本发明涉及无人机-有人机信息处理技术领域，尤其是涉及一种无人机编队自适应信息分发处理方法、计算机可读存储介质和计算机设备。
背景技术：
在无人机编队协同执行任务的过程中，在不同时期以及随着态势和战略战术上的需要，预先规划的信息分发方案可能难以应对变化的形势，因此需要在无人机编队执行任务的过程中考虑对信息分发方案进行重规划。此外，在不同的阶段对所需要处理的信息类型、信息需求量，以及信息的本身的重要程度具有一定的差别，因此在对任务信息进行有效的分发与传递过程中，需要考虑任务信息可能具有不同的优先等级，例如重要级任务信息、一般级任务信息和低优先级任务信息。其中：
重要级任务信息是指对整个协同过程具有重要影响、任务完成收益明显高于一般级和低优先级任务的任务信息，例如：侦察任务。在现代战争中战场侦察决定战争的走势，精准及时的战场信息能够左右战争的成败，由于无人机执行侦察任务具有无人员伤亡风险、部署灵活、响应及时等特点，备受各国关注，使侦察任务成为无人机当前最重要的任务模式之一。
一般级任务信息是指需求预测和指控中心发出的常规性任务指令，例如：空中预警任务。事先将无人机部署在靠近敌方的上空，再把无人机获得的信息通过通信链路传递给停在安全地带的有人机，再由有人机适时将信息传递给控制中心，进行拦截任务。
低优先级任务是指完成时间和是否执行对于这个协同过程效能影响不大的任务，例如日常巡航任务等。
目前，在无人机编队在执行任务过程中，没有一种方案能够自适应的对任务池中待分发的任务信息进行合理的安排，形成最优的信息分发与传递序列。
技术实现要素：
(一)解决的技术问题
本发明提供一种无人机编队自适应信息分发处理方法、计算机可读存储介质和计算机设备，可以实现无人机编队系统自适应的对任务池中待分发任务信息的合理安排，形成最优的信息分发与传递序列。
(二)技术方案
第一方面，本发明提供的无人机编队自适应信息分发处理方法包括：
调用预先建立的预规划模型，所述预规划模型的优化目标为在预设约束条件下最大化任务池中待分发任务信息的总权重值；
采用预设编码方法对所述待分发任务信息的分发与传递属性初始化，得到第一初始解；
基于所述第一初始解，采用第一遗传算法对所述预规划模型进行求解，得到对所述待分发任务信息分发与传递的预规划方案；
根据所述预规划方案，判断所述任务池中三级任务信息的收益是否大于扰动成本；
若是，则调用预先建立的重规划模型，所述重规划模型的优化目标为在预设约束条件下最大化任务池中的三级任务信息和二级任务信息的总收益；
将所述预规划方案作为第二初始解；
基于所述第二初始解以及各个待分发任务信息的优先级值、收益值和扰动成本值，采用第二遗传算法对所述重规划模型进行求解，得到对所述待分发任务信息分发与传递的重规划方案；
按照所述重规划方案对所述待分发任务信息进行分发与传递；
其中，所述三级任务信息和所述二级任务信息的重要程度依次降低。
可选的，还包括：
若经判断获知所述任务池中三级任务信息的收益成本小于或等于扰动成本，则按照所述预规划方案对所述待分发任务信息进行分发与传递。
可选的，所述采用预设编码方法对所述待分发任务信息的分发与传递属性初始化，得到第一初始解，包括：
采用预设编码方法将所述预规划模型的解编码为染色体，所述染色体上包括与任务池中待分发任务信息一一对应的基因；
将染色体上每个基因的第一标识置为1，置为1的第一标识表征该基因对应的待分发任务信息为可被分发与传递；
获取各个待分发任务信息的宿节点、权重值、优先级值、收益值和扰动成本值，并针对每一个待分发任务信息随机生成一个与其宿节点不同的源节点；
判断各个待分发任务信息是否需要转发；对于需要转发的待分发任务信息，随机生成多个不同的转发节点，形成转发路径；对于不需要转发的待分发任务信息，将其转发节点置为-1；
读取各个待分发任务信息的时间窗；对于每一个待分发任务信息，在所述时间窗内随机生成一个时刻点，并将该时刻点作为该待分发任务信息到达所述宿节点的时刻；对于需要转发的待分发任务信息，根据转发路径推算出待分发任务信息到达各个转发节点的时刻以及从源节点发出的时刻；对于不需要转发的待分发任务信息，推算出待分发任务信息从源节点发出的时刻，并将各个转发节点的转发时刻置为-1；
