[发明专利]一种基于粒子群算法的多无人机任务分配方法

摘要

本发明属于无人机任务分配领域并公开了一种基于粒子群算法的多无人机任务分配方法，首先，初始化设置微粒种群的规模、惯性权值、最大允许迭代次数，然后针对每个微粒生成随机的初始无人机和目标的任务配对，并计算出目标评价函数；接着再找出个体及群体的最优值，并更新各个粒子，根据粒子群优化算法，更新遍历全部粒子，比较群体中所有微粒种群内个体的最优X pbest和群体最优X gbest，若某微粒的当前最优X pbest，则令该微粒的当前最优X pbest为全部群体最优X gbest，并保存该微粒的当前最优X pbest为全部群体最优X gbest；本发明方法寻优能力强、简单通用、鲁棒性强，较现有技术其实现和运行方式更加的简单，有效提高了多无人机任务分配的科学性。

主权项

1.一种基于粒子群算法的多无人机任务分配方法，其特征在于，包括如下步骤：步骤一：输入无人机数量Nv、任务目标数量Nt、无人机速度V、任务目标坐标位置Post＝[post 1，…，post Nt]、无人机初始坐标位置Posu＝[posu 1，…，posu Nv]、无人机初始微粒种群的规模P、初始化惯性权值β和初始化最大允许迭代次数maxstep；其中post 1代表第一个目标的坐标，post Nt代表第Nt个目标的坐标，posu 1代表第一架无人机初始坐标位置，posu Nv代表第一架无人机初始坐标位置；步骤二：针对每个微粒种群，生成随机的初始无人机和不表的任务配对，并计算出适应函数值，计算当前种群的所有非支配解，并用所有非支配解构成外部种群NP，外部种群NP的规模为N；步骤三：根据公式υki(t+1)＝wpυki(t)+c1r1(pki(t)‑Xki(t))+c2r2(pgi(t)‑Xgi(t))，Xki(t+1)＝Xki(t)+υki(t+1).计算各微粒种群新的速度和新的位置，并对各微粒种群新的速度进行限幅处理；其中，wp为线性递减权重，c1，c2为学习常数，r1，r2为介于0到1的随机数；Pgi(t)为所有微粒种群到目前位置所出现的最优位置；步骤四：将初始微粒种群内第w个个体本身作为其最优解X pbest，w，w＝1，2，…，P，根据非支配解距原点的距离越近越优秀的原则，确定群体最优X gbest；步骤五：判断当前迭代次数step是否等于最大迭代次数maxstep，若当前迭代次数step等于最大迭代次数maxstep则停止算法，输出外部种群NP作为问题最终的解；若当前迭代次数step不等于最大迭代次数maxstep则执行步骤六；步骤六：根据粒子群优化算法，更新遍历全部粒子；步骤七：比较群体中所有微粒种群内个体的最优X pbest和群体最优X gbest，若某微粒的当前最优X pbest，则令该微粒的当前最优X pbest为全部群体最优X gbest，并保存该微粒的当前最优X pbest为全部群体最优X gbest；步骤八：若步骤八中搜索到微粒的当前最优X pbest为全部群体最优X gbest时，则停止搜索，并输出X pbest为全部群体最优X gbest；否则，范围步骤三继续搜索操作。