[发明专利]一种基于多目标遗传算法的异构无人机协同搜索打击的联盟建立方法

说明书

技术领域

本发明涉及一种基于多目标遗传算法的异构无人机协同搜索打击的联盟建立方法，属于无人机协同领域。

背景技术

无人机具有零伤亡、高机动性、隐身性能好、费用低等优势,被广泛应用于作战环境中的搜索打击任务。然而面对日趋复杂的现代战场环境，单架无人机的性能受到载荷等限制，执行对多目标的作战任务必须要多架异构无人机协同才能完成。多架异构无人机能够有效执行对多目标搜索打击任务的前提是多无人机之间能够进行有效的任务分配。

针对任务分配问题，许多学者进行了研究并取得了一系列成果，提出了诸如动态网络流优化(DNFO)、混合整数线性规划(MILP)、多维多选择背包问题(MMKP)及多无人机协同多任务分配问题(CMTAP)、合同网等模型来解决任务分配问题。总的来说，上述方法存在着这样的问题：1)现有无人机任务分配模型和方法中通常假设无人机是同构的并且不考虑资源的消耗，与实际作战不符；2)任务分配问题的求解方法实时性不高；3)需要预先知道目标的数量、位置等信息。然而多架无人机协同执行搜索打击任务时，由于环境的未知不确定性，目标的数量、位置等信息对无人机来说事先是未知的。因而上述问题对传统的多无人机任务分配方法提出了挑战。

发明内容

本发明针对异构多架无人机对未知环境中的目标搜索打击，重点考虑了无人机的资源约束，提出了一种组建联盟的联合打击策略，设计了一种实时性高算法并行NSGA-II快速建立联盟。

本发明为解决其技术问题采用如下技术方案：

一种基于多目标遗传算法的异构无人机协同查打方法包括，组建联盟、建立组建联盟优化模型，采用多目标遗传算法求解优化模型。

所述无人机和目标携带资源模型用向量来表示无人机A_i(i＝1,2,…,N)其资源向量用表示，其中表示无人机A_i所携带的第p种任务资源的数量。攻击目标目标T_j(j＝1,2…，M)所需要的资源向量用表示，其中表示打击目标T_j需要的第p种资源数量。

所述的组建联盟流程，包括如下步骤

步骤1)无人机发现目标获取目标位置和资源信息，并成为联盟长机；长机将目信息发送给其他空闲无人机；

步骤2)正在执行搜索任务的空闲无人机将自身最早到达时间和资源向量返回给长机；

步骤3)长机根据返回的信息组建联盟，并将联盟到达时间发送给联盟成员；

步骤4)联盟成员根据联盟到达时间自行规划飞行路线完成目标攻击，攻击完成后转向步骤1，继续搜索目标。

所述联盟中的各架无人机通过Dubins路径协调到达时间，采用长Dubins路径，Dubins路径由一段直线和半径为r的圆弧构成，对于固定的两个点半径r与路径长度呈正线性关系，通过加大减小r可以增大或减小路径长度，当无人机飞行速度相同时，协调r使各架无人机的路径长度相同，从而实现同时到达。

所述的组建联盟优化模型，包括两个目标一个约束条件，记无人机A_i打击目标T_j组建的模型为目标和约束如下：

(1)资源约束

要完成对目标的打击，对于任意一种资源p,p∈{1,2，…，n}，联盟成员的总和要大于打击目标所需资源即：

(2)最短时间完成打击目标

为了缩短打击任务的完成时间，发现目标后要求在最短时间内完成对目标的攻击，联盟中的各架无人机通过调节Dubins路径的半径来协调达到目标时间，实现同时到达目标所在位置，一起对目标发起攻击。整个联盟的到达时间是由联盟中最晚到达的无人机所决定的，记为以无人机A_i为长机，进攻目标T_j所组建的联盟，λ_k为无人机A_k到达目标的最短时间，则联盟的到达目标T_j的时间可以表示为：

(3)联盟包含最少架目标

搜索打击任务的完成时间是由搜索时间和打击时间这两部分构成，若每次组建联盟时都使其规模尽可能小，使得更多的无人机参与对未知区域的搜索，在更短的时间内发现目标，从而缩短整个搜索打击任务的完成时间，用表示联盟中无人机的架数。

综上的约束和目标建联盟优化模型可以表示为：