[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

说明书

一种跨区域联合作战中的多无人机协同任务规划方法，首先，建立组合优化模型。其次，整合输入信息等，构造资源约束集。第三，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，得到初始化改进遗传算法的种群。第四，根据死锁特性设置逻辑解锁方式解决时序约束。第五，依适应度轮盘赌选择亲本，确定交叉起点，选择合适的单点交叉策略进行染色体交叉。第六，实现自适应目标攻击次数以及避免陷入局部最优。最后，重复步骤4‑6直到满足最大迭代次数，得到任务规划方案。本发明能够达到更小任务执行时间，更大获得价值期望的目标；有较强的可行性和可操作性，可用于解决跨区域联合作战无人任务分配等相关任务分配的实际应用。

技术领域

本发明属于无人装备运用领域，涉及一种跨区域联合作战中的多无人机协同任务规划方法。

背景技术

无人机任务分配问题是一个整数规划问题，由于其具有规模大，约束复杂的特点，常常使用启发式算法(如进化算法、群智能算法等)代替传统算法进行解决。常见的问题背景通常是单机场的，但随着作战任务在空间和时间上变得越来越复杂，跨区域联合作战正在成为现代空战的演化的趋势。如何在作战前合理的对每架无人机分配资源和任务以形成高质量的任务分配方案，是提高无人机集群作战效能的核心问题。在跨区域联合作战任务分配问题中，不再是无人机-目标的直接关系，而是更为复杂的机场-无人机-目标关系。再新问题结构的牵引下，不仅要建立能够准确描述问题属性的数学模型，还需要发展相应的可靠求解技术。为此，本发明从模型与求解方法两方面出发，解决跨区域联合作战中的协同多无人机任务分配问题。

发明内容

为了解决上述技术问题，本发明在多机场跨区域作战的背景下，先构建了此背景下的整数规划模型，然后提出了一种基于改进遗传算法求解此整数规划模型。本发明的跨区域作战是指无人机起降位置是可能是多种类型的，例如海上舰船，陆地机场或者空中大型运输机，即本问题中的机场分散在不同区域且有多个的，如图2所示。此外，目标数量有多个且每个目标需要执行的任务也不是单一的，而是包含战前侦查(C类型)，攻击(A类型)，多次攻击(每一次都是A类型)，以及战后评估(V类型)的任务体系。针对此任务体系，要求无人机(Unmanned Aerial Vehicle,UAV)也要具有对应的执行能力，所以本方法的无人机同样是具有不同能力的异构无人机，如只具有侦查能力(执行C，V任务)的侦查无人机(S)，只具有攻击能力的(执行A任务)轰炸无人机(M)以及既可以执行侦查任务也可以执行攻击任务的战斗无人机(C)。本方法还考虑了目标具有不同价值和执行攻击任务成功率(本方法执行侦查和评估任务的成功率是100％)的因素，在上述背景下构造了包含价值期望和方案执行时间的目标函数以及跨区域作战会涉及到的各种约束组成了描述该问题的整数规划模型，在构建的整数规划模型的基础上提出一种改进的遗传算法来求解此问题，注意本发明考虑的任务分配环境是二维的，且假设无人机处于不同高度飞行，轨迹有重合时也不会发生碰撞。

为了达到上述目的，本发明采用的技术方案为：

一种跨区域联合作战中的多无人机协同任务规划方法，该规划方法首先，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。其次，整合输入信息，梳理机场资源和停靠的无人机的能力，以构造资源约束集。第三，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。第四，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。第五，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。第六，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。最后，重复交叉与变异操作，直到满足最大迭代次数，筛选出最优解采用图表方式呈现任务规划方案。具体步骤如下：

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。