[发明专利]多无人机协同任务分配方法及装置

权利要求书

1.一种多无人机协同任务分配方法，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：

获取任务目标数据、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、无人机数据和无人机所搭载传感器数据，构建MOTA-MUAV模型；所述MOTA-MUAV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，所述模型的约束包括无人机起飞降落位置约束，任务执行情况约束和传感器执行任务数量约束；

获取满足所述MOTA-MUAV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MOTA-MUAV模型的Pareto最优解，并将所述Pareto最优解作为多无人机协同任务的分配结果；

所述MOTA-MUAV模型的目标函数为：

O1：

O2：

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；A_i为编号为i的目标，其中A₀表示无人机出发点位置，U_i表示编号为i的无人机，N_A为目标个数，N_U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，Pr_tg为使用传感器t对类型为g的目标执行任务的收益；LOut_ij为无人机从A_i到A_j的飞行路径长度；

所述MOTA-MUAV模型的约束条件为：

C1：

C2：

C3：

C4：

C5：

其中，X_(k，i)为决策变量，X_(k，i)＝1表示无人机U_k对目标A_i执行任务，否则X_(k，i)＝0；Y^k_(i，j)为决策变量，Y^k_(i，j)＝1表示无人机U_k访问完目标A_i后前往目标A_j，否则Y^k_(i，j)＝0；C_max为传感器的最大任务执行能力；

基于预设的NSGA-Ⅱ算法进行计算，得到所述MOTA-MUAV模型的Pareto最优解，具体包括：

S51、根据所述初始解生成初始化父代种群，父代种群的预设规模为P；

S52、通过多点对应交叉所述父代种群，产生交叉后种群并通过两项选择变异所述交叉后种群，产生子代种群；

S53、将所述子代种群与所述父代种群合并，生成合并后种群，并计算该合并后种群中各条染色体所表示分配情况下的总飞行路径和任务收益；

S54、对所述合并后种群依据其各条染色体所表示分配情况下的总飞行路径和任务收益进行非支配顺序数和拥挤度计算，生成虚拟适应值；

S55、取所述合并后种群中虚拟适应值排名前P的染色体，组成新的父代种群；

S56、判断生成所述新的父代种群的次数是否达到预设最大化迭代次数，如是则跳转步骤S57，如否则跳转步骤S52；

S57、依据父代种群中各条染色体的非支配顺序数，输出非支配顺序数为1的染色体作为本次任务分配的结果；

所述步骤S52中，两项选择变异所述交叉后种群，具体包括：无人机标识信息变异和任务执行顺序变异；

其中，无人机标识信息变异包括：选择染色体中任一条基因，将该条基因中的无人机标识信息变换为其他无人机的标识信息；

任务执行顺序变异包括：选择染色体中任一条基因，并在该染色体中搜索与选中的基因无人机标识信息相同的基因，将选择的基因与搜索的基因进行调换；

其中，每条染色体依概率发生其中的0至2种变异，若变异后染色体不符合约束条件，则对该染色体重新进行变异操作；交叉后种群中所有染色体均进行变异操作后，变异产生的P条新染色体组成子代种群。