[发明专利]基于量子乌鸦群搜索机制的无人机群任务分配方法

摘要

本发明涉及一种基于量子乌鸦群搜索机制的无人机群任务分配方法，包括：建立从多个起点到多个任务的无人机群任务分配模型，包括无人机型号数、起点终点和分配模型；初始化量子乌鸦群；根据适应度函数对每只量子乌鸦进行适应度计算，计算出的适应度函数最小值对应的量子乌鸦的位置存为全局最优食物位置；更新每只量子乌鸦的量子位置和位置；根据适应度函数对每只量子乌鸦进行适应度计算，确定每只量子乌鸦的隐藏的食物位置，同时找到迄今为止的最优食物位置,若达到最大迭代代数则输出全局最优食物位置，映射为任务分配矩阵。本发明解决了离散多约束目标函数求解问题，并设计离散量子乌鸦算法作为演进策略，具有收敛速度快，收敛精度高的优点。

主权项

1.一种基于量子乌鸦群搜索机制的无人机群任务分配方法，其特征在于，包括以下步骤：步骤一：初始化最大迭代代数为Tmax，建立从多个起点到多个任务的无人机群任务分配模型：假设有U种型号的无人机从M个起点执行Q个任务；设无人机第m个起点的坐标为其中1≤m≤M,无人机第q个任务的坐标为其中1≤q≤Q，对所有无人机按照起点和型号分成L个类型，其中L＝U×M,即同一类型无人机具有相同的起点且属于同一型号；根据第l型无人机的型号的起点,得到第l型无人机的起点坐标为其中l＝1,2,...,L，则第l型无人机的起点与第q个任务的距离为D_l,q且满足：无人机群的任务分配矩阵用L行Q列分配矩阵A＝{al,q|al,q∈{0,1}}L×Q表示，若第l个型号的无人机执行第q个任务，则al,q＝1，否则al,q＝0；设每个无人机有D种武器,第l型无人机使用第d种武器的概率为第l型无人机使用第d种武器的造价为δ_l,d，其中1≤d≤D,1≤l≤L，第d种武器对第q个任务的杀伤率为其中1≤d≤D,1≤q≤Q,设无人机的毁伤概率矩阵P＝{P_l,q,d|P_l,q,d∈[0,1]}_L×Q×D，P_l,q,d是第l型无人机使用第d种武器对第q个任务的毁伤度且满足：第q个任务的毁伤度阈值为W_q，其中1≤q≤Q，设第q个任务的价值为V_q，拥有第l型无人机的数量为B_l，对第q个任务攻击的无人机最大编队数目为C_q,第l型无人机的最大航程为R_l，全部无人机的最大航程为O_max，第l型无人机的飞行速度为Z_l，全部无人机的最大飞行时间为Z_max；无人机任务分配模型分别由目标价值收益函数、飞行距离函数、耗弹量成本函数和目标覆盖率函数表示：(1)归一化目标价值收益函数为：其中A为任务分配矩阵，A＝{a_l,q|a_l,q∈{0,1}}_L×Q，P_l,q,d为第l型无人机使用d种武器对第q个任务的毁伤概率，d为使用武器的种类，第l型的无人机使用的武器的类型需要提前设定，V_q为第q个任务的价值，N为任务分配中实际参与任务的无人机数目，为最大任务价值，max为求取最大值函数；(2)归一化飞行距离函数为：其中λ₁，λ₂为两个因素的权重，λ₁+λ₂＝1，λ₁,λ₂≥0，为最长路径的长度，R_l为第l型无人机的最大航程；(3)归一化耗弹成本函数为：其中第l型的无人机使用的武器的类型需要提前设定，δ_max为最大成本，(4)归一化目标覆盖度函数为：所述无人机群任务分配模型满足如下约束条件：(1)任务兵力约束：每一种类型的无人机出动数目不能超过拥有该类型无人机数目，(2)无人机作战半径约束：保证无人机的飞行距离在其作战半径之内，al,q×(Dl,q‑Rl)≤0(l＝1,2,...,L；q＝1,2,...,Q)；(3)对目标毁伤度的约束：执行任务q的无人机对任务q的毁伤度不小于该任务的毁伤度阈值，P_l,q,d为第l型无人机使用d种武器对第q个任务的毁伤概率，d为使用武器的种类，第l型的无人机使用的武器的类型需要提前设定；(4)攻击目标的无人机数目的约束：对第q个任务攻击的无人机数目不超过其最大编队数目,即(5)攻击目标的航程的约束：即攻击任务的航程不超过给定的最大航程，O_max为所有无人机的最大航程；(6)攻击目标的时间的约束：攻击任务的时间不超过给定的最大时间，Z_max为所有无人机的最大飞行时间；确定量子乌鸦群的种群规模K,优化问题的维数J＝L×Q,按照l递增，q递增的方式排列无人机群任务分配矩阵A＝{a_l,q|a_l,q∈{0,1}}_L×Q中的元素，用对应记录无人机群任务分配矩阵A中的元素；步骤二：初始化量子乌鸦群：将第i只量子乌鸦的量子位置的每一维设为其中1≤i≤K,1≤j≤J,并对第i只量子乌鸦的量子位置进行测量，得到第i只量子乌鸦的位置初始化第i只量子乌鸦的隐藏的食物位置为其中1≤i≤K，t为迭代次数，初时设t＝0；对第i只量子乌鸦的量子位置的第j维进行测量，得到第i只量子乌鸦的位置的第j维其中1≤i≤K,1≤j≤J，是满足均匀分布的随机数；步骤三：根据适应度函数对每只量子乌鸦进行适应度计算，计算出的适应度函数最小值对应的量子乌鸦的位置存为全局最优食物位置步骤四：更新每只量子乌鸦的量子位置和位置:第i只量子乌鸦随机选取量子乌鸦群中的另一个量子乌鸦s，然后跟随量子乌鸦s来发现被量子乌鸦s隐藏的食物位置,量子乌鸦s发现被跟随的感知概率为μ,若量子乌鸦i通过策略1进行量子位置的更新，否则量子乌鸦i通过策略2进行量子位置的更新；策略1满足：第i只量子乌鸦根据量子乌鸦s隐藏的食物位置来进行位置的更新，第i只量子乌鸦的第j维的量子旋转角的更新方程为其中e₁为常数，决定了指引该量子乌鸦的位置对该量子乌鸦演化的影响程度，H为飞行长度；策略2满足：第i只量子乌鸦根据自身隐藏的食物位置和最优食物位置来进行位置的更新,第i只量子乌鸦的第j维的量子旋转角的更新方程为其中e₂,e₃为常数，决定了指引该量子乌鸦的位置对该量子乌鸦演化的影响程度；量子位置的演进过程如下：其中ζ＝0.15/J为变异概率，abs()为求取绝对值函数；对量子乌鸦量子位置测量得到量子乌鸦的位置，测量规则如下：其中1≤i≤K,1≤j≤J，是满足均匀分布的随机数；步骤五：根据适应度函数对每只量子乌鸦进行适应度计算，确定每只量子乌鸦的隐藏的食物位置，同时找到至本次迭代代数的最优食物位置；将第i只量子乌鸦的位置赋值给任务分配矩阵A，按照进行适应度计算；采用贪婪选择策略选取量子乌鸦的隐藏的食物位置，若则否则步骤六：如果达到最大迭代代数Tmax，算法终止，执行步骤七；否则，令t＝t+1，返回步骤四继续进行；步骤七：输出全局最优食物位置，映射为任务分配矩阵。