[发明专利]一种多目标量子北极熊机制的异构无人机大规模任务分配方法

权利要求书

1.一种多目标量子北极熊机制的异构无人机大规模任务分配方法，其特征在于，步骤如下：

步骤一：建立异构无人机对大规模地面目标模型；

步骤二，初始量子北极熊的量子位置并设定参数；

步骤三，计算量子北极熊位置的适应度函数值；

步骤四，根据所有量子北极熊位置的适应度函数值进行非支配解排序；

步骤五，计算所有非支配等级中量子北极熊位置的拥挤度；

步骤六，使用海豹捕捉策略更新量子北极熊的量子位置；

步骤七，使用浮冰漂移策略更新量子北极熊的量子位置；

步骤八，使用种群繁衍和灭绝策略更新量子北极熊的量子位置，设量子北极熊种群存在3个以上非支配等级，且非支配等级为1的量子北极熊集中有b只量子北极熊，最后一个非支配等级中有b₁只量子北极熊；第j只量子北极熊新量子位置的第h维变量为其中，j＝1,2,…,b₁，且ε在[1,b]之间随机取值；

步骤九，判断是否达到量子北极熊的最大迭代次数K₂，是则终止迭代，将非支配等级为1的量子北极熊位置映射为任务分配矩阵并输出；否则令k＝k+1，继续执行步骤四。

2.根据权利要求1所述的一种多目标量子北极熊机制的异构无人机大规模任务分配方法，其特征在于，步骤一具体包括：有N架无人机要攻击地面目标，无人机的集合定义为U＝{U₁,U₂,…,U_N}，其中，无人机U_n的属性集合为U_n＝{v_n,w_n,l_n}，n＝1,2,…,N，v_n表示无人机U_n的速度，w_n表示无人机U_n携带的弹药量，l_n表示无人机U_n所在的基地位置；无人机要攻击M个地面目标，地面目标的集合定义为T＝{T₁,T₂,…,T_M},其中，地面目标T_m的属性集合为s_m表示地面目标T_m的任务价值，表示地面目标T_m的位置，为攻击地面目标T_m需要的时间；有N架无人机要攻击M个地面目标，则任务分配矩阵为X＝{x_n,m|x_n,m∈{0，1}}_N×M,其中，x_n,m＝1表示无人机U_n攻击地面目标T_m，x_n,m＝0表示无人机U_n不攻击地面目标T_m，n＝1,2,…,N,m＝1,2,…,M；

最小值联合优化模型如下：min[f₁(X),f₂(X)]，f₁(X)是无人机攻击地面目标获得总价值的倒数，其中,表示任务约束惩罚函数，|·|为绝对值函数，表示武器约束函数；α₁，α₂表示惩罚函数权值因子；f₂(X)是无人机从基地起飞到返回基地花费的最大时间，α₃，α₄表示惩罚函数权值因子，为无人机U_n从基地起飞到返回基地花费的时间；假设无人机U_n按照顺序依次执行任务T₁,T₂,…,T_η，则其中，d_0,1为无人机U_n的基地位置l_n与地面目标T₁位置之间的距离，d_1,2为地面目标T₁位置与地面目标T₂位置之间的距离，d_η-1,η为地面目标T_η-1位置与地面目标T_η位置之间的距离。