一种考虑载具投递模式的无人机群协同任务规划方法

    公开(公告)号:CN115755963A

    公开(公告)日:2023-03-07

    申请号:CN202211423092.5

    申请日:2022-11-15

    Abstract: 一种考虑载具投递模式的无人机群协同任务规划方法,第一,提出由分类操作和固定操作构造的投放点确定算法,采用基于K‑means聚类算法的分类操作获得目标的最优分类,采用基于威胁最小化的固定操作选择最优投放位置。第二,提出融合改进A*算法的离散遗传算法获得载具的全局最优轨迹。第三,提出基于市场机制的改进差分进化算法获得每个投放点处的最优任务分配方案。本发明基于实际作战环境,考虑跨平台协同作战场景,以大规模无人机群对地面目标执行攻击和评估任务为背景,给出解耦式的任务规划系统;对于多机协同任务规划的求解具有重要意义,相比于现有优化方法效率高、寻优性强;具有很强的可行性、有效性、稳定性和收敛性,便于实际应用。

    一种考虑子系统执行能力的多机协同任务规划方法

    公开(公告)号:CN114594794A

    公开(公告)日:2022-06-07

    申请号:CN202210226018.8

    申请日:2022-03-08

    Abstract: 一种考虑子系统执行能力的多机协同任务规划方法,首先,定义子系统能力矩阵以实现无人机异构性和任务执行能力的统一描述,在无人机子系统能力约束、任务时序约束和攻击次数约束等约束条件下,构建时间最优的多机协同任务规划模型。其次,根据研究问题特点,为可行方案的表述设计个体矩阵编码形式。第三,在求解过程中个体的更新融入遗传算法思想,在探索阶段和围捕阶段分别采用相邻行交换操作和间隔列交叉操作实现快速寻优。第四,在种群更新阶段引入第三优狼进行变异,从而增强种群的多样性,但由于无人机负载资源有限,变异过程中会出现违反攻击次数的非可行解,进而提出基于拍卖机制的修正策略进行处理。最后,使用基于拍卖机制的改进狼群算法对构建的多机协同任务规划问题进行求解。

    一种考虑子系统执行能力的多机协同任务规划方法

    公开(公告)号:CN114594794B

    公开(公告)日:2023-05-23

    申请号:CN202210226018.8

    申请日:2022-03-08

    Abstract: 一种考虑子系统执行能力的多机协同任务规划方法,首先,定义子系统能力矩阵以实现无人机异构性和任务执行能力的统一描述,在无人机子系统能力约束、任务时序约束和攻击次数约束等约束条件下,构建时间最优的多机协同任务规划模型。其次,根据研究问题特点,为可行方案的表述设计个体矩阵编码形式。第三,在求解过程中个体的更新融入遗传算法思想,在探索阶段和围捕阶段分别采用相邻行交换操作和间隔列交叉操作实现快速寻优。第四,在种群更新阶段引入第三优狼进行变异,从而增强种群的多样性,但由于无人机负载资源有限,变异过程中会出现违反攻击次数的非可行解,进而提出基于拍卖机制的修正策略进行处理。最后,使用基于拍卖机制的改进狼群算法对构建的多机协同任务规划问题进行求解。

    融合多目标进化算法和合同网算法的多无人机系统任务分配方法

    公开(公告)号:CN114545975A

    公开(公告)日:2022-05-27

    申请号:CN202210226013.5

    申请日:2022-03-08

    Abstract: 一种融合多目标进化算法和合同网算法的多无人机系统任务分配方法,首先,设定约束条件和目标函数,构建多无人机协同任务分配的多目标优化模型。第二,根据问题所属的弹药情况选择交叉变异算法,求解多目标优化模型。第三,从Pareto解集中选择一个非支配解,将其作为被具体执行的任务分配方案。第四,任务重分配机制被激活后,设定任务重分配问题的目标函数,构造任务重分配模型。第五,对于突发情况利用合同网方法求解任务重分配模型,得到更适合当前战况的任务分配方案。本发明能够为战前任务分配提供一个完整的任务分配框架,适用于求解多无人机协同任务分配的多目标优化,并可协助决策者从Pareto解集中选解,同时能够对突发情况实现实时的任务重分配。

    一种考虑载具投递模式的无人机群协同任务规划方法

    公开(公告)号:CN115755963B

    公开(公告)日:2023-07-11

    申请号:CN202211423092.5

    申请日:2022-11-15

    Abstract: 一种考虑载具投递模式的无人机群协同任务规划方法,第一,提出由分类操作和固定操作构造的投放点确定算法,采用基于K‑means聚类算法的分类操作获得目标的最优分类,采用基于威胁最小化的固定操作选择最优投放位置。第二,提出融合改进A*算法的离散遗传算法获得载具的全局最优轨迹。第三,提出基于市场机制的改进差分进化算法获得每个投放点处的最优任务分配方案。本发明基于实际作战环境,考虑跨平台协同作战场景,以大规模无人机群对地面目标执行攻击和评估任务为背景,给出解耦式的任务规划系统;对于多机协同任务规划的求解具有重要意义,相比于现有优化方法效率高、寻优性强;具有很强的可行性、有效性、稳定性和收敛性,便于实际应用。

    融合多目标进化算法和合同网算法的多无人机系统任务分配方法

    公开(公告)号:CN114545975B

    公开(公告)日:2023-03-17

    申请号:CN202210226013.5

    申请日:2022-03-08

    Abstract: 一种融合多目标进化算法和合同网算法的多无人机系统任务分配方法,首先,设定约束条件和目标函数,构建多无人机协同任务分配的多目标优化模型。第二,根据问题所属的弹药情况选择交叉变异算法,求解多目标优化模型。第三,从Pareto解集中选择一个非支配解,将其作为被具体执行的任务分配方案。第四,任务重分配机制被激活后,设定任务重分配问题的目标函数,构造任务重分配模型。第五,对于突发情况利用合同网方法求解任务重分配模型,得到更适合当前战况的任务分配方案。本发明能够为战前任务分配提供一个完整的任务分配框架,适用于求解多无人机协同任务分配的多目标优化,并可协助决策者从Pareto解集中选解,同时能够对突发情况实现实时的任务重分配。

Patent Agency Ranking