[发明专利]一种不确定环境下的无人机集群协同目标分配设计方法

说明书

本发明公开了一种不确定环境下的无人机集群协同目标分配设计方法，具体为：针对无人机集群运动环境复杂不确定性强的特性，将无人机集群协同目标分配问题抽象为优化问题，建立协同目标分配的目标函数；基于权重自适应的方法评估目标对无人机的威胁值；建立导弹理想杀伤概率模型，并采用复合辛普森法求解导弹理想杀伤概率；结合模拟退火方法，采用自适应多目标优化算法SA‑NSGAⅢ求解协同目标分配的目标函数，从而得到无人机集群协同目标攻击方案。本发明设计的基于自适应SA‑NSGAⅢ算法的目标分配方法能够较好地适应环境的不确定性和对实时性的要求，同时得出合理的攻击方案。

技术领域

本发明涉及一种不确定环境下的无人机集群协同目标分配设计方法，属于无人机集群协同目标分配技术领域。

背景技术

无人机集群协同目标分配是指基于环境知识和任务需求，为多机系统中的无人机(UAV)分配一个或一组有序任务，以便完成最大可能数量任务的同时使多机系统整体效率和资源配比达到最优。分配目标时既要考虑到飞行器的数量、任务的类别和权重、飞行的环境等因素；又要考虑可行的航程代价、合理的分配算法、各种协同约束条件等问题。因此，该问题是UAV异构多模型、且约束条件复杂的最优化NP问题。目前常采用集中式或分布式方法对此问题进行求解。

集中式方法如匈牙利算法、混合整数线性规划法、法动态规划法、鉴于滚动优化原理的多目标分配方法等，集中式方法可以统一控制，全局协调目标之间的各种复杂关系，但是此类方法过度依赖控制中心，扩展性相对较差。

分布式方法如基于协商法的目标分配方法、基于群智能算法的多目标遗传规划方法，对于遗传规划存在迭代周期长、容易陷入局部最优解的问题，提出的改进方法差分进化算法、免疫进化算法、协同进化算法等，以及通过种群中粒子个体运动位置和整体最优位置的记忆与学习在解空间中向着最优方向快速运动的粒子群算法，通过无智能或简单智能单元的聚集协同表现出全局的群体智能行为特性的蚁群算法等等，这些分布式算法计算灵活，可将复杂的问题分派到不同的无人机上并行处理，适合解决大规模的目标分配问题，但是它往往对无人机性能过度抽象，对系统通信要求过高，因此分配最优目标的误差较大，结果往往为次优解而非最优解。

发明内容

本发明所要解决的技术问题是：提供一种不确定环境下的无人机集群协同目标分配设计方法，针对无人机集群运动环境复杂不确定性强的特性，设计合理的优化的协同目标分配方法，从而能够较好地适应环境的不确定性和对实时性的要求，同时得出合理的攻击方案。

本发明为解决上述技术问题采用以下技术方案：

一种不确定环境下的无人机集群协同目标分配设计方法，包括如下步骤：

步骤1，设定在任务空间区域内，有n架出发位置相同或不同的无人机，预执行攻击m个散布在任务空间区域内不同位置的目标，将无人机集群协同目标分配问题抽象为优化问题，建立协同目标分配的目标函数；

步骤2，基于权重自适应的方法评估第i个目标对第u个无人机的威胁值，i＝1,...,m，u＝1,...,n；

步骤3，建立导弹理想杀伤概率模型，采用复合辛普森法求解导弹理想杀伤概率；

步骤4，结合模拟退火方法，采用自适应多目标优化算法SA-NSGAⅢ求解协同目标分配的目标函数，从而得到无人机集群协同目标攻击方案。

作为本发明的一种优选方案，所述步骤1的具体过程如下：

考虑优化问题的目的为剩余目标威胁值最小，且目标期望杀伤值最大，其协同目标分配的目标函数为：