[发明专利]一种不确定环境下的分布式多无人机任务分配方法

权利要求书

1.一种不确定环境下的分布式多无人机任务分配方法，其特征在于包括下述步骤：

步骤1，对于由N_a个无人机组成的无人机编队，所有无人机均是同一类型；任务执行区域内有N_t个目标，无人机编队要对每个目标执行时敏任务，每个时敏任务的执行时间为t_j，j＝1,2...,N_t，其时间窗约束为ET_j≤t_j≤LT_j，其中，ET_j为任务j的最早允许开始执行时间，LT_j为任务j的最晚允许开始执行时间；

无人机i对目标j执行任务的收益其中，V_j为目标j的价值，λ为指数折扣收益模型的递减因子，α为距离代价的惩罚因子，L_ij为无人机i与目标j的欧式距离；

每个任务的执行时长t_j-dur＝g_j(θ)，其中，任务环境的不确定参数θ服从分布概率密度函数p(θ)，函数关系g_j在仿真时由历史数据或模型仿真获得；

协同分配模型目的是求解决策矩阵x，x_ij＝1表示分配无人机i对目标j执行任务，N_a为组成无人机编队的无人机的数量；

每个无人机最多能够执行L_i个任务，每个无人机维护以下数据信息结构：

(1)任务束集(Bundle):其中b_in是竞拍到的目标，表示无人机i竞拍得到的第n个任务的序号；

(2)任务时序集(Path):任务时序P_i为无人机i的任务束B_i的任务执行顺序，即无人机i执行任务的顺序为

(3)执行时间集(Time):τ_in∈R₊表示无人机i根据任务时序集P_i到达任务区执行任务p_in的执行时间；

(4)赢家集(Winning Uavs):其中元素z_in表示无人机i与其所有邻接无人机通过信息交互所获得的关于任务j的赢家信息，即当前时刻无人机z_in对任务j出价最高成为赢家；若当前尚未有无人机竞拍到任务j，则z_i＝φ；

(5)赢家出价集(Winning Bids):其中元素y_in∈R₊，用来表示当前时刻各无人机对任务j竞拍时的最大出价值，若当前尚未有无人机竞拍到任务j则y_in＝0；

(6)时间戳集(Time Stamps):时间戳为其中元素s_in∈R₊，用来表示无人机i与其邻接无人机之间的最近一次信息交互时间；

(7)分配时间标记:[T_ip,t_ip]，T_ip为通信的时间标记，无人机之间采用同步通信机制，每次协商阶段无人机i同通信网络中的其他所有无人机进行完通信，T_ip自增；t_ip为无人机i进行任务束构建阶段的时间标记，无人机i任务束构建完有新任务加入时，t_ip自增；

步骤2，已知无人机i和目标j的位置矢量、目标j任务T_j的价值和时间窗，构造信息结构B_i,P_i,τ_i的步骤如下：

Step2.1，从j＝1循环迭代到j＝N_t，若执行Step2.2到Step2.6，否则j自增；

Step2.2，对于任务时序集P_i的每一个位置k＝1到k＝LP_i，检测加入新任务T_j的可能性，若满足可能性转入Step2.3，LP_i为无人机i的任务时序集里已经出价的任务个数；

Step2.3，求T_j插在P_i的位置k竞拍出价的边际收益c_ij-P_ik：

Step2.3.1，根据不确定参数θ的参数空间及分布概率密度函数p(θ)，产生N个样本形成样本集，每个样本包含不确定参数θ和对应的f(θ)形成的有序对(θ,f(θ))；其中，θ为二维参数[θ₁,θ₂]，f(θ)为θ的具体取值下加入新任务T_j并插在P_i的位置k的优化任务束总收益；

样本集分为训练集S和未采样样本集U，训练集S样本的f(θ)已通过计算获得，未采样样本集U的f(θ)未知；

随机选取s个样本转入Step2.3.2计算f(θ)，构造初始训练集；

Step2.3.2，求需要采样的样本θ_k对应的优化收益f(θ_k)：

(1)对于任务时序集中的每个任务T_l∈P_i，任务T_l的执行时长已知；

(2)计算P_i对应的优化执行时间

(3)求

Step2.3.3，初步筛选U，产生稀疏子集Ls：

(1)利用K近邻法从U构造一个图G，每个θ_k是一个节点，每个节点选取离自己欧式距离最近的k个节点形成边；

(2)n＝1，计算图G中每个节点的度其中，W_pq为节点p与邻居节点q的连接边权值，其中，x_p,x_q是节点p,q的位置矢量，t是一个可调参数，η是所有节点的最邻近距离的平均值；

(3)选出度指标最高的节点p^*加入Ls，并从图G剔除及p^*的连接边；

(4)若n＝N_Ls，N_Ls为期望生成的Ls的规模，转入Step2.3.4；否则n自增，转入Step2.3.3的(2)；

Step2.3.4，通过训练集S训练高斯过程模型GPR为J_θ＝J(θ)，其中，J为输入不确定参数θ和输出收益J_θ之间的映射关系，高斯过程表示为J(θ)＝GP(m(θ),k(θ,θ'))，其中，均值m(θ)＝E_θ[J(θ)]，协方差k(θ,θ')＝E_θ[(J(θ)-m(θ))(J(θ')-m(θ'))]；

Step2.3.5，从Ls中同时选取Ns个样本加入训练集：

(1)对于每个样本θ_*∈U，转入(2)进行GPR预测；

(2)求预测收益分其中，均值μ(θ_*)和方差∑(θ_*)的计算如下：

μ(θ_*)＝k(θ_*,θ_S)K^-1J(θ_S)

K＝k(θ_S,θ_S)

其中，α和Λ为高斯训练过程的超参数；

(3)选取最高评价值的Ns个样本加入训练集S，并从U中剔除

(4)若训练集规模已经达到要求，则转入Step2.3.6，否则转入Step2.3.2；

Step2.3.6，计算期望收益分：

(1)对于每个样本θ_k∈S∪U，利用Step2.3.5中第(2)步中的公式预测θ_k相应的任务收益；

(2)概率归一化

(3)计算期望收益分

其中，为无人机i增加该任务前任务束的总收益；

Step2.4，从c_ij-P_ik中选出边际收益最大的插入位置P_iG作为该任务插入到P_i中的最优时序，k＝1～LP_i；若c_ij-P_ik大于赢家出价集y_ij，存储c_ij-P_iG和P_iG到无人机i的出价集和插入时序集代表出价过程，否则任务束构建过程结束；

Step2.5，从C_i中选择边际收益最大的任务作为新加任务，更新无人机i的信息结构：

Step2.6，若无人机的任务束已经溢出，则任务束构建过程结束，更新分配时间标记t_ip；

步骤3，无人机i进行收敛判断，若T_ip-t_ip≥N_u，N_u为通信网络直径，则无人机i的分配信息已经保持N_u通信循环不变，若所有无人机的分配信息已经保持不变，则编队达到分配结果一致状态，算法结束；

步骤4，各无人机之间进行同步通信，共享z_i,y_i并更新分配时间标记T_ip，若无人机i接收到邻接无人机l分配的信息后，对目标j的任务T_j，信息更新行动规则如下：

(1)更新：把y_lj赋值给y_ij，把z_lj赋值给z_ij；

(2)重置：y_ij置为0，z_ij置为空；

(3)离开：y_ij、z_ij保持不变；

步骤5，各无人机经过一致性协商-竞标过程后，无人机i更新B_i,P_i，对于任务T_l∈B_i，若则从任务束中剔除该任务T_l及B_i中位于该任务后加入的任务；

步骤6，优化目标函数