将每个待分发任务信息的第一标识、源节点、转发节点、宿节点、从源节点发出的时刻、到达各个转发节点的时刻、到达所述宿节点的时刻以及权重值作为该待分发任务信息的分发与传递属性，各个待分发任务信息的分发与传递属性形成所述第一初始解。
可选的，所述采用第一遗传算法对所述预规划模型进行求解，或者，所述采用第二遗传算法对所述重规划模型进行求解，包括：
s1、设置迭代次数k的初始值为1；
s2、将对应模型的目标函数为适应度函数，计算初始种群中染色体的适应度函数值；
s3、采用轮盘赌选择法从父代群体中选择中适应度函数值最高的预设数量的染色体遗传到子代群体中；
s4、对种群中的染色体进行两两单点交叉操作；
s5、对交叉操作得到的染色体进行重置变异处理；
s6、对重置变异处理得到的染色体进行更新操作，具体为将子代群体中适应度最低的第一预设数量的染色体和子代群体中适应度最低的第二预设数量的染色体组合，形成新的种群；
s7、判断当前的迭代次数是否达到预设的最大迭代次数kmax；
若是，则将最后一次迭代过程中得到的新的种群对应的解作为对应的分发方案；
否则，将所述新的种群作为初始种群，迭代次数加1，并返回s2。
可选的，在所述对重置变异处理得到的染色体进行更新操作之前，所述方法还包括：
对重置变异处理后的染色体上基因对应的分发与传递属性是否满足对应的预设约束条件；
若是，则执行所述更新操作；
否则，对重置变异处理后染色体的适应度函数值进行调整后执行所述更新操作。
可选的，所述对交叉操作得到的染色体进行重置变异处理，包括：
生成一个介于0和1之间的随机数，若所述随机数小于预设的变异概率，则根据所述初始解的生成方法生成一条染色体；
在子代群体中随机选择一条染色体，并用根据所述初始解的生成的染色体替代随机选择的染色体，其他染色体保持不变。
可选的，所述预规划模型的目标函数为：
和/或，所述重规划模型的目标函数为：
式中，f1为所有待分发任务信息的权重值之和；t表示任意一个待分发信息；tb表示三级任务信息集合；tc表示二级任务信息集合；td表示一级任务信息集合，所述一级任务信息的重要程度低于所述二级任务信息；决策变量
可选的，所述预设约束条件包括：
ett≤lt,t∈t
ett≥et,t∈t
ett-stt≤d,t∈t
式中，ett表示待分发信息t实际到达信息宿的时刻；stt表示待分发信息t从信息源实际开始分发时刻；v＝{1,2,…,m}表示通信网络拓扑中节点集合，m表示通信网络拓扑总节点数；
第二方面，本发明提供的计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述方法的步骤。
第三方面，本发明提供的计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。
(三)有益效果
本发明提供的无人机编队自适应信息分发处理方法、计算机可读存储介质和计算机设备，对于不包括强制性任务信息的任务池，采用预规划模型，然后利用求解预规划模型得到预规划方案，然后判断预规划方案是否需要进行重规划，即判断任务池中三级任务信息的收益成本是否大于扰动成本，若是，则调用重规划模型，将预规划方案作为第二初始解；对重规划模型进行求解，得到对待分发任务信息分发与传递的重规划方案；按照重规划方案对待分发任务信息进行分发与传递，以保证任务池中优先级别较高的三级任务信息和二级任务信息的总收益最大，实现对任务池中待分发任务信息的合理安排，形成最优的信息分发与传递序列。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。
图1示出了本发明一实施例中无人机编队自适应信息分发处理方法的部分流程示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
第一方面，本发明提供一种无人机编队自适应信息分发处理方法，该方法包括：
a1、针对不包括四级任务信息的任务池，调用预先建立的预规划模型；所述预规划模型的优化目标为在预设约束条件下最大化所述任务池中待分发任务信息的总权重值；
