[发明专利]一种跨区域联合作战中的多无人机协同任务规划方法

权利要求书

1.一种跨区域联合作战中的多无人机协同任务规划方法，其特征在于，包括以下步骤：

步骤1：分析问题特性，明确优化变量、目标函数、约束条件，建立组合优化模型；

步骤1-1：将跨区域联合作战环境抽象为网络；将机场及目标的位置点定义为网路的节点，其中N_P表示机场的总数，N_T表示目标的总数；用V表示节点集合，则E＝{(V_i,V_j)|V_i,V_j∈V,i,j＝0,1,…,N_V,i≠j}表示网络边的集合，它们共同构成网络CG＝{V,E}；此外，无人机从一个节点出发到另一个节点使用的距离是Dubins路径，每个节点需要拥有方向，将360度等分36份，设每个节点V_i的角度集合为

步骤1-2：通过有向点Dubins路径建立方案执行时间评价函数(1)，通过目标价值和攻击任务成功率建立获得价值期望评价函数(2)，

其中，是决策变量，如果无人机U_u从到执行k类型任务，那么否则，而是无人机U_u从到的Dubins路径距离；Velocity_u代表无人机U_u的平均速度，表示目标T_j的价值，PS_u,j表示无人机U_u对目标T_j执行攻击任务的成功概率；

将两个评价函数无量纲化后再加权求和便得到适应度函数(3)；

minJ＝α·J₁/standard₁+β·J₂/standard₂.             (3)

其中，α,β是权重系数且α+β＝1，standard₁，standard₂分别表示J₁和J₂无量纲化的标准值，它们的初始值是随机生成的种群第一代中的最优值，此后每迭代一定的次数更新一次，更新频率记为updaterate；

步骤1-3：多机协同约束：无人机需要协同执行所有的任务，即每项任务都会被分配给一个无人机来执行(4)；

其中，表示目标T_t需要执行的任务数；

步骤1-4：弹药负载约束：无人机的攻击任务数量不能超过其弹药载量；

其中，代表无人机U_u的弹药容量；

步骤1-5：时序约束：每个目标包含三种类型的任务，按先后顺序依次为侦察、攻击、评估；对于同一目标的这三类任务必须按顺序完成，即：

当对同一目标的攻击任务是多次的时候，只要求所有攻击任务都需要在侦察任务之后，评估任务在所有攻击任务之后即可；

步骤1-6：出动回收约束：在多机场问题中，任何一个无人机从任何一个机场起飞最终都需要返回任何一个机场；

步骤1-7：机场弹药约束：在多机场问题中，每个机场的无人机执行攻击任务数量不能超过该机场的弹药总数；

其中，N_P表示第p个机场的弹药数量；

上述步骤构建完成跨区域联合作战中的协同多无人机任务分配的整数规划模型；

步骤2：整合输入的机场，无人机和目标信息，通过机场资源和停靠的无人机的能力构造资源约束集，提取目标信息用于后续任务规划决策；

步骤2-1：根据机场信息，确定机场的位置，拥有的弹药数量以及停靠在机场的无人机的能力和编号；并建立显示机场能力的资源约束集，用于染色体编码以及交叉变异过程；

步骤2-2：根据无人机信息，确定不同编号无人机的类型、平均速度、弹药负载量、最小转向半径，对不同目标攻击的成功率；

步骤2-3：根据目标信息，确定目标的位置，价值和任务需求；

步骤3：以任务分配无人机，通过资源约束集限制产生未排序染色体，排序得到初始化染色体，进而得到初始化改进遗传算法的种群；

步骤3-1：编码染色体片段

染色体片段的初始编码，采用以任务分配无人机的方法，对每一个目标的每一个任务从资源约束集中选择有能力执行该任务的无人机；对于一个待执行的任务k，根据任务类型，从资源约束集中寻找有能力执行此任务的机场，在所有有能力执行此任务的机场中随机选择一个执行任务k的机场；然后，此机场中选择选择一个可以执行任务k的无人机，这便是对于任务k分配执行无人机的过程；将所有待执行的任务分配完毕便得到一个未排序的初始染色体；

步骤3-2：将未排序的初始染色体按无人机编号进行排序；

步骤3-3：用步骤3-1和步骤3-2的方法产生所要求数量的种群；

步骤4：根据死锁特性设置逻辑解锁方式解决时序约束，所有方案变为可行方案计算初始适应度；

步骤4-1：在方案执行过程中，为了满足时序约束，是允许一些无人机进行等待的，但是如果无论无人机如何等待都无法满足时序约束，此时称染色体死锁；针对染色体的死锁现象，采用的逻辑解锁方式如下：

