公开(公告)号：CN111680934B

公开(公告)日：2023-04-07

申请号：CN202010614975.9

申请日：2020-06-30

Applicant: 西安电子科技大学

Inventor： 方敏 ,  陈烨 ,  罗杰豪 ,  荆锐 ,  杨昊 ,  侯志杰 ,  丁献硕

IPC: G06Q10/0631

Abstract: 本发明提出了一种基于群体熵和Q学习的无人机任务分配方法，实现步骤为：初始化参数；根据无人机和任务的位置信息获取每个无人机的邻居无人机集合；确定敏感无人机和非敏感无人机；初始化细胞自动机自演化算法参数；获取演化结果，并采用群体熵去衡量每一轮演化的结果；从中选取最优的群体熵信息并根据该信息初始化Q学习中每个无人机的Q表；然后初始化Q学习参数无人机进行Q学习，最后获取无人机任务分配结果。本发明采用群体熵作先验值的方法加速Q学习收敛，并在Q学习过程中充分考虑了全局信息和局部信息，提高算法的学习效率，在保证无人机任务分配结果可靠性的基础上，提升无人机任务分配的收敛速度。

公开(公告)号：CN111680934A

公开(公告)日：2020-09-18

申请号：CN202010614975.9

申请日：2020-06-30

Applicant: 西安电子科技大学

Inventor： 方敏 ,  陈烨 ,  罗杰豪 ,  荆锐 ,  杨昊 ,  侯志杰 ,  丁献硕

IPC: G06Q10/06

Abstract: 本发明提出了一种基于群体熵和Q学习的无人机任务分配方法，实现步骤为：初始化参数；根据无人机和任务的位置信息获取每个无人机的邻居无人机集合；确定敏感无人机和非敏感无人机；初始化细胞自动机自演化算法参数；获取演化结果，并采用群体熵去衡量每一轮演化的结果；从中选取最优的群体熵信息并根据该信息初始化Q学习中每个无人机的Q表；然后初始化Q学习参数无人机进行Q学习，最后获取无人机任务分配结果。本发明采用群体熵作先验值的方法加速Q学习收敛，并在Q学习过程中充分考虑了全局信息和局部信息，提高算法的学习效率，在保证无人机任务分配结果可靠性的基础上，提升无人机任务分配的收敛速度。