可理解的是，所述四级任务信息为强制性任务信息，所谓的强制性任务信息为在整个协同过程中具有关键作用，需要立即执行的任务信息。例如：攻击任务、侦察攻击一体化任务、火力评估任务。在执行攻击任务、侦察攻击一体化任务时，无人机将发现攻击的目标信息及拍摄到图像等信息即时传递给有人机，再由有人机下达命令指挥无人机去执行攻击打击。火力评估任务分为火力引导校射和火力打击评估。火力引导校射是利用无人机进入火力打击目标区，拍摄相应区域的图像信息，传输给指挥员协助观察弹着点、修正射击偏差量、提高火力打击精确度、降低弹药消耗。火力打击评估是指前期打击结束后，无人机进入火力打击目标区，帮助观察火力打击效果，为下步行动提供重要依据。
可理解的是，对于不包括四级任务信息的任务池中，可能包括三级任务信息、二级任务信息、一级任务信息等，其中三级任务信息为重要级任务信息，二级任务信息为一般级任务信息，一级任务信息为低优先级任务信息，四级任务信息、三级任务信息、二级任务信息、一级任务信息的重要程度依次降低。
a2、采用预设编码方法对所述待分发任务信息的分发与传递属性初始化，得到第一初始解；
a3、基于所述第一初始解，采用第一遗传算法对所述预规划模型进行求解，得到对所述待分发任务信息分发与传递的预规划方案；
a4、根据所述预规划方案，判断所述任务池中三级任务信息的收益成本是否大于扰动成本；
a5、若是，则调用预先建立的重规划模型，所述重规划模型的优化目标为在预设约束条件下最大化任务池中的三级任务信息和二级任务信息的总收益；
a6、将所述预规划方案作为第二初始解；
a7、基于所述第二初始解以及各个待分发任务信息的优先级值、收益值和扰动成本值，采用第二遗传算法对所述重规划模型进行求解，得到对所述待分发任务信息分发与传递的重规划方案；
a8、按照所述重规划方案对所述待分发任务信息进行分发与传递。
本发明提供的无人机编队自适应信息分发处理方法，对于不包括强制性任务信息的任务池，采用预规划模型，然后利用求解预规划模型得到预规划方案，然后判断预规划方案是否需要进行重规划，即判断任务池中三级任务信息的收益是否大于扰动成本，若是，则调用重规划模型，将预规划方案作为第二初始解；对重规划模型进行求解，得到对待分发任务信息分发与传递的重规划方案；按照重规划方案对待分发任务信息进行分发与传递，以保证任务池中优先级别较高的三级任务信息和二级任务信息的总收益最大，实现对任务池中待分发任务信息的合理安排，形成最优的信息分发与传递序列。
在具体实施时，若经判断获知所述任务池中三级任务信息的收益大于扰动成本，则无需调用重规划模型，而是直接按照预规划方案对所述待分发任务信息进行分发与传递即可。
为了清楚表述，下面对各式中涉及到的公式参数进行说明：
本文用有向图g(v,e,w)来表示无人机/有人机之间所有可用的通信网络拓扑，将无人机/有人机描述为通信网络拓扑中的节点，具体模型参数如下：
v＝{1,2,…,m}表示通信网络拓扑中节点集合，m表示通信网络拓扑总节点数。
e＝{<i,j>|i,j∈v,i≠j}表示有向边集合，其中<i,j>表示通信网络拓扑中节点i到节点j的有向边；
w＝{wij|i,j∈v}表示图中每条有向边的权值集合，其中wij表示节点i到节点j之间的欧式距离。
bv表示节点v所能提供的最大数据量，其中,v表示通信网络拓扑中的任一节点,v∈v；
t表示待分发信息集合，n表示集合中元素的个数，t表示任意一个待分发信息，t∈t；其中ta表示强制性任务信息，tb表示重要级信息，tc表示一般级信息，td表示低优先级信息；
[et,lt]表示待分发信息t需要在此时间窗内到达信息宿，et表示最早到达时间，lt表示最迟到达时间；
stt表示待分发信息t从信息源实际开始分发时刻，ett表示待分发信息t实际到达信息宿的时刻；
snt表示待分发信息t的实际信息源，ent表示需要接收待分发信息t的信息宿；
d表示通信网络拓扑中可接受的最大时延；
twt表示待分发信息t所需要的带宽；
nwij表示通信网络拓扑中有向边<i,j>所能承受的最大带宽；
pt表示待分发信息t的优先级，pt＝1表示低优先级任务，pt＝2表示一般级任务，pt＝3表示重要级任务，pt＝4表示中断级任务；
ht表示完成待分发信息t的任务后可获得的收益；