所述的逻辑解锁的主要思想是通过设置一个拟已执行任务集，得到一个染色体后，判断无人机1是否能执行第一个任务，如果可以执行则将任务置于拟已执行任务集中，然后判断能否执行第二个任务，攻击评估任务需要判断，前置任务即侦查攻击任务是否在拟已执行任务集中，如果在则可以执行；直到无人机1无法执行任务，在由无人机2做同样的判断，由无人机1直到无人机n是一个1-n循环；1-n循环两次后，找到还有任务且无法执行的无人机，将卡死的任务与现在可以执行的任务互换，达到解锁的目的；每次任务之后再进行1-n循环，1-n循环之后再将死锁任务换出；直到所有任务均已完成，则解锁完毕；

步骤4-2：采用逻辑解锁方式，将所有染色体转化为可行染色体后，计算初始种群适应度；

步骤5：根据适应度轮盘赌选择亲本，确定交叉的起点，根据染色体对应的资源约束集和交叉点任务类型，选择合适的单点交叉策略进行染色体交叉；

步骤5-1：给定交叉发生的概率，达到概率则进行如下步骤的交叉过程；交叉过程中涉及到的符号如下：aAi的含义为亲本i的可攻击无人机集合；dAi的含义为亲本i的可侦查无人机集合；ati的含义为亲本i中执行攻击任务无人机集合；dei的含义为亲本i中执行侦查任务无人机集合；T0的含义为染色体1中，交叉列目标的记为T0；U0的含义为染色体1中，执行交叉列任务的无人机记为U0；CA1的含义为染色体1中，除了T0其他被执行攻击任务的目标；CA2的含义为{T0}；CB1的含义为染色体2中，除去U0执行的攻击任务的目标，其他被执行攻击任务的目标；CB2的含义为染色体2中，被U0执行的攻击任务的目标；CI1的含义为CA1与CB2的交集；CI2的含义为CA2与CB1的交集；Hni的含义为Hni＝{{U₁初始航向角，U₁最终航向角},...,{U_n初始航向角，U_n最终航向角}}

步骤5-2：通过轮盘赌根据适应度选择两个亲本染色体；

步骤5-3：随机选择染色体1的某一点，作为交叉起点，进行单点交叉；

步骤5-4：根据判断交叉点的基因类型选择不同单点交叉策略：

如果是侦查基因，首先判断dA1/{U0}∩de2是否为空集：如果则跳过改点的单点交叉，对后面基因的进行操作；否则在的情况下再判断第二个染色体是否满足完成交换的资源约束：如果第二个染色体满足交换后的资源约束，则随机从de2中选择一个满足约束的无人机与染色体1中的U0进行交换；如果第二个染色体不满足约束，则从资源约束集中选择一个无人机换入染色体2中；

如果是攻击基因，首先，需要判断aA1和aA2至少一个为空还是都不空：如果aA1和aA2都不空，则攻击基因的交叉方式和侦查基因的交叉方式是一致的；如果aA1和aA2至少一个为空，则使得aA1总是空的；然后生成表1中7～12行的集合，并判断：如果CB2空，则跳过该点的单点交叉，否则则有四种交叉的情况：1、CI1不空CI2不空，两个染色都可以通过与自身某一片段交换信息实现交叉；2、CI1不空CI2空，染色体1中的可以互换，染色体2中需要增加或者减少侦查，评估任务；3、CI1空CI2不空，染色体2中的可以互换，染色体1中需要增加或者减少侦查，评估任务；4、CI1空CI2空，染色体1和2都无法在自身中进行交换，二者都需要改变侦查和评估任务；

步骤5-5：将交叉得到的亲本按照无人机编号重新排序；至此上述步骤完成交换两个染色体的任务与无人机对应关系，下面的步骤将交换这两个染色体的初始和最终航向角；

步骤5-6：交换上述步骤得到两个亲本的初始和最终航向角：首先，统计两个亲本的初始航向角集合Hn1和Hn2；其次，生成1～min{|Hn1|,|Hn2|}的随机数R；最后，将两个染色体前R个初始航向角和最终航向角进行交换；

步骤6：通过增加高价值目标攻击次数及其他微改染色体的变异方式，实现自适应目标攻击次数以及避免陷入局部最优；

步骤6-1：在给定概率下，首先通过轮盘赌根据目标价值选择一个目标增加攻击次数；然后判断增加对该目标攻击后，是否满足同一目标一架无人机只能攻击一次，如果不满足则重新选择增加攻击次数的目标，如果满足再判断资源约束是否满足；满足资源约束则选择合适无人机执行攻击任务；如果不满足资源约束则根据目标价值的倒数轮盘赌选择一个目标减少攻击任务，然后再将此资源分配给新增加的攻击任务；如果减少上述轮盘赌选出目标的攻击次数不能满足约束，则重新通过轮盘赌选择减少攻击任务的目标；

步骤6-2：在给定概率下，随机改变某一无人机的两个任务执行顺序；

步骤6-3：在给定概率下，随机改变一个基因的接近角；

步骤6-3：在给定概率下，随机改变一个无人机的初始航向角和最终航向角；

步骤7：重复步骤4-步骤6直到最大迭代次数，采用图表方式呈现任务规划方案；得到的任务分配方案，在实战中就可通过任务分配方案指定高效的作战计划。