[发明专利]一种基于生成对抗网络的无人机集群任务预分配方法

说明书

本发明提供了一种基于生成对抗网络的无人机集群任务预分配方法，对无人机信息与目标信息进行预处理，建立生成对抗网络的生成模型G(x)并生成分配序列，建立生成对抗网络的判别模型并对生成序列评价，采用梯度下降最优化目标，计算生成模型优化目标，采用梯度下降最优化目标，通过对抗训练，得到任务分配生成模型，最终得到期望的任务分配结果。本发明利用了生成对抗网络能在高实时性、高对抗性和不确定性的大容量、多维度数据战场环境下挖掘作战行动模型，在理论上能够逼近任意函数的这一特点，能够给出合理的任务分配方案，同时由于生成对抗网络在处理数据方面的高效保证了本发明方法能够快速得到任务分配结果。

技术领域

本发明涉及无人机集群与深度学习领域，特别是一种任务预分配方法。

背景技术

无人机集群任务分配技术作为无人机集群作战的关键技术之一，旨在结合战场态势和自身能力信息，进行最优的任务部署，提高集群的作战效能。其中任务预分配作为无人机集群任务分配的初始环节，旨在满足各项战术和技术指标的前提下，将不同位置、价值、威胁程度的目标在作战初期合理分配给不同的无人机，形成有效的任务序列。

目前的任务预分配通常采用协同任务分配(Cooperative Multi-TaskAssignment Problem,CMTAP)方法进行建模，其考虑了真实战场环境下无人机的异构性与时间约束，建立一种多目标的组合优化问题。针对该类模型，以遗传算法、粒子群算法为代表的启发式算法在集群规模较小的情况下能够迅速找出较优解。但由于这类算法与模型在求解最优问题时存在以下缺点：

(1)算法在求解过程中有一定的随机性；

(2)算法求解时需要进行多次迭代，同时迭代次数与任务分配模型规模有关。

因此，通过启发式算法求解CMTAP模型得到任务分配结果的方法在大型任务分配场景下分配效率较低，分配时间过长。

发明内容

为了克服现有技术的不足，本发明提供一种基于生成对抗网络的无人机集群任务预分配方法。为了克服启发式算法求解大型CMTAP问题时计算效率低，计算时间长的缺点，本发明提供一种基于生成对抗网络的无人机集群任务预分配方法，根据已知的无人机和任务目标信息，能够快速地得到合理的任务预分配序列。

本发明解决其技术问题所采用的技术方案的具体步骤如下：

步骤1：数据预处理

对无人机信息与目标信息进行预处理，其中无人机信息包括弹药量、对目标的毁伤概率、对目标的侦察收益、无人机续航能力；目标信息包括目标重要度、目标打击收益、目标侦察收益。

预处理包括以下三个步骤：

a).将无人机信息表示为1×n₁的信息向量l_a，其中n₁为无人机数量，a＝1,2,...,k₁,k₁为无人机信息种类数量；将目标信息表示为1×n₂的信息向量k_b，其中n₂等于目标数量，b＝1,2,...,k₂,k₂为目标信息种类数量；

b).由于n₁、n₂存在长度不同的情况，取n＝max(n₁,n₂)为指定长度，将小于指定长度的向量l_a、k_b后进行补零处理，最终得到长度都为n的无人机信息向量l_new_a和目标信息向量k_new_b，之后将各个信息向量按行组合成为(k₁+k₂,n)的信息矩阵M；

c).使用如下公式对信息矩阵M中每一行数据进行归一化处理：