[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

说明书

本发明公开了一种基于蜂群遗传混合算法的AUV系统任务分配方法，针对一致任务信息的静态环境中各AUV携带资源有限的情况，利用不同的群智能优化方法，分别从资源层面以及整体系统层面出发，设计异构多AUV系统任务分配方法。为了避免人工蜂群算法IABC发生“早熟”停滞现象以及该算法在进化后期最优解变化不明显问题，将算法与小生境遗传技术NGA结合以优化全局搜索性能，提高了系统协作能力并改善单个AUV能力不足的情况。仿真结果表明：本发明方法在保证任务分配合理的同时，能够得到在多约束条件下系统整体效能最优的任务分配以及资源配置结果。

技术领域

本发明属于水下航行器控制技术领域，具体涉及一种多任务路径规划方法。

背景技术

自主水下航行器(Autonomous Underwater Vehicle,以下简称AUV)是一种重要的工具，常用于海洋资源的勘探与研究。海洋环境复杂多变，为了确保AUV的安全导航，其路径规划技术非常重要。AUV任务分配通过构建科学健壮的数学模型，设计优化算法完成任务配置，使个体的资源得到充分利用，高效地完成任务，体现了多AUV系统的高层组织形式与运行机制。因此，针对异构多AUV系统和海洋环境的特殊性，为提升多AUV系统的智能化水平，开展多AUV系统协同任务分配方法的研究具有重要的意义。

由于异构多AUV任务分配系统所具有的复杂性、非线性、约束性以及任务多态性等特点，传统的优化方法(如牛顿法、单纯形法)无法在短时间内遍历整个搜索空间得到最优解，而且非常容易产生搜索的“组合爆炸”。针对复杂环境的规划研究，已有的方法很难同时满足系统对结构稳定和敏捷适应的需求。因此，从分析任务、资源、环境等的关系入手，抛开理想状态下的规划，构建具有更强描述能力、更细粒度的任务分配数学模型，针对一致任务信息的静态环境中各AUV携带资源有限的情况，利用不同的群智能优化方法，分别从资源层面以及整体系统层面出发，研究异构多AUV系统任务分配方法。

发明内容

为了克服现有技术的不足，本发明提供了一种基于蜂群遗传混合算法的AUV系统任务分配方法，针对一致任务信息的静态环境中各AUV携带资源有限的情况，利用不同的群智能优化方法，分别从资源层面以及整体系统层面出发，设计异构多AUV系统任务分配方法。为了避免人工蜂群算法IABC发生“早熟”停滞现象以及该算法在进化后期最优解变化不明显问题，将算法与小生境遗传技术NGA结合以优化全局搜索性能，提高了系统协作能力并改善单个AUV能力不足的情况。仿真结果表明：本发明方法在保证任务分配合理的同时，能够得到在多约束条件下系统整体效能最优的任务分配以及资源配置结果。

本发明解决其技术问题所采用的技术方案包括如下步骤：

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：