[发明专利]一种资源限制条件下多类型无人机协同任务分配方法

摘要

本发明公开了一种资源限制条件下多类型无人机协同任务分配方法，首先初始化环境信息，并根据环境模型建立初始概率矩阵，然后根据初始概率矩阵生成一定数量的随机样本,并根据约束条件删除无效样本,继而根据目标函数求出有效样本的目标函数值,之后按样本目标函数值由大到小排列，取一定比例的排在前边的样本更新概率矩阵，给出了具体的资源限制条件下基于交叉熵方法的多类型无人机任务分配求解算法。本发明能够更好地解决资源限制条件下的多类型无人机任务分配问题，使得无人机或无人机组以更高的收益完成任务。本发明应用于资源限制条件下多类型无人机任务分配。

主权项

一种资源限制条件下多类型无人机协同任务分配方法，其特征在于，如下步骤：步骤(1)、对无人机飞行环境进行分析，设置无人机和任务的相关参数；步骤(2)、计算可行方案的数目，初始化交叉熵概率分配矩阵；步骤(3)、随机生成一定数量的样本，对其进行去除无效样本、计算样本对应目标函数值、将样本按目标函数值降序排列、取一定比例排序后的样本更新概率矩阵，如此重复，直至满足结束条件，并根据结果为任务分配相应的无人机；所述步骤(1)中，无人机、任务相关参数设置过程如下：(11)设置环境需求参数，主要包括：任务个数Tn，任务危险等级Wi和完成任务获益Bi，i＝1,2,…,Tn，任务所需资源种类Sk及任务对每种资源的需求TSi＝(S1,S2,…,Sk)；(12)设置无人机相关参数，主要包括：无人机种类Ut及其数量Nj，j＝1,2,…,Ut，即和其携带相应资源的数量UAVj＝(S1,S2,…,Sk)，每种类型无人机执行各任务成功概率pji，UAV表示由一定数量的不同类型的无人机组成的集合；(13)确立平面内的坐标体系，确定各任务的地理位置Ti:(xi,yi)和各类型无人机的地理位置UAVj:(xj,yj)，参数设置完成；所述步骤(2)中，计算可行方案数目，初始化交叉熵概率分配矩阵具体步骤如下：(21)至多n架无人机协同去完成某项任务，在无人机种类为Ut情况下，计算可行方案数目Nsol；(22)初始化交叉熵概率矩阵P为Tn×Nsol，其元素遵循以下要求：对于每一行元素，找出使用最少无人机即可满足资源携带需求的有效方案数目的总和mi，并将交叉熵概率矩阵P每行对应方案列的元素均设置为其余初始化为0；所述步骤(3)中，随机生成一定数量的样本，对其进行去除无效样本、计算样本对应目标函数值、将样本按目标函数值降序排列、取一定比例排序后的样本更新概率矩阵，如此重复，直至满足结束条件，并根据结果为任务分配相应的无人机的步骤如下：(31)判断交叉熵概率矩阵P是否收敛，即其元素为0或1，且行和为1，或者迭代次数是否大于最大迭代次数，若是，转到(36)，否则继续执行(32)；(32)根据交叉熵概率矩阵P随机生成N个样本，样本形式为Tn元组，其对应位置元素为交叉熵概率矩阵P中每行非零元素相应的方案列数；(33)判断N个样本的有效性，并去除无效的样本，其中样本有效性标准为：样本中各类型无人机数量和是否超过之前设定的各种类型的无人机数量值，若不超过，则为有效，否则为无效样本；(34)若有效样本数量不足N个，则继续随机取样直到其数量达到N，对每个有效样本s计算其目标函数值，并按从大到小排列，其目标函数值计算公式为：其中，ni为执行任务Ti的无人机个数，为无人机组到达任务Ti的时间代价，β为常数，ti为执行此任务的所有无人机中到达任务Ti耗时最长的时间，即tl为完成Ti任务的每个无人机的时间，dli为无人机l到达任务Ti的欧氏距离，Vl为无人机l的速度且为恒定值；(35)在排序好的样本中，取前 N* θ 个排好序的样本，0＜θ＜1，计算每个任务对应方案出现的次数，该方案出现次数的总和与 N* θ 的比值即为该行该列更新后的元素，按照此规则更新概率矩阵P， N* θ 的含义为取一定比例的目标函数值较大的样本；(36)输出概率矩阵P中结果，即为最终分配方案。