[发明专利]一种基于改进粒子群算法的多无人机任务分配方法

说明书

本发明提供了一种基于改进粒子群算法的多无人机任务分配方法。该方法首先基于多旅行商问题建立了无人机分配模型，确定了约束条件和优化目标；然后在多目标粒子群算法中加入两个阶段的重采样，用改进后的算法对问题进行求解；最后，当发生突发状况时，采用K‑medoids聚类算法将执行任务的无人机与任务聚类，在聚类后的分组里进行任务再分配。本发明改善了粒子群算法前期多样性不足的缺点，增加了算法在中后期的收敛精度，并缩短了发生突发状况时的任务重分配问题的时间，大大提高了无人机执行任务的效率。

技术领域

本发明属于无人机任务分配技术领域，具体涉及一种基于改进粒子群算法的多无人机任务分配方法。

背景技术

进入21世纪以来，科学技术，特别是高新技术的迅速发展已经引发了物流领域的重大变革。其中，无人机对物流配送领域的影响尤其显著。因其具有用途广、成本低、可避免人员伤亡等优势，最早被应用于军事领域。20世纪末，部分企业开始了对民用无人机的探索，经过这么多年的发展，民用无人机呈现出高起点、高爆发、高成长等特性，日渐成熟，蓬勃发展。

要提高无人机的工作效率就必须对无人机进行科学合理的任务分配。无人机的任务分配问题可分为无人机任务分配和无人机任务再分配。无人机任务分配是指在无人机执行任务前，根据现有无人机的数量、位置，为每架无人机分配一组有序的任务，以达到付出整体最小代价且获得整体最大效益的目的；无人机的任务再分配是指出现突发状况时，要求无人机能够迅速对任务分配结果进行调整。目前一些学者已经针对无人机任务分配问题做了许多研究，相关算法涉及遗传算法、分布协同拍卖算法、图论算法、粒子群算法等。现有技术公开了申请号为201810327673.6的一种基于粒子群算法的多无人机任务分配方法，这种方法存在一个智能优化算法共同的缺点，即容易陷入局部最优解，另外，这种算法在中后期会出现收敛精度过低、搜索速度变慢的现象，这会导致算法在局部区域内搜索精度不高，不能更加科学地对无人机进行任务分配。而且对于无人机在执行任务过程中出现的突发状况，目前没有合理的解决方案。

发明内容

本发明的目的是提供一种基于改进粒子群算法的多无人机任务分配方法，以解决粒子群算法易陷入局部最优解和局部全局搜索能力不均衡的问题，并考虑了无人机工作时出现的突发状况，使无人机能够完成任务的再分配。

本发明所采用的技术方案是，一种基于改进粒子群算法的多无人机任务分配方法，具体按照以下步骤实施：

步骤一：将多无人机任务分配问题建模成多旅行商问题。无人机任务分配模型将分配场景描述为{U，T，C}。其中U为无人机集合，描述了无人机的个数、速度、最远航程；T为任务集合，描述了任务的个数、位置；C为约束条件，包括任务的协同约束和无人机的最远航程约束。此外，设定了任务协同约束，规定每个任务都要有相应无人机执行，且只能被执行一次；还设定了无人机最远航程约束，规定每架无人机工作飞行航程不可超过无人机自身的最远航程。确定了任务总飞行航程和任务执行总时间优化目标；

步骤二：对无人机和任务进行编码。若无人机数目为a、任务数目为b，则无人机任务分配方案编码可表示为[t₁，t₂，...，t_b]。其中，t_i的整数部分表示执行第i个任务的无人机编号，若整数部分相同则意味着对应任务由同一架无人机执行，将这些任务按照所对应数字的小数部分进行排序，则是无人机执行任务的顺序。若t_i的值出现在(1，a+1)范围之外，则把t_i对a取余使其数值保持在(1，a+1)范围之内；

步骤三：根据模型信息和编码结果，生成符合模型约束条件的预定规模的初始种群，并对粒子群进行初始化。设置以下恒定参数：粒子规模N，迭代最大次数gen，惯性权重W，学习因子c₁、c₂，重采样间隔步数t，密度阈值θ。设置初始迭代次数k＝0，初始化种群P，以及每个粒子的初始位置x、速度v和个体最有位置