[发明专利]多无人机任务分配的多目标优化方法及装置

权利要求书

1.一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TA-MUAV-STW模型的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：

目标函数2：

所述TA-MUAV-STW模型的约束条件为：

其中，所述Profit为多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，v_i为无人机U_i的飞行速度，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，Ipr_tg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，Opr_tg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U_k对目标A_i执行了任务，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A_i后前往的是A_j，否则Y^k_(i，j)＝0，I^k_i为决策变量，I^k_i＝1表示无人机U_k在最佳时间窗内对目标A_i执行了任务，否则I^k_i＝0，O^k_i＝1表示无人机U_k在最佳时间窗外对目标A_i执行了任务，否则O^k_i＝0；LOut_ij为无人机从A_i到A_j的飞行路径长度；ti^k₀为无人机起飞时刻，C_max为传感器的最大任务执行能力；

所述MOTA-MUAV模型的Pareto最优解的获取方法包括：

S51、根据所述初始解集生成初始化父代种群，父代种群的预设规模为P；

所述S51包括：将可行的任务分配方案编译成一条染色体编码，一个对应位置的目标标识信息和无人机标识信息这两个要素组成了所述染色体的一个基因；

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；

S54、计算该合并后种群中各条染色体所表示分配情况下无人机执行任务目标的时间，并以此计算总飞行路径和任务收益；

S55、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；

S56、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；

S57、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S58，如否则跳转步骤S52；

S58、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：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：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，

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，所述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。