[发明专利]一种基于改进遗传算法的多异构无人机任务分配方法

说明书

本发明公开了一种基于改进遗传算法的多异构无人机任务分配方法，属于无人机技术领域，该方法通过综合考虑资源消耗、任务完成效果和负载均衡、资源有限、任务优先级等多重约束，建立了任务分配优化模型；采用矩阵编码方式将每个可行的任务分配方案编码为一个完整的染色体；针对现有遗传算法求解精度不足、求解速度过慢的问题，提出了模糊精英度的概念，并在此基础上对各遗传操作进行改进，利用改进后的遗传算法对构建的优化模型进行求解，在有限的迭代次数内获得最优的任务分配方案。本发明在多智能体协同控制领域有良好的通用性，具有求解速度快、求解精度高的优点，能够有效解决具有多重约束的多异构无人机系统的任务分配问题。

技术领域

本发明属于无人机技术领域，具体涉及一种基于改进遗传算法的多异构无人机任务分配方法。

背景技术

无人机以其独具的低成本和强大的可操作性，在军事、农业和商业应用领域均做出了卓越贡献。然而，由于机载资源受限，单架无人机在大部分情况下难以满足日益复杂的任务需求。与单架无人机相比，由功能互补的无人机所组成的异构无人机系统具有速度快、灵活性高的优点，能够保证高效率、高可靠性地完成任务。在大规模任务场景中，无人机系统需要执行多种任务(如侦察任务、攻击任务和验证任务)，任务分配的优化效果直接影响无人机系统的工作效率。因此，异构无人机系统的任务分配问题已经成为多无人机控制领域的一个热点问题。

多异构无人机任务分配问题是一个复杂的组合优化问题，由于无人机任务场景的复杂性，需要考虑的约束也更加全面和多样化。考虑到负载均衡的任务分配方案不仅能有效地防止部分无人机出现资源不足的情况，还可以减少无人机系统的任务执行时间，因此，在构建优化模型时，有必要加上负载均衡约束。然而，由于涉及到多个无人机之间的资源协调，负载均衡问题变得难以解决。另外，为了在保证任务的有效执行的前提下减少不必要的资源消耗，需要在优化模型中加入对任务完成效果的评价，虽然多重约束的引入有利于提高解的有效性，但也使得任务分配优化问题变得更加难以解决，随着任务规模和任务复杂度的增加，现有遗传算法的收敛速度变慢，求解精度变低，这会导致任务分配效率过低，因此，设计一种适用于复杂任务分配背景且具有高精度、快速求解能力的多异构无人机任务分配方法尤为关键。

发明内容

根据现有技术存在的问题，本发明公开了一种基于改进遗传算法的多异构无人机任务分配方法，包括以下步骤：

S1:基于无人机本体设计约束和任务场景要求，构建具有多重约束的多异构无人机系统任务分配优化模型；

S2:针对无人机的异构性和任务的独特性，采用矩阵编码方式，将任意一个适用于任务分配优化问题的可行解编码为一个矩阵形式的完整染色体；

S3:采用改进的遗传算法对任务分配优化模型进行求解，在最大迭代次数下求得的最优解即为多异构无人机系统的最佳任务分配方案。

进一步地，所述构建具有多重约束的多异构无人机系统任务分配优化模型包括以下步骤：

S1-1:建立无人机集合与目标集合，获取各无人机的机载资源信息、位置信息、携带的传感器类型以及各目标的位置信息、需执行的任务种类；

S1-2:定义无人机的执行能力，为剩余资源多的无人机赋予更强的执行能力；

S1-3:以无人机系统的资源消耗最小化、无人机系统的执行能力最大化和任务执行效果最优化为目标来构建适应度函数，结合任务优先级约束和无人机机载资源有限的约束，建立任务分配优化模型。

进一步地，所述可行解被编码为一个5行3N列的矩阵，其中3代表每个目标上都要执行的任务数量，N代表目标的数量；染色体的每一行分别代表目标编号、任务编号、无人机编号、无人机与目标中心之间的距离、无人机航向与目标之间的夹角；染色体的每一列都代表任务与无人机的一个任务匹配，染色体中的列的顺序表示无人机的任务执行顺序。

进一步地，所述采用改进的遗传算法对多异构无人机系统任务分配优化模型进行求解包括以下步骤：