[发明专利]异构多无人机协同任务分配与路径优化方法

权利要求书

1.一种异构多无人机协同任务分配与路径优化方法，其特征在于，所述方法包括：

确定目标区域内需要无人机获取信息的目标物坐标及其重要程度；

确定执行访问所述目标物的任务执行时长；

获取访问所述目标物的异构多无人机的数量，以及每架所述无人机的相关参数；所述相关参数包括：编号、所搭载的传感器类型、飞行速度和/或最小转弯半径；

确定执行任务的多种类型传感器的信息融合率，以及任务所需要的最低可信度；

获取所述无人机的站点的站点坐标；

计算所述无人机的站点到所有所述目标物的欧氏距离以及所有目标物之间的欧氏距离，并使用二维矩阵进行存储，记做欧氏距离矩阵；

根据所述飞行速度计算每架无人机从所述站点到每个目标物的飞行时长以及每架无人机在所有目标物之间的飞行时长，并使用三维矩阵进行存储，记做飞行时长矩阵；

建立所述异构无人机变收益任务分配问题HU-TAP-VP模型；

采用所述HU-TAP-VP模型，根据所述每个目标物的坐标及其重要程度、任务执行时长，获取所述异构多无人机执行协同任务的初始任务分配方案集合；

采用引入自适应切换机制的混合遗传模拟退火算法HGSA对所述初始任务分配方案集合进行优化以获得每架所述无人机的访问任意一个或多个所述目标物的最优任务分配方案；

根据所述最优任务分配方案中每架无人机对目标物的访问顺序以及无人机的最小转弯半径进行路径优化，得到每架无人机的安全可飞路径；

所述HU-TAP-VP模型的约束条件采用公式(4)至(8)来表示：

其中，为第k架无人机从站点到目标物i的决策变量，0表示无人机的站点，U为无人机的集合；为第k架无人机从目标物h到目标物i的决策变量，为第k架无人机从目标物i到目标物j的决策变量，T为目标物的集合；K为无人机的数量；为第k架无人机从目标物i到目标物j的飞行时间，T_task为所述任务执行时长；

公式(6)为二元决策变量的取值，当为1时表示第k架无人机选择了从目标物i到目标物j的路径，当为0时表示第k架无人机没有选择这条路径；

公式(4)为二元决策变量y_i的取值，当y_i为1时表示无人机传感器获取目标物i中的信息可信度大于等于任务所需要的最低可信度，当y_i为0时表示传感器获取的信息可信度未达到任务要求的最低可信度，相当于无人机没有访问目标物i；γ为执行任务的多种类型传感器的信息融合率，f为任务所需要的最低可信度；

所述采用引入自适应切换机制的混合遗传模拟退火算法HGSA对所述初始任务分配方案集合进行优化以获得每架所述无人机的访问任意一个或多个所述目标物的最优任务分配方案，包括：

采用遗传算法对所述初始任务分配方案集合进行迭代优化，获取比初始路径规划方案最优的任务分配方案；

当遗传算法优化能力呈现下降趋势时，引入自适应切换机制，将遗传算法得到的最优解作为模拟退火算法的初始解，并采用模拟退火算法继续进行优化；

采用模拟退火算法对所述初始路径规划方案进行扰动，获取所述初始路径规划方案的多个邻域方案；

通过多轮迭代对所述多个邻域方案进行优化，获得每架所述无人机的访问任意一个或多个所述目标物的最优任务分配方案。