机数据和无人机所搭载传感器数据；根据所述目标数据，任务执行最佳时间窗数据，无人机数据和无人机所搭载传感器数据，构建TA‑MUAV‑STW模型；所述TA‑MUAV‑STW模型的目标函数包括最大化任务中多架无人机的总任务收益和最小化任务中多架无人机的总飞行路径，所述预设约束包括传感器的任务执行数量约束、无人机起降点约束、任务执行完备性约束、出发时间约束和无人机飞行速度约束；获取满足所述TA‑MUAV‑STW模型约束条件的初始解集；基于预设的NSGA‑Ⅱ算法进行计算，得到所述TA‑MUAV‑STW模型的Pareto最优解，并将所述Pareto最优解作为多无人机任务分配的多目标优化的分配结果；所述TA‑MUAV‑STW模型的目标函数为：目标函数1：t∈{T1,T2,T3},g∈{G1,G2,G3}目标函数2：MinLength=Σk=1NUΣi=0NAΣj=0NAY(i,j)kLOutij]]>所述TA‑MUAV‑STW模型的约束条件为：ti0k=0,∀k∈{1,2,...,NU}]]>vk=v,∀k∈{1,2,...,NU}]]>Σj=1NAY(0,j)k=1,∀k∈{1,2,...,NU}]]>Σk=1NUΣi=1NAX(k,i)=NA]]>Σk=1NUX(k,i)=1,∀i∈{1,2,...,NA}]]>Σi=1NAY(i,0)k=1,∀k∈{1,2,...,NU}]]>Cmax≥Σi=1NAX(k,i),∀k∈{1,2,...,NU}]]>其中，所述Profit为所有架无人机的总任务收益，Length为多架无人机的总飞行路径；Ai为编号为i的目标，其中A0表示无人机出发点位置，Ui表示编号为i的无人机，vi为无人机Ui的飞行速度，NA为目标个数，NU为无人机个数；t∈{T1，T2，T3}为某一无人机所搭载的传感器类型，g∈{G1，G2，G3}为某一种目标的类型，Iprtg为使用传感器t对类型为g的目标在最佳时间窗内进行的收益，Oprtg为使用传感器t对类型为g的目标在最佳时间窗外进行的收益；X(k，i)为决策变量，X(k，i)＝1表示无人机Uk对目标Ai进行了，否则X(k，i)＝0，Yk(i，j)为决策变量，Yk(i，j)＝1表示无人机Uk访问完Ai后前往的是Aj，否则Yk(i，j)＝0，Iki为决策变量，Iki＝1表示无人机Uk在最佳时间窗内对目标Ai进行了，否则Iki＝0，Oki＝1表示无人机Uk在最佳时间窗外对目标Ai进行了，否则Oki＝0；LOutij为无人机从Ai到Aj的飞行路径长度；tik0为无人机起飞时刻，Cmax为传感器的最大任务执行能力。