战场物资无人机配送研究

战场物资无人机配送是未来信息化战争后勤保障发展的重点方向，是适应未来高强度、快节奏战争的重要手段。对国内外配送无人机的应用与战场物资配送保障的情况进行概述，重点讨论了无人机在配送过程中涉及的任务分配问题。提出了未来战场物资无人机配送的一些重点研究方向，包括战场物资无人化保障理论研究、军民融合式战场物资无人机配送研究、战场物资无人机配送过程一体化研究以及传统车辆与无人机联合配送的研究。     

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。     

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。     

多机协同对空目标探测与攻击任务的最优分配

针对信息化条件下多机协同空战中需要协同制导的问题,建立了探测任务和攻击任务分配的模型。首先根据战场态势和雷达探测能力建立探测任务分配模型,然后根据战场态势和武器作战能力建立攻击任务分配模型,最后将此多目标决策问题转化为单目标优化问题。通过建立可行解到粒子间的映射,提出了粒子群优化算法对该优化问题进行求解。仿真实验表明了该模型与算法的可行性与有效性。     

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.     

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、...     

基于任务拆分的多无人机任务分配多目标优化

针对多无人机协同攻击作战想定,基于任务需求可拆分,研究多无人机任务分配优化问题。引入任务时间窗约束,构建任务收益水平测度函数。建立寻求执行任务总成本最小和总收益最大的多无人机任务分配优化模型,并根据模型特点,设计三阶段禁忌搜索算法进行求解。仿真实验结果表明：考虑任务拆分相比不考虑拆分的分配方案,无人机执行任务成本及效益更优。     

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。     

基于蝙蝠算法的多目标战备物资调运决策优化

战备物资的调运是部队后勤工作中十分重要的一环,面对复杂多变的战场环境,战备物资调运必须进行科学合理的决策优化。然而现有战备物资调运模型的优化模型较为复杂,如果涉及较多供应点和目标要求则不易实现。针对涉及多个调运点的多目标战备物资调运问题,提出一种新的决策优化模型,利用启发式蝙蝠算法进行优化计算,发挥出蝙蝠算法易于实现、性能优越的特点,较好地解决了涉及较多供应点的多目标战备物资调运决策优化问题,并结合一个仿真算例,证明该方法相对于其他方法更具简易性和有效性。     

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。     

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。     

多级网络物资预置—前送模型及改进布谷鸟搜索算法研究

针对战时物资前送优化决策问题,较多对两级网络下的"多点对单点""多点对多点"问题进行研究,较少对多级网络下、多节点转运前送、多式联运前送、物资协同补给问题进行系统性、综合性的研究.立足战场实际,针对后方物资、预置物资、作战部队组成的三级网络的预置协同补给问题,进行定量化、模型化研究.在满足硬时间窗基础上构建了以运输风险度最小为目标的双层指标模型.针对所建立模型具有高维组合优化的特点,设计了基于粒子群算法改进的布谷鸟搜索算法,并用不同规模算例对算法性能进行了测试.结果表明,所建模型符合战场实际,设计的算法具有较好的适应性、稳定性、精确性,能在较短时间内对所建模型进行有效求解,为决策者提供科学依据.     

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。     

基于改进遗传算法的异构多无人机任务分配

针对异构多无人机协同任务分配问题,提出了一种基于改进的遗传算法的多UAV任务分配方法。根据多UAV协同任务分配问题的特点,设计了新的遗传算子,并且对适应度值做了标定,有效避免了算法在最优解附近摆动现象的发生,从而提高了任务分配的效率。充分利用改进遗传算法的全局搜索能力,有效地解决多约束条件下多UAV协同目标分配问题。仿真结果表明,改进的遗传算法能够稳定快速地找到较优分配方案,并且算法简单有效。     

多无人机编队协同控制软件平台设计与仿真

在战场环境瞬息万变、作战任务日益复杂的现代战争中,多架无人机编队协同完成复杂的作战任务已成为一种趋势。多无人机编队控制及重构是多无人机系统的核心内容和关键技术。基于微粒群算法、蚁群算法研究了多无人机编队控制及重构、航线规划及重规划问题,特别是在解决编队重构问题时,提出一种多样性微粒群算法。设计了多无人机编队飞行协同控制平台,仿真结果表明,标准微粒群算法、蚁群算法等智能算法可以较好解决编队控制、编队重构和航线规划问题,多样性微粒群算法具有更强的全局寻优能力。     

多UCAV任务分配有限阶段MDP方法和算法

多UCAV(Unmanned Combat Air Vehicle)任务分配是无人机作战决策的重要内容,是一类求解困难的组合优化问题,目前尚无成熟高效的解决方案.通过马尔可夫决策过程(MDP)将任务分配问题化解为分阶段序列决策过程,并对当前阶段决策状态采用单一整数编码,提出了基于有限阶段MDP的求解算法.通过仿真实验表明:该算法可以快速精确地解决多UCAV任务分配的问题.     

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。     

多无人机协同任务规划方法

针对多UCAV协同作战的复杂问题,建立了多无人机任务分配模型,模型在任务规划前进行路径预规划,增强规划过程的准确性,提出一种基于整数编码的多种群混合遗传算法对问题求解并进行仿真实验。实验结果表明,该算法增强了搜索的有效性,极大地避免了遗传算法容易陷入未成熟收敛的缺陷,保证了寻优过程的收敛性和任务规划效果的最优化。     

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。     

战时导弹火力打击任务分配与运输决策模型

为有效提高战时导弹火力打击的效果,对多波次条件下打击任务分配与运输决策相结合的问题进行研究。根据实际战场情况进行模拟,构建了战时导弹火力打击任务分配与运输决策模型,设计出基于聚类分析和Floyd最短路径的综合性算法,运用分步讨论的方法依次求解各个参数,并通过线性加权的方式将多目标优化问题转化为单目标优化问题,进而找出最优方案,最后运用仿真算例验证了该模型的可行性及算法的有效性。