gt表示待分发信息t的权重值；
ct表示待分发信息t的可能产生的扰动成本；
决策变量
在具体实施时，预规划模型的目标函数可以为：
式中，f1为所有待分发任务信息的权重值之和。
在具体实施时，预规划模型的预设约束条件可以根据需要设置，例如时间窗约束、时延约束、带宽约束、信源约束、访问唯一性约束等，其中所谓的时间窗约束为强制性任务信息需在预设时间窗内完成分发传递，时延约束为所述强制性任务信息的传输时延和传播时延均不超过通信网络拓扑的最大时延，带宽约束为通信链路中同时能够传递的强制性任务信息数据量之和不超出通信网络拓扑所能承受的最大带宽，信源约束为信息源发出的强制性任务信息数据量不超出信息源的供应能力，访问唯一性约束为每个强制性任务信息只有一个信息源、每个强制性任务信息只有一个信息宿、任意一个节点转发同一个强制性任务信息的次数小于等于1。
上述约束条件可以采用下式表示：
时间窗约束：
ett≤lt,t∈t
ett≥et,t∈t
时延约束：
ett-stt≤d,t∈t
带宽约束：
信源约束：
访问唯一性约束：
另外，
在具体实施时，上述重规划模型的目标函数可以为：
z为任务池中的三级任务信息和二级任务信息的总收益。
其中，重规划模型的预设约束条件与预规划模型的预设约束条件一致。
在具体实施时，上述采用预设编码方法对所述待分发任务信息的分发与传递属性初始化得到第一初始解的具体过程可以包括：
b1、采用预设编码方法将所述预规划模型的解编码为染色体，所述染色体上包括与任务池中待分发任务信息一一对应的基因；
举例来说，将待分发信息的数量n作染色体内基因的数量，基因采用多元组的方式进行编码，m表示通信网络拓扑中的节点总数量，基本的编码方式如下：
gene＝(flag,node1,node2,...,nodem,time1,time2,…,timem，weight)
其中，flag表示待分发信息是否可被分发，node1,node2,...nodem表示待分发信息转发时经过的节点，node1表示待分发信息的信息源，nodem表示待分发信息的信息宿，time1,time2,…,timem表示待分发信息在对应节点的转发时间，time1表示待分发信息从信息源开始分发时刻，timem表示待分发信息际到达信息宿的时刻，weight为待分发任务信息的权重值。
b2、将染色体上每个基因的第一标识置为1，置为1的第一标识表征该基因对应的待分发任务信息为可被分发与传递；
可理解的是，这里的第一标识即为上述的flag，将第一标识置为1标识对应的待分发任务信息可以被分配和传递。
b3、获取各个待分发任务信息的宿节点、权重值、优先级值、收益值和扰动成本值，并针对每一个待分发任务信息随机生成一个与其宿节点不同的源节点；
可理解的是，由于宿节点与源节点不同，因此node1≠nodem。
b4、判断各个待分发任务信息是否需要转发；对于需要转发的待分发任务信息，随机生成多个不同的转发节点，形成转发路径；对于不需要转发的待分发任务信息，将其转发节点置为-1；
可理解的是，对于不需要转发的待分发任务信息，令node2＝node3＝…＝nodem-1＝-1。
可理解的是，对于需要转发的待分发任务信息，随机转发次数c<＝m-2，将随机生成的c个转发节点的编号记录至node2…,nodem-1，且保证node1≠node2≠…≠nodem。
b5、读取各个待分发任务信息的时间窗；对于每一个待分发任务信息，在所述时间窗内随机生成一个时刻点，并将该时刻点作为该待分发任务信息到达所述宿节点的时刻；对于需要转发的待分发任务信息，根据转发路径推算出待分发任务信息到达各个转发节点的时刻以及从源节点发出的时刻；对于不需要转发的待分发任务信息，推算出待分发任务信息从源节点发出的时刻，并将各个转发节点的转发时刻置为-1；
b6、将每个待分发任务信息的第一标识、源节点、转发节点、宿节点、从源节点发出的时刻、到达各个转发节点的时刻、到达所述宿节点的时刻和权重值作为该待分发任务信息的分发与传递属性，各个待分发任务信息的分发与传递属性形成第一初始解。
在具体实施时，上述所述采用第一遗传算法对所述预规划模型进行求解，或者，所述采用第二遗传算法对所述重规划模型进行求解，可以包括：
