[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

说明书

本发明提供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，以任务执行效率作为目标函数，使用量子北极熊方法优化目标函数，克服了以往优化方法易陷入局部收敛的问题。同时，设计了量子北极熊编码机制，实现了量子北极熊的位置与任务分配方案之间的映射。本发明针对无人机对大规模地面目标的难题，设计了量子北极熊机制对多架无人机进行任务分配，以任务执行效率作为目标函数，并考虑了多个约束条件，使任务分配问题更贴切实际。

技术领域

本发明涉及一种多目标量子北极熊机制的异构无人机大规模作业任务分配方法，属于无人机作业领域。

背景技术

无人机(Unmanned Aerial Vehicle,UAV)是一种有动力、可控制、能够执行多种类型任务的无人驾驶飞行器。其具有造价低廉、机动灵活、部署便捷、续航力长等优点，现已在广泛应用于农业领域、搜救领域、环境监测等领域。

多无人机协同任务分配是指在多个特定约束条件下，以实现目标函数最优为目的，对多架无人机分配任务，从而确定最优任务分配方案。无人机集群任务分配有多种任务分配方式。按照无人机执行任务分配的控制方式，又可以分为集中式控制、分布式控制和分层分布式控制。本发明采用集中式控制方法执行多无人机的任务分配。

根据已有文献发现，王峰等在《计算机学报》(2021,44(10):1967-1983)上发表的“基于协同进化的混合变量多目标粒子群优化算法求解无人机协同多任务分配问题”中，针对无人机协同多任务分配问题，提出一种基于协同进化的混合变量多目标粒子群优化方法，以总航程最少和任务完成时间最短为优化目标，构建了混合变量多约束的无人机协同多任务分配问题模型。通过实验仿真证明，该方法在收敛性能上优于其他方法。然而，该方法中无人机打击的军事目标数量过少，不足以证明该方法的优越性，而且提出的多目标粒子群优化方法存在易陷入局部收敛的弊端。

综上所述，上述文献在多无人机的任务上做出一定的贡献，但是无人机打击目标的数量过少。因此本发明设计了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，以任务执行效率作为目标函数，使用量子北极熊方法优化目标函数，克服了以往优化方法易陷入局部收敛的问题。同时，设计了量子北极熊编码机制，实现了量子北极熊的位置与任务分配方案之间的映射。

发明内容

本发明针对无人机对大规模地面目标的难题，设计了量子北极熊机制对多架无人机进行任务分配，以任务执行效率作为目标函数，并考虑了多个约束条件，使任务分配问题更贴切实际。

本发明的目的是这样实现的：步骤一，建立异构无人机对大规模地面目标模型。

假设有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。设这些无人机要攻击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 m＝1,2,…,M，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。