基于买卖合同策略与PSO算法的异构UAV任务分配规划方法

针对PSO算法在初始化异构UAV协同任务分配效率不高、任务分配不均的问题,将PSO算法与买卖合同策略结合起来,运用买卖合同策略来调整PSO算法对异构UAV协同任务的初始分配,同时充分发挥PSO算法对多目标优化具有收敛速度快、寻优精度高等优势,有效解决了异构UAV对多类型任务规划的最优分配。仿真结果表明:该方法在保证任务分配合理的同时,能够有效解决多约束条件下异构UAV协同任务分配规划优化问题。     

任务分配问题的对称群方法

探讨了无人飞行器(UAV)编队的任务分配问题。任务分配是UAV协同控制的基础,其解是任务区域内各任务的一个排列。求解UAV任务分配问题的有效方法是能在合理的计算时间内找到近似最优解的启发式算法。用对称群描述UAV任务分配的搜索空间,基于右乘运算构造搜索邻域。仿真结果验证了群论禁忌搜索算法的有效性。     

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。     

基于模糊聚类——拍卖机制的火力协同方法

针对协同作战中环境影响复杂度高,火力分配不及时、效率低等问题,提出了陆战场协同任务分配方法,构建了多武器-目标任务的数学模型。在该数学模型的基础上,基于聚类算法与拍卖算法相结合的原理进行优化求解,在两级分配的模式下,可在更短的时间内获得分配方案。算例表明,所构建协同任务分配模型能够及时有效地获得任务分配方案,较好地解决了多武器-目标的协同任务分配问题。     

基于满意决策的多UAV协同目标分配方法

目标分配是UAV自主控制的重要问题。提出了基于满意决策的多UAV协同的目标分配技术,为解决多UAV协同的目标分配问题和多机场起飞的UAV编队配置问题提供了一种新颖而有效的方法。重点对其中的满意集计算、联合满意度、拒绝度和选择度的建立和计算等关键问题进行了讨论。以压制敌防空火力任务为背景对该方法进行了仿真,并将本文提出的方法和其他方法做了比较,仿真结果表明基于满意决策的多UAV协同的目标分配方法在效率上有明显优势。     

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。     

基于改进ACO算法的多UAV协同航路规划

针对无人机(Unmanned Aerial Vehicle,UAV)在执行任务过程中遇到的诸如敌方防空火力、地形障碍及恶略天气等各类威胁源,采用威胁源概率分布的方法进行威胁的量化处理,构建任务空间的威胁概率密度分布图,有效消除了威胁源的差异性。根据UAV在任务飞行过程中的性能约束与时、空协同约束,同时考虑任务过程中UAV的损毁概率最小、任务航程最短,构建了相应的综合任务航路代价最优化目标函数。结合传统蚁群优化算法(Ant Colony Optimization,ACO)在解决此类问题中的不足,给出了相应的改进策略,提出采用协同多种群ACO进化策略来实现多UAV在满足时、空协同约束下的协同航路规划。通过相应的仿真计算表明,改进后的ACO协同多种群进化策略算法更适用于多UAV协同任务航路规划问题,具有一定的实用性。从而为多UAV协同任务航路规划问题的求解提供了科学的决策依据。     

基于聚类算法的多无人机系统任务分配

针对现有任务分配方法在任务点较多时不易解算,且计算量大的问题,提出了基于模糊C-均值聚类算法的多无人机系统任务分配方法.首先,利用模糊C-均值聚类算法得到的隶属度矩阵对任务点进行初始分配;其次,针对基于空间划分聚类可能造成各UAV任务不均衡的问题,设计任务的局部优化调整规则;最后,结合单旅行商问题,利用Tabu Sea...     