s1、设置迭代次数k的初始值为1；
s2、将对应模型的目标函数为适应度函数，计算初始种群中染色体的适应度函数值；
可理解的是，如果是对预规划模型进行求解，则对应模型是预规划模型，如果是对重规划模型进行求解，则对应的模型是重规划模型。
s3、采用轮盘赌选择法从父代群体中选择中适应度函数值最高的预设数量的染色体遗传到子代群体中；
可理解的是，所谓的轮盘赌选择法的基本思想是：各染色体被选中的概率与其适应度函数值大小成正比。根据适应度函数计算出染色体的适应度函数值fitness，计算染色体个体在种群的个体的适应度总和所占的比例relativefitness＝fitness./sum(fitness)，即为被选中遗传至下一代的概率，比值越大，则被选择遗传至下一代的概率就越大。
s4、对种群中的染色体进行两两单点交叉操作；
可理解的是，采用单点交叉方式，即随机产生一个交叉点，依次将种群中相邻两个染色体位于该点后的部分进行相互交换，生成两个新的染色体。
s5、对交叉操作得到的染色体进行重置变异处理；
s6、对重置变异处理得到的染色体进行更新操作，具体为将子代群体中适应度最低的第一预设数量的染色体和子代群体中适应度最低的第二预设数量的染色体组合，形成新的种群；
举例来说，对变异后的子代群体按适应度值的升序进行排列，取出前sonnum个染色体，对父代群体按适应度值的降序进行排列，取出后fathernum个染色体，组成新的种群。
s7、判断当前的迭代次数是否达到预设的最大迭代次数kmax；
若是，则将最后一次迭代过程中得到的新的种群对应的解作为对应的分发方案；
否则，将所述新的种群作为初始种群，迭代次数加1，并返回s2。
这里，通过对染色体进行选择、交叉、变异等操作，将得到的染色体作为第一方案。上述过程为一个迭代过程，只有迭代次数达到预设迭代次数，才会退出，系那个最后一次迭代过程中新的种群对应的解作为对应的方案
在具体实施时，在所述对重置变异处理得到的染色体进行更新操作之前，还可以执行：
对重置变异处理后的染色体上基因对应的分发与传递属性是否满足对应的预设约束条件；
若是，则执行所述更新操作；
否则，对重置变异处理后染色体的适应度函数值进行调整后执行所述更新操作。
考虑到待分发信息需要满足通信网络拓扑的带宽、时延、时间窗和信息源等约束，因此这里还对染色体进行约束校验。对于未能通过约束校验的染色体，在其适应度函数值上按需增加或减去惩罚因子，使其适应度函数值变小或变大，在选择操作中以去除不满足给定约束的染色体。
在具体实施时，对交叉操作得到的染色体进行重置变异处理可以包括：生成一个介于0和1之间的随机数，若所述随机数小于预设的变异概率，则根据所述初始解的生成方法生成一条染色体newchrom；
其中，预设的变异概率在0和1之间。
生成一个介于0和1之间的随机数，若所述随机数小于预设的变异概率，则根据所述初始解的生成方法生成一条染色体newchrom。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述方法的步骤。
本发明还提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。
综上所述，本发明提供的无人机编队自适应信息分发处理方法、计算机可读存储介质和计算机设备，对于不包括强制性任务信息的任务池，采用预规划模型，然后利用求解预规划模型得到预规划方案，然后基于预规划方案，判断所述任务池中三级任务信息的收益成本是否大于扰动成本，若基于预规划方案，三级任务信息的收益大于扰动成本，则对任务信息的分发与传递进行重规划，调用重规划模型，得到重规划方案，然后利用重规划方案对任务信息进行分发与传递，以保证任务池中优先级别较高的三级任务信息和二级任务信息的总收益最大，实现对任务池中待分发任务信息的合理安排，形成最优的信息分发与传递序列。
最后应说明的是：以上各实施例仅用以说明本发明的实施例的技术方案，而非对其限制；尽管参照前述各实施例对本发明的实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明的实施例各实施例技术方案的范围。