基于KnCMPSO算法的异构无人机协同多任务分配
王 峰 黄子路 韩孟臣 邢立宁 王 凌
无人机(Unmanned aerial vehicle,UAV)以其体积轻巧、隐身性能好、续航时间长、可回收重复使用等优势逐渐成为空中作战的主角.相较于有人机,无人机能够在偏远、危险或者人员不可达的极端环境中,自主完成一些重要的诸如监测、搜救、侦察、打击等任务[1].无人机协同作战是指在实际的战场中,多种类型的无人机充分发挥各自优势,协同完成一项军事任务.早期的无人机协同作战由于作战场景简单、任务类型单一、任务难度较低,仅通过人工决策就能确定各无人机的作战序列.然而随着作战场景逐渐复杂、任务类型逐渐多样化、无人机智能化水平逐渐提高,仅靠人工决策很难充分挖掘各种无人机的特性并发挥无人机系统的协同作战优势.现实世界中的无人机往往是异构的,异构无人机指的是多种类型的无人机(侦察机、战斗机等)[2],为了提高异构无人机执行任务的效率,提升异构无人机系统的自主性,开展异构无人机协同多任务分配问题研究具有十分重要的意义[3].
为了高效地制定无人机的任务分配计划、科学地控制无人机,需要对无人机协同多任务分配问题建立合适模型.
在模型的约束条件研究方面,文献[4]充分考虑了无人机执行任务之间的时序和多机协同等约束条件,将无人机分配问题构建成为协同多任务分配问题模型.文献[5]提出以无人机自身性能约束、协同约束和实际三维复杂环境构建约束的无人机任务分配模型.然而上述模型中所考虑的各无人机都具有侦察、打击、评估三种能力,不属于异构无人机.在实际问题中,由于不同无人机的能力有差异,无法用一类无人机完成所有任务.因此通常选择采用多架异构无人机组成集群来共同完成任务,解决不同无人机的能力限制.一些学者进一步对异构无人机协同任务分配模型提出了新的约束条件,如文献[6]考虑无人机资源消耗、完成任务资源需求等约束,文献[7]考虑任务优先级等约束,文献[8]考虑无人机运动学等约束.
在模型的优化目标研究方面,目前大部分研究工作建立的都是以最小化无人机飞行距离的单目标模型[9],也有一些学者尝试构建无人机任务分配的多目标优化模型.如文献[10]提出同时考虑无人机任务收益、任务执行时间和任务执行代价的多目标模型,文献[11]以无人机总飞行距离和任务完成时间为优化目标构建了多目标优化模型.
在无人机协同多任务分配模型的求解方面,近年来也有部分学者进行了深入研究[12],其中粒子群算法[13]作为群智能算法中的经典算法,具有操作...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
