[发明专利]基于杂交-离散粒子群算法的多无人机协同任务分配方法及系统

权利要求书

1.一种基于杂交-离散粒子群算法的多无人机协同任务分配方法，其特征在于，所述方法包括以下步骤：

步骤1，根据战场环境信息，建立无人机执行任务过程中的任务分配收益模型；

步骤2，根据战场环境信息，建立无人机执行任务过程中的损失代价模型；

步骤3，基于步骤1与步骤2所得模型，加入无人机执行任务过程中的约束条件，建立多无人机协同任务分配的整体模型；

步骤4，利用杂交-离散粒子群算法对步骤3获得的模型进行求解。

2.根据权利要求1所述的基于杂交-离散粒子群算法的多无人机协同任务分配方法，其特征在于，步骤1所述根据战场环境信息，建立无人机执行任务过程中的任务分配收益模型，具体包括：

记为l类型无人机编队经由路径p执行攻击任务时，对相应子目标的毁伤度；

由路径p唯一确定的子目标记为J_p，子目标价值为则该无人机编队的目标价值收益为：

因此，目标价值收益指标即任务分配收益模型为：

式中，L为无人机的数量，P为目标的数量，Pr_lp由I_l型号无人机与K_p型号武器的适用度K_p型号武器对J_P子目标的毁伤度共同决定，即为第l架无人机的速度，V_max为所有速度中的最大值；N_a为任务分配中实际参与攻击子目标的无人机编队数目，x_lp为无人机的分配方案，为编队的总数目，1/N_aV_max为归一化因子。

3.根据权利要求2所述的基于杂交-离散粒子群算法的多无人机协同任务分配方法，其特征在于，步骤2所述根据战场环境信息，建立无人机执行任务过程中的损失代价模型，具体包括：

(1)飞行距离最短指标f₂

设D_lp为l类型无人机编队选择路径p时飞行的长度，无人机编队的作战半径由行矢量R＝(R_l),l＝1,2,...,L给出，飞行距离最短指标的形式化如下公式所示：

式中，为最长路径的长度，λ₁和λ₂表示两个因素的权重,R_l为无人机的作战半径；

(2)耗弹量成本最小指标f₃

耗弹量成本最小指标的形式化如下公式所示：

式中，为K_p型号武器的单位造价，

(3)子目标覆盖程度最大指标f₄

子目标覆盖程度最大指标的形式化如下公式所示：

4.根据权利要求3所述的基于杂交-离散粒子群算法的多无人机协同任务分配方法，其特征在于，步骤3所述基于步骤1与步骤2所得模型，加入无人机执行任务过程中的约束条件，建立多无人机协同任务分配的整体模型，具体包括：

综合上述四个指标，进行多目标优化，获得整体评价函数即多无人机协同任务分配的整体模型为：

min f＝α₁f₁-(α₂f₂+α₃f₃+α₄f₄)

约束条件包括：

(1)任务兵力数量约束c₁：每一种类型的无人机编队的出动数目不能超过所部署的该类型无人机编队数目，即：

(2)记行矢量Attack＝{Attack₁,Attack₂,...Attack_J}为所允许的对同一子目标攻击的无人机编队数目的阈值，则同时攻击一个子目标的无人机编队的数目应不超过给定的阈值：

式中，Attack为所允许攻击目标的集合，J为无人机所能分配任务数量的最大值。