[发明专利]一种基于蜂群遗传混合算法的AUV系统任务分配方法

权利要求书

1.一种基于蜂群遗传混合算法的AUV系统任务分配方法，其特征在于，包括如下步骤：

步骤1：初始化IABC算法参数与NGA算法参数，设定任务集合；

步骤2：利用IABC算法得到每只蜜蜂满足约束条件的任务分配矩阵；

步骤2-1：为每只蜜蜂从任务集合中随机选择一个任务，然后依据IABC算法的概率公式选择执行任务的AUV；

定义任务约束为：

式中，N表示AUV数量，M表示任务总数；x_(i,j)表示AUV_i是否执行Task_j，x_(i,j)＝1表示AUV_i执行Task_j，x_(i,j)＝0表示AUV_i不执行Task_j，AUV_i表示第i个AUV，Task_j表示第j个任务；O_i为AUV_i的最大负荷任务数，m表示AUV执行同一任务的次数；(1)式表示任意一个AUV执行任务的个数不超过该AUV最大负荷任务数；(2)式表示同一AUV对某个任务最多执行一次；(3)式表示每个任务至少需要一个AUV执行；(4)式表示所有任务需全部被AUV执行；

当遍历完所有蜜蜂后，如果能够同时满足任务约束式(1)到式(4)就进入步骤2-2，否则重新开始步骤2-1；

步骤2-2：判断执行任务的AUV是否满足航程、通信、资源约束：

航程与通信约束为：

d(AUV_i,Task_j)Max(AUV_i) (5)

dis(AUV_i,AUV_g)min[M(AUV_i),M(AUV_g)] (7)

式中，d(AUV_i,Task_j)为AUV_i执行Task_j的航行距离，Max(AUV_i)为AUV_i的最大航行距离；p为AUV_i执行的任务数量，dis(AUV_i,AUV_g)为AUV_i到AUV_g的通信距离，M(AUV_i)为AUV_i的最大通讯距离；(5)式为单个AUV的航行距离约束；(6)式为多AUV系统的航行距离约束；(7)式为AUV_i与AUV_g之间的通讯距离约束；

资源约束为：

式中，r_ai为AUV_i负载的资源种类，r_tj为Task_j所需要的资源种类；为AUV_i负载的资源数量，k为资源种类，为Task_j所需要的资源的数量；(8)式表示对于单个AUV_i负载的资源种类与数量要满足Task_j所需的资源量；(9)式表示对于多AUV系统的所有资源种类和数量之和应满足所有任务所需的资源量；

当任务所需要的资源种类大于等于设定阈值时，该任务被定义为复杂任务；当任务所需要的资源种类小于设定阈值时，该任务被定义为简单任务；

如果执行任务的AUV同时满足式(5)到式(9)的航程、通信、资源约束，则形成任务与执行该任务的AUV之间的关联关系，如果不能同时满足式(5)到式(9)的航程、通信、资源约束，则重新开始步骤2-1；所有任务与执行该任务的AUV之间的关联关系构成任务分配矩阵；

步骤3：计算步骤2得到的任务分配矩阵的效能函数U_t；

效能函数即完成所有任务的目标函数：

U_t＝α₁*Ben*x_(i,j)-α₂*D*x_(i,j)-α₃*Time*x_(i,j)-α₄*A_k

其中，为完成所有任务所获效益,f(.)表示单个任务所获收益，Typ(Task_j)表示任务类型，Sta(Task_j)表示任务状态；

为AUV执行任务消耗距离代价；其中，M_p与M_q分别表示执行的简单任务与复杂任务数量，其和为M；N_p表示执行简单任务的AUV集合，N_q表示执行复杂任务的AUV集合；C_k为执行复杂任务的AUV个数；

为任务完成时间；其中d_(i,j)表示距离，v_i表示速度；

为资源均衡函数；式中，n为AUV的个数，R_i为AUV_i执行任务Task_j后的剩余资源，为剩余资源的平均值，ε为对于资源消耗不公平的厌恶程度，ε值越大，对各AUV消耗的资源越均衡；α₁、α₂、α₃、α₄均表示系数；

步骤4：设定次数S和子群体数T，且S能被T整除；将步骤2和步骤3重复S次，得到S个任务分配矩阵，计算出S个效能函数值；

步骤5：将S个效能函数值按从大到小的顺序依次分配为T个子群体；

在T个子群体中随机选择两个子群体，在这两个子群体之间独立进行交叉变异；重新在T个子群体中随机选择两个子群体，在这两个子群体之间独立进行交叉变异；将此过程重复Z次；

再计算每个子群体的平均效能值，选择平均效能值最大的子群体，再找到平均效能值最大的子群体中最大效能值对应的任务分配矩阵作为最优分配结果；

步骤6：重复步骤2至步骤5，直到达到设定的终止条件最大迭代次数或者最优分配结果不再变化为止；此时的最优分配结果即为全局最优分配结果。

2.根据权利要求1所述的一种基于蜂群遗传混合算法的AUV系统任务分配方法，其特征在于，所述α₁＝0.4、α₂＝0.3、α₃＝0.2、α₄＝0.4。