本发明属于多无人机协同控制技术领域,特别涉及一种利用多无人机针对大规模目标群进行目标分配的实现方法。
背景技术:
无人机具有体积小、造价低、使用方便灵活等优势,在代替人类完成危险、条件恶劣的任务中发挥着重要的作用,为了提高无人机任务完成效率,多无人机协同逐渐成为了趋势,而多无人机多目标分配问题是多无人机协同控制的重要内容之一,可以应用于灾害中的人员搜索、定位等方面,多无人机协同多目标分配是围绕总体任务需求综合考虑多种约束条件下的组合优化问题。
近年来,国内外针对多无人机协同多目标分配问题的研究广泛。在目标分配实际问题的建模方面,zengin等人围绕目标追踪问题,对多无人机协同控制与目标分配问题进行了研究,取得了较好的效果。钱艳平等人在《基于合同网的无人机协同目标分配方法》中提出了一种使用基于合同网的目标分配方法,首先建立目标分配问题的数学模型,在初始分配的基础上,使用基于合同网的目标分配方法,引入负载系数参数,通过迭代执行买卖合同与交换合同实现任务的合理分配。bertuccelli等人以多无人机以及无人机/有人机为对象,研究了动态不确定环境对多目标分配问题建模的影响,只对无人机数量小于目标数量时的情况进行了研究。shaferman等人以多无人机协同跟踪等作为任务划分,进行了多任务分配的研究,尤其适合城市环境下的目标分配问题建模,只考虑了无人机数量大于目标数量,且目标数量较少时的情况。在对目标分配问题进行求解方面,赵明等人利用航程代价矩阵优化了差分进化算法,并利用统一的编码策略执行进化过程,有效求解了目标分配问题,但在构造目标函数时,没有考虑无人机损毁的代价。符小卫等人提出了通信约束的目标分配方法,并进行了合理性验证。karaman等人利用遗传算法对复杂操作条件下任务分配问题进行了求解,但是遗传算法的早熟问题没有得到解决。这些方法没有考虑当目标群规模相对于无人机的数量以及无人机能完成的任务量来说庞大的情况下,无人机并不能执行所有任务,无法完成所有目标的任务分配,难以很好的适用与针对大规模目标群的多无人机协同目标分配。
技术实现要素:
为了克服现有技术的不足,本发明提供一种基于目标群数据处理的大规模目标分配方法,针对大规模目标群首先删除目标群中的劣解目标,获取非劣解目标的集合,然后针对该集合中的目标进行任务分配,充分利用无人机执行任务能力,更加合理的进行目标任务分配。
本发明解决其技术问题所采用的技术方案包括以下步骤:
步骤1,对无人机及目标分别编号为1,2,…,u和1,2,…,t,并输入无人机及目标的相关信息;每架无人机最多能执行的任务数量为mj,每个目标具有n维属性{γ1,γ2,…,γk,…γn},目标i对无人机j的属性值为{γ1ij,γ2ij,…,γkij,…γnij},γkij表示目标i在其第k维属性γk上对无人机j的属性值;
步骤2,归一化处理
步骤3,初始化每架无人机的非劣解目标集合
步骤4,读取目标i,判定
步骤5,删除
步骤6,判定t个目标是否全部读取,是则转到步骤7,否则转到步骤4;
步骤7,判定是否已经得到全部u架无人机的非劣解集合,是则转到步骤8;否则转到步骤3;
步骤8,按照给定的评价函数
步骤9,初始化每架无人机分配的目标个数λj=0;
步骤10,删除
步骤11,判定
步骤12,将排序后的
步骤13,判定无人机j是否达到最大执行任务能力mj,是则转到步骤14;否则转到步骤10,继续为无人机分配目标;
步骤14,判定是否所有的无人机都已经达到最大执行任务能力,是则结束任务;否则转到步骤10,继续为未达到最大执行任务能力的无人机分配目标。
所述的属性包括但不限于无人机间距离、救援所需时间和救援价值。
