[发明专利]面向有人/无人协同编队系统的任务分配方法及系统

权利要求书

1.一种面向有人/无人协同编队系统的任务分配方法，其特征在于，包括：

设置影响任务分配的影响因素；

对各所述影响因素进行归一化处理；

收集待训练数据并设计支持向量机模型，将所述待训练数据输入至所述支持向量机模型中，以训练所述支持向量机模型；

利用训练好的支持向量机模型进行任务分配。

2.根据权利要求1所述的任务分配方法，其特征在于，所述影响因素包括：

操作员的任务处理频率R、任务请求频率S、任务执行能力A、任务类型F、任务复杂度C、任务价值V以及任务完成概率P。

3.根据权利要求2所述的任务分配方法，其特征在于，所述对各所述影响因素进行归一化处理，包括：

设任务i的任务分配相关影响因素为{R_i,S_i,A_i,F_i,C_i，V_i，P_i}，将其转化为{x′_i，1，x′_i,2,x′_i,3，x′_i，4，x′_i，5，x′_i，6，x′_i,7}；

根据下述关系式对各影响因素进行归一化处理，得到任务i的归一化属性{x_i，1，x_i,2,x_i,3,x_i，4,x_i,5,x_i,6,x_i，7}；

其中，max(e_j)是影响因素j取值范围的中最大值；

min(e_j)是影响因素j取值范围的中最小值；

x′_i，j是任务i影响因素j的值；

x_i，j是任务i影响因素j归一化的值。

4.根据权利要求3所述的任务分配方法，其特征在于，所述收集待训练数据，包括：

从以往的有人/无人平台协同任务分配的实验中统计数据，并将影响任务分配的影响因素进行归一化处理，并将归一化后的数据作为输入X，将分类结果作为输出Y，获得N组(x，y)数据，作为所述支持向量机模型的训练数据。

5.根据权利要求4所述的任务分配方法，其特征在于，所述支持向量机模型如下述关系式：

y_i＝sign(w·x_i+b)；

其中，y_i为x_i的类别，x_i＝{x_i，1，x_i，2，x_i，3，x_i，4，x_i，5，x_i,6,x_i,7}。

6.根据权利要求5所述的任务分配方法，其特征在于，所述训练所述支持向量机模型，包括：

设无人平台数量为4，则k＝4，分别用U1，U2，U3，U4表示四个类别；

训练时选择U1，U2；U1，U3；U1，U4；U2，U3；U2，U4；U3，U4所对应的向量作为训练集；

采用经典sss方法训练模型，得到六个训练模型(Ui，Uj)-classifier，其中i，j＝1，2，3，4；i≠j。

7.根据权利要求6所述的任务分配方法，其特征在于，所述利用训练好的支持向量机模型进行任务分配，包括：

将待分配任务对应的向量分别带入所述六个训练模型，得到六个结果，然后采取投票形式，得到一组结果，选择最大的分类项为分配结果。