异构资源类型下多无人机任务分配

针对多无人机在执行侦察、打击任务的过程中携带任务资源的异构性,以及任务对于异构资源的要求,设计了一种改进的基于共识的捆绑算法(consensus-based bundle algorithm, CBBA)。考虑任务价值、任务执行时间窗以及航程代价等条件建立了多无人机对地目标侦察、打击任务分配模型。利用K-medoids聚类分析方法对多无人机进行基于距离和携带资源平衡的聚类,以解决多无人机对于异构资源类型的要求。对打击任务进行子任务生成,并利用改进后的CBBA求解所建立的任务分配模型,通过对比仿真实验验证了算法的可行性和有效性。     

应用离散粒子群-郭涛算法分配多无人机协同任务

针对以往考虑时间窗约束的多无人机协同任务分配问题模型不能反映在有效时间窗内,任务执行时间对任务收益的影响及求解算法效率较低的问题。建立了将任务收益和任务执行时间直接联系起来的任务分配模型和可行解到粒子整数编码方式的映射,设计了混合离散粒子群-郭涛算法的组合优化问题求解策略。借助粒子群算法利用粒子自身信息和种群有用信息指导种群进化的本质特点,优化郭涛算法的适应性序列倒置操作;设计了可变的学习选择概率来选择个体的学习粒子,改进了序列倒置算子。仿真实验验证了该方法处理复杂任务分配问题的有效性。     

基于Agent的多无人机任务分配模型

分析了多无人机任务分配经典模型中存在的局限性,建立了基于Agent协商的多无人机任务分配模型。构建了无人机编队中资源管理和任务管理等两种Agent角色,并给出了相应的角色模型及其形式化模型描述,分别设计了相应的资源管理策略和任务管理策略。建立了两种角色之间任务分配协商协议,该协议既有效地保证了个体Agent的自主性,又最大限度地发挥了多Agent之间的合作性。实验表明,该模型能够有效地实现对分布式任务的合理分配。     

基于分解的多目标布谷鸟搜索算法求解多无人机协同任务分配问题

多无人机协同任务分配问题是一个多目标优化问题,将多目标优化问题转化为单目标优化问题的传统方法易造成决策的主观性和片面性.为帮助决策者做出科学决策,提出了一种基于分解的多目标布谷鸟搜索算法用于求解多无人机协同任务分配问题.通过对多无人机协同任务分配问题分析,建立了多无人机协同任务分配模型.将布谷鸟搜索算法的两个关键组件转化为多目标优化算法的繁殖算子,并结合一种自适应算子选择策略,构成了多目标布谷鸟搜索算法.设计了一种新的编码方案,将带约束的多目标优化问题转为无约束的多目标优化问题.仿真实验表明,多目标布谷鸟搜索算法能有效求解多无人机协同任务分配问题.     

基于MILP模型的多无人机对地攻击任务分配

针对多无人机空对地攻击优化问题,给出了基于时序的混合整数线性规划(MILP)任务分配模型,该模型不仅描述简洁、直接,而且可以通过对约束条件的修正来满足实际问题需要.同时,利用LINGO软件进行了仿真求解,仿真结果表明,该模型不仅可以找到最短的任务执行时间,而且能够合理安排任务时序,使任务能够紧凑而有序地进行,有助于提高无人机任务执行效率和生存能力.     

基于改进蛙跳算法的多无人机协同任务分配研究

针对多无人机协同任务分配问题,提出了一种基于Levy飞行的改进随机蛙跳算法用于解决多无人机的协同任务预分配问题,通过引入动态跳跃步长、Levy飞行因子和族群认知因子有效改进了算法的搜索性能,提高了搜索效率。针对多无人机协同执行任务时可能遭遇的突发任务,通过引入市场拍卖机制提高了算法的计算收敛效率。通过仿真算例分析,验证了改进的随机蛙跳算法解决多无人机协同任务分配问题的有效性。     

基于多Agent无人机协同侦察任务规划模型

建立了多无人机协同侦察任务规划模型，在考虑侦察时间间隔约束和目标载荷需求基础上，给出了位于不同基地的无人机优化部署和调度策略，并提出了基于多Agent的优化搜索仿真算法，利用Matlab实现了无人机优化配置和任务规划模型，得出了无人机优化配置和任务规划方案，最后分析了模型算法存在的某些不足，提出了模型改进的方向。     

