[发明专利]多无人机协同目标分配方法

摘要

本发明公开了多无人机协同目标分配方法，通过仿真环境预处理，设置近似聚类双策略差分进化算法的基本参数，初始化种群，计算父代个体的适应度值，父代种群个体分类，选择变异策略，交叉算子，在算子中选择更好的个体进入下一代，结合代间变异率与归档技术替代代间变异随机重置，计算最优的适应度值，并计算UAVs与目标点的对应关系。解决了目前进化过程中存在的探索性和开发性平衡的问题，保证了收敛个体不会随着迭代次数消亡。最后扩展约束条件，增加了UAVs的载弹量约束，限制UAVs可执行的目标个数。能有效快速地解决多无人机协同目标分配问题，且协同能力强。

主权项

1.多无人机协同目标分配方法，其步骤如下：1)仿真环境预处理：确定地形数据，确定无人机、目标点及雷达的具体参数，并显示在一张仿真图中；2)设置近似聚类双策略差分进化算法的基本参数：种群规模NP，解空间维度D；3)初始化种群：在解空间中随机均匀生成NP个个体，对多模型进行统一的基因编码，构建目标函数以及合理的约束条件；4)计算父代个体的适应度值：根据适应度函数f(x)及约束函数，建立UAVs与目标点之间的估计航程代价库，构建父代个体适应值库；5)父代种群个体分类：根据Speciation算法对父代个体适应度进行分类，分成探索性个体及开发性个体；6)选择变异策略：根据父代个体不同性质选择合适自己的变异策略；7)交叉算子：在变异之后，DE通常执行二项式交叉操作，交叉算子是由交叉率CR决定，从原始向量x_j,i(g)和变异向量v_j,i(g+1)进行部分信息交换以形成新的实验向量u_j,i(g+1)，x_j,i(g)表示第g代第j个个体的第i个基因，v_j,i(g+1)表示第g+1代第j个个体的第i个基因，u_j,i(g+1)表示第g+1代第j个个体的第i个基因；8)选择算子：DE采用贪婪算法选择进入下一代种群的个体，该算子从实验向量u_j,i(g+1)和原始向量x_j,i(g)中选择更好的个体进入下一代：9)结合代间变异率与归档技术替代代间变异随机重置：将种群中0.3NP适应度较优个体归档技术进行保存存档，剩下的0.7NP个体全部重置，直到搜索结束；10)计算最优的适应度值，并计算UAVs与目标点的对应关系。