多机协同空战目标分配算法研究

多机协同作战已成为现代空战的主要形式,对其进行研究的重要性业日趋明显.通过对多机协同空战中目标分配的分析,建立了目标优化分配的数学模型,而后用标准遗传算法来求解该问题,最后通过应用"优势"基因遗传算子对遗传算法进行改进.仿真结果表明该算法能有效解决分配问题,而且"优势"基因遗传算子能够大大提高搜索效率.     

多无人机协同任务分配方法

任务分配是多UCAV协同控制的核心和有效保证,是一类复杂的多目标优化问题。针对一种扩展的混合整数线性规划(MILP)任务分配模型,通过对模型特点的分析,提出一种基于相似度的遗传退火算法解决该问题并进行仿真实验,仿真结果表明该算法具有较强的收敛性和较好的多样性,验证了改进算法解决该问题模型的有效性。     

非线性任务回报的UAV任务分配方法

针对UAV任务分配中任务回报值与执行任务的UAV数量成非线性关系问题进行了研究,改进了该问题的非线性约束数学模型,加入了回报比分析,提高了模型的准确性.根据所建模型运用互熵算法对模型进行了仿真.就算法性能与相似的其他非线性算法进行了对比仿真,结果验证了算法的有效性.     

改进博弈论的舰载无人机编队协同对海突击目标分配

目标分配问题是UAV自主控制的重要问题。针对舰载无人机编队协同对海突击目标分配问题,首先建立了基于离散动态贝叶斯网络的目标价值评估模型,在此基础上构建了舰载无人机编队的益损值矩阵,设计了舰载无人机编队协同对海突击目标分配的决策函数,提出了一种基于改进博弈论的目标分配方法,为4种不同约束条件下的目标分配问题分别设计了算法。最后对所建立的目标价值评估模型和改进博弈论的目标分配算法进行了实例仿真,仿真结果表明了模型和算法的可行性和有效性。     

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.     

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。     

基于分布式约束优化的多UCAV协同任务分配

为解决多架无人作战飞机(UCAV)的协同任务分配问题,将多UCAV协同任务分配问题建模为分布式约束优化问题并求解。在考虑UCAV损耗程度、目标价值毁伤和UCAV飞行长度对任务分配的影响下,建立了协同分配的分布式约束优化模型,并针对典型实例进行了仿真,获得了最优的任务分配方案。计算结果表明了模型方法的有效性。     

多UAV协同区域覆盖侦察方法

针对多UAV对未知区域的协同覆盖侦察问题,提出了将STC算法与在线局部调整策略相结合的区域覆盖侦察方法.通过建立无重叠覆盖区域的闭合路径,最小化了重复侦察区域,缩短了任务执行时间;通过在线局部调整保证了只要有一架UAV不出现故障,侦察任务就可以正常进行.仿真结果表明,该方法能够有效解决多UAV协同区域覆盖侦察问题,方法...     

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。     

基于改进遗传算法的反舰导弹火力分配研究

反舰导弹是打击敌水面舰船的主要手段,多武器平台打击水面多目标时,如何合理分配导弹,使其充分发挥作战效能,构成反舰导弹的火力分配问题。建立反舰导弹火力分配模型,并提出一种基于改进遗传算法的导弹火力分配求解算法,在算法中采用十进制编码策略、适应度比例选择法和自适应变异概率。通过结合实例进行验证,证明了改进遗传算法可以有效快速地找到最优火力分配方案,为舰艇作战指挥决策提供参考。     

武器目标协同火力分配建模及算法

针对当前火力分配模型的不足以及实际作战的需求,对武器目标协同火力分配问题进行了研究,建立了火力分配层次结构;通过对火力分配原则的研究,结合打击目标选择和弹目分配,建立了以导弹武器作战效费比为总目标,以目标毁伤要求为约束的火力分配模型。采用遗传算法求解火力分配问题,根据问题的特点和问题中的启发信息,对遗传算法进行了改进。仿真结果表明,改进算法的性能有较大提高,可用于解决复杂武器目标分配这类非线性整数规划问题。