不确定环境下多无人机动态任务分配方法

通过分析实际战场中的信息不确定性,提出了不确定信息条件下需要解决的多无人机任务分配问题。以目标价值收益、毁伤代价指标及航程代价指标的不确定信息为依据,建立基于区间信息环境下多无人机的任务分配模型,采用随机概率的多属性方案排序(Stochastic Multi-criteria Acceptability Analysis,SMAA)方法,给出不确定环境下多无人机动态任务分配求解方法,为解决不确定环境下多无人机任务分配问题提供了新思路。最后,进行了仿真试验,验证了该方法的可行性和有效性。     

基于改进QGA的有/无人机编队多任务联盟生成

针对有/无人机编队作战中多约束复杂任务分配问题,提出一种改进QGA(Quantum Genetic Algorithm,QGA)的多任务联盟求解方法。首先确定任务需求、时间、平台能力等多种约束,综合考虑联盟总任务收益、耗费成本与任务时间因素,构造目标函数,建立了多任务联盟生成优化问题模型;从多分组并行演化、观测值修正、动态旋转角调整3方面对QGA算法进行改进用于问题求解;并结合实际案例进行了仿真分析,结果表明,提出的方法可以有效生成多任务联盟,解决有/无人机编队多约束复杂任务分配问题,解质量较高。     

面向协同区域反恐侦察的无人机集群规划与控制

以无人机集群协同侦察多个区域内潜在的恐怖分子为背景,提出了一种基于贪婪算法的求解思路,设计了任务分配-路径规划-跟踪控制的算法流程,解决了面向协同区域反恐侦察的无人机集群规划与控制问题。首先,设计任务分配算法,为无人机分配任务区域,解决多无人机多目标的任务分配问题;然后,每一架无人机进行路径规划,生成从当前点到任务区域以及在任务区域侦察的组合路径;再使用追踪虚拟目标点的方法,使无人机沿着规划航线飞行。任务分配-路径规划-跟踪控制在线滚动执行,使无人机集群协同执行反恐侦察任务。对上述算法进行了数值仿真,并基于开源仿真平台搭建复合翼无人机协同仿真环境,进一步验证了算法流程。     

基于多约束投标策略的改进合同网算法

针对无人机使用传统合同网算法进行任务分配存在的投标个数多、网络吞吐量不均衡、工作负载高等问题,提出一种改进合同网算法任务分配模型.首先对无人机任务分配的空间环境进行建模,在传统合同网算法的投标阶段,结合一种基于无人机能力评估方法的投标策略,该策略建立了基于代价函数和收益函数的任务效能函数.通过多次仿真,对历史任务效能、...     

多UCAV协同控制中的任务分配模型及算法

任务分配是多UCAV协同控制的核心和有效保证。分析了影响目标价值毁伤、UCAV损耗、任务消耗时间等三项关键战技指标的因素,综合考虑实战中多UCAV同时攻击同一目标和使用软杀伤武器这两种典型情况对UCAV执行任务的影响,建立了针对攻击任务的多UCAV协同任务分配模型,并应用粒子群算法求解。仿真结果验证了模型的合理性和算法的有效性。     

舰艇编队作战任务优化分配

从舰艇编队的实际作战需求出发,将作战使命分解为多个作战任务,然后分配给相关平台。首先在每个平台只能承担一项任务的前提下,构建了编队作战任务分配的基本模型。在此基础上研究了两平台协同执行任务时效能互补、单平台在同时执行多项任务时武器装备相互干扰等情况,进一步构建了考虑平台间协同效益和平台执行多任务的作战任务分配模型。应用改进的遗传算法给出了编队作战任务分配方案优化选择的具体方法步骤,最后针对一个典型案例进行了仿真计算与分析,验证了三种模型的合理性。     

