[发明专利]一种基于粒子群算法的多无人机任务分配方法

说明书

本发明属于无人机任务分配领域并公开了一种基于粒子群算法的多无人机任务分配方法，首先，初始化设置微粒种群的规模、惯性权值、最大允许迭代次数，然后针对每个微粒生成随机的初始无人机和目标的任务配对，并计算出目标评价函数；接着再找出个体及群体的最优值，并更新各个粒子，根据粒子群优化算法，更新遍历全部粒子，比较群体中所有微粒种群内个体的最优X pbest和群体最优X gbest，若某微粒的当前最优X pbest，则令该微粒的当前最优X pbest为全部群体最优X gbest，并保存该微粒的当前最优X pbest为全部群体最优X gbest；本发明方法寻优能力强、简单通用、鲁棒性强，较现有技术其实现和运行方式更加的简单，有效提高了多无人机任务分配的科学性。

技术领域

本发明涉及无人机任务分配技术领域，具体涉及一种基于粒子群算法的多无人机任务分配方法。

背景技术

协同任务分配是多无人机协同任务规划中的关键技术之一，可以根据得到的任务执行区域的相关信息，为多架无人机提供任务执行指令序列，指派相应无人机进行相应任务。通过无人机协同任务分配，能够在任务执行之前进行预先的离线任务分配，可以利用任务区域的全局信息，为无人机执行任务提供理想的执行方案。

目前对无人机协同任务分配的研究主要是集中于单一目标函数下的模型求解，由多个简单无人机通过协同、协作组成集群系统来完成单个无人机无法完成或难以完成的工作，已经成为各国研究者的普遍共识。因此，对于多无人机系统的研究也受到广泛关注，多无人机可实现多种作战任务，而基本的工作状态包括四种：1)搜索目标状态：遵照事先规划的搜索路径飞行，非找地面目标；2)识别目标状态：利用目标识别算法判断目标类型的真目标、被击中的目标还是暂时无法确切判断类型的目标；3)攻击目标状态：对于已经被识别为真的目标，无人机进入交会阶段，对其实施攻击：4)毁伤评估阶段：判断被攻击的目标是否还具备战斗力。针对无人机在莫一时刻发现的目标，能够合理地将无人机以最佳的任务状态分配给最适合的目标是能否发挥多无人机协同工作效能的关键，国内外对该问题的研究已经成为热点，目前通常采用网络最优模型方法、多智能体方法、禁忌搜索方法或采用混合整数线性规则方法进行任务分配活动，但是现有技术中的方法或多或少存在计算量大、消耗时间多、鲁棒性较差的缺点。因此，如何提高一种寻优能力强、简单通用、鲁棒性强的基于粒子群算法的多无人机任务分配方法是本领域技术人员需要解决的技术问题。

发明内容

本发明针对现有技术中存在计算量大、消耗时间多、鲁棒性较差的难题，而提供一种基于粒子群算法的多无人机任务分配方法。

本发明为解决上述技术问题，采用以下技术方案来实现：

设计一种基于粒子群算法的多无人机任务分配方法，包括如下步骤：

步骤一：输入无人机数量Nv、任务目标数量Nt、无人机速度V、任务目标坐标位置Post＝[post 1,…,post Nt]、无人机初始坐标位置Posu＝[posu 1,…,posu Nv]、无人机初始微粒种群的规模P、初始化惯性权值β和初始化最大允许迭代次数maxstep；其中post 1代表第一个目标的坐标，post Nt代表第Nt个目标的坐标,posu 1代表第一架无人机初始坐标位置，posu Nv代表第一架无人机初始坐标位置；

步骤二：针对每个微粒种群，生成随机的初始无人机和不表的任务配对，并计算出适应函数值，计算当前种群的所有非支配解，并用所有非支配解构成外部种群NP，外部种群NP的规模为N；

步骤三：根据公式

υ_ki(t+1)＝w_pυ_ki(t)+c₁r₁(p_ki(t)-X_ki(t))+

c₂r₂(p_gi(t)-X_gi(t))，