[发明专利]一种不确定条件下多平台协同动态任务分配方法

说明书

本发明公开了一种不确定条件下多平台协同动态任务分配方法，包括：生成含P个个体的初始种群，每个个体为一个分配方案；一个分配方案由多个四元数(s,i,j,k)组成；四元数(s,i,j,k)表示武器平台i和传感平台j在阶段s同时分配给目标k；考虑武器平台和传感平台间的耦合，以及不确定条件下的作战效能，设计了总体协同作战效能F₁(t)和总体作战成本F₂(t)；以最大化F₁(t)和最小化F₂(t)为目标函数，进行种群的遗传迭代，得到最终的分配方案。使用该方案能够以低计算代价获得较优的分配结果。

技术领域

本发明涉及多平台协同技术领域，尤其是一种武器平台和传感平台协同动态任务分配方法。

背景技术

现代防空作战中，多平台的协同任务分配是指控系统中亟待解决的问题，它旨在对战场中通过网络互联的作战平台进行统一管理，并为它们分配任务，以实现战场资源的最优配置，突破传统平台中心战的“平台孤岛”限制，保证防空作战的高效进行。作战平台主要可分为两类：传感平台和武器平台。

现有模型大多独立管理传感平台和武器平台，忽略它们间的相互影响，然而两者在实际作战中具有很大的耦合作用。

不确定性是复杂战场环境的重要特征，其广泛存在于整个作战过程。不确定性将导致任务分配的参数不是确定的，而是分布于一定的范围内。在不确定条件下进行任务分配常采用鲁棒随机优化技术来改进分配结果在最坏情况的性能。

然而目前在该类问题上应用的鲁棒模型多基于场景分析，即从参数分布中采样出一些参数可能的取值，并对这些场景进行分析以得到在这些场景中表现都不差的分配方案，因而鲁棒性很大程度上取决于场景数量，而数量过多又增加了实时性要求高的指控系统的计算负担。

在模型的求解上，随着求解问题规模的增大，一些通用的多目标进化算法框架的性能快速下降。启发式算法无论在求解时间还是效果上都具有一定优势，而对复杂的动态协同任务分配问题特别是多目标问题的启发式方法较少。

发明内容

有鉴于此，本发明提供了一种不确定条件下多平台协同动态任务分配方法，该方法对武器平台和传感平台间的耦合进行建模，同时利用了Soyster鲁棒模型以低计算代价改善不确定条件下最差情况的作战效能。

为了解决上述技术问题，本发明是这样实现的：

一种不确定条件下多平台协同动态任务分配方法，包括：

生成含P个个体的初始种群，每个个体为一个分配方案；一个分配方案由多个四元数(s,i,j,k)组成；四元数(s,i,j,k)表示武器平台i和传感平台j在阶段s同时分配给目标k；将四元数(s,i,j,k)转换为武器平台的分配方案X＝{x_sik}和传感平台的分配方案Y＝{y_sjk}，x_sik＝1表示目标k在阶段s分配给武器平台i，y_sjk＝1表示目标k在阶段s分配给传感平台j；

考虑武器平台和传感平台间的耦合以及不确定条件下的作战效能，基于Soyster鲁棒模型改进得到鲁棒动态协同任务分配模型，包括F₁(t)和F₂(t)：

F₁(t)为当前阶段t至S阶段的武器平台和传感平台的总体协同作战效能：

F₂(t)为当前阶段t至S阶段的武器平台和传感平台的总体作战成本：