多旋翼无人机模型预测抗扰避障制导

多旋翼无人机的自主避障是完成复杂任务的基础,避障的效果直接影响无人机执行任务的效能。针对存在外部扰动的无人机避障问题,提出了一种基于模型预测的抗扰避障制导律设计方法。通过设计干扰观测器对系统动态中的外部干扰进行了估计,并基于李雅普诺夫函数方法设计辅助制导律用于建立稳定性约束条件。结合前两者与模型预测控制,在模型预测控制优化求解中考虑无人机与障碍物的关系,根据所设计的制导律求解水平线速度与偏航角速度指令实现无人机的避障。对所提出的避障制导律进行数值〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCLQX.TIF;%129%129〗听语音 聊科研与作者互动 仿真和实物飞行验证,结果表明了所提方法的有效性。     

基于CBBA的多域作战无人系统任务规划方法研究

针对多域作战任务中异构无人系统的分布式任务规划问题,建立考虑时间窗约束、路径受限等情况下的多域作战任务分配模型;基于一致性束算法求解异构无人系统的任务分配问题;采用Bezier曲线和粒子群算法对一致性束算法进行了扩展,将路径规划耦合到任务分配过程中。仿真结果表明,扩展后的一致性束算法可以同步得到无冲突的多域作战无人系统任务分配解和路径规划结果,验证了其在多域作战无人系统任务规划方面的适用性。     

基于分合粒子群算法的多无人机任务重分配

多UAV在执行任务过程中,战场环境以及UAV编队状态的改变将导致原有的分配计划失效或效率降低,因此有必要重新分配任务。针对多无人机任务重分配问题,首先建立了相应的数学模型。其次运用分组基础上的任务重分配策略进行任务分配,提出了改进的K均值聚类算法进行初步分组,再在分组的基础下,提出了分合粒子群优化算法进行组内任务分配。最后进行实验仿真。实验结果与分析表明基于分合粒子群算法的任务重分配方法能有效地满足多变的战场环境要求。     

基于混合遗传算法的多基地多无人机战场物资配送任务分配

战场物资无人机配送是未来后勤保障的一种重要方式。以战时多基地、多无人机保障多需求点的模式为研究对象,通过分析多需求点战场物资无人机配送的特点及决策目标,利用多约束条件下的多车场车辆路径问题对无人机物资配送任务分配进行建模,通过将节约里程法与最近邻算法引入遗传算法中,较好地提高了算法求解速率及解的质量,最后通过仿真算例验证了模型和算法的合理性、有效性。结果表明:模型与算法能够在满足部队需求和给定的配送资源条件下优化物资配送方案,可较好地解决多基地、多无人机的战场物资配送任务分配问题。     

基于模糊多属性的机群空面多目标任务分配

飞机编队在执行空面作战任务时,在进行多目标任务分配之前必须对作战的目标进行有效评估。考虑目标的威胁、政治价值和经济价值等不同属性,建立了多目标分配综合价值评估指标;运用模糊多属性法和G.A.M iller九级量化理论对目标综合价值进行量化,并采用离差最大组合赋权法求出各属性权值,建立单机多目标分配模型。提出基于数据链通信的编队多目标最优分配算法,最后给出仿真实例,仿真结果表明此方法能合理有效地对多目标进行最优分配。     

网络化战场环境下多无人机调度问题

针对网络化战场下无人机(UAV)跨区飞行、信息共享等特点扩大了任务区域与规模而引发任务分配难题,对无人机运动及通信特性、任务时间窗约束和初始战场布局等因素建模,根据目标属性对其分组以降低问题复杂度,应用优化算法得到初始解,随后进行全局交换、删除及插入等调整得到最终调度方案,由此搭建快速求解多UAV任务调度的通用算法框架。最后应用遗传算法验证,仿真结果表明:该框架在解决多无人机大规模任务分配时具有较好的时效性和适应性。     

高空长航时无人机编队协同侦察任务规划

针对高空长航时无人机侦察任务规划特点,分析了高空长航时无人机执行侦察任务过程中的飞行航线约束和通信条件约束,以最小化无人机总飞行航程和最终编队飞行时间为优化目标,建立无人机编队协同侦察任务规划问题模型。同以往的通用侦察任务模型相比,该模型突出考虑了高空长航时无人机执行侦察任务过程的特点。以基本粒子群算法为基础,通过粒子群离散化和结合遗传算法进行改进,使其适用于求解复杂组合优化问题。仿真结果验证了算法求解复杂任务规划问题的有效性。