所述的评价函数
本发明的有益效果是:
1、经验证,本发明设计的方法能够保证无人机所执行的任务都是非劣解,为无人机分配非劣解集合中的最优目标,并且保证了所有无人机达到最大执行任务能力。
2、本发明在建模过程中,对无人机和目标的数量关系进行分析,针对多无人协同大规模目标分配问题建模时情况考虑不全面的问题,考虑删除每架无人机目标集合中的劣解目标,使模型在目标分配过程中更具有实用性。
附图说明
图1是本发明的方法流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明,本发明包括但不仅限于下述实施例。
按照本发明所提供的设计方案,一种多无人机协同大规模目标群分配方法,包含如下步骤:
步骤1:对无人机及目标分别进行编号,并输入无人机及目标的相关信息。包括:无人机数量u,目标数量t(t>>u),用1,2,…,u表示无人机编号,1,2,…,t表示目标编号。每架无人机最多能执行的任务数量为mj,每个目标具有与无人机间距离、救援所需时间、救援价值等n维属性{γ1,γ2,…,γk,…γn}(k=1,2,…,n),目标i对无人机j的属性值为{γ1ij,γ2ij,…,γkij,…γnij}(k=1,…,n;i=1,…,t;j=1,…,u),γkij表示目标i在其第k维属性γk上对无人机j的属性值。
步骤2:对于目标i在其第k维属性γk上对无人机j的属性值γkij进行归一化处理,所用到的计算公式表示为:
为方便记录,将γkij归一化处理后得到的γ′kij仍记作γkij。
步骤3:初始化每架无人机的非劣解目标集合
步骤4:读取目标i,判定
步骤5:由步骤4的判定方法,删除
步骤6:判定t个目标是否全部读取。如果全部读取,转到步骤7;否则转到步骤4。
步骤7:判定是否已经得到全部u架无人机的非劣解集合。如果是,转到步骤8;否则转到步骤3。
步骤8:按照给定的评价函数
评价函数
步骤9:初始化每架无人机分配的目标个数为0,记作
步骤10:删除
步骤11:判定
步骤12:将排序后的
步骤13:判定无人机j是否达到最大执行任务能力mj。是,转到步骤14;否,转到步骤10,继续为无人机分配目标。
步骤14:判定是否所有的无人机都已经达到最大执行任务能力。是,结束任务;否,转到步骤10,继续为未达到最大执行任务能力的无人机分配目标。
实施实例:
本实例设定共有3架无人机执行灾难救援任务,目标的数量为30,每架无人机最多可执行的任务数量为2,即u=3,t=30,mj=2且目标具有三维属性{γ1,γ2,γ3}(其中,γ1表示无人机救援该目标所获价值,由于每架无人机的执行任务能力存在差异,则不同无人机救援同一目标所获价值可能不同,γ2表示无人机与目标之间的距离(单位:千米),γ3表示无人机救援该目标的所需时间(单位:分钟))。目标对每架无人机的对应属性值设定参见表1。
步骤一:将γkij进行归一化处理。由于无人机救援目标时所获价值越大越好,救援距离越近越好,救援所需时间越小越好,所以γ1为效益型指标,γ2、γ3为成本型指标。归一化计算公式如下:
为方便记,令γ′kij记作γkij。归一化后的各属性值参见表2。
步骤二:初始化每架无人机的非劣解目标集合
步骤三:读取目标1,因为
步骤四:由步骤3的判定结果,将目标1插入
步骤五:目标尚未完全被读取,则转到步骤3,继续读取目标。
由步骤三到步骤五,得到第一架无人机的非劣解目标的集合为:
步骤六:尚未求解第2、第3架无人机的非劣解目标的集合。转到步骤3,继续求解。
最终求解到每架无人机的非劣解目标的集合分别为:
步骤七:按照评价函数
步骤八:初始化每架无人机所分配的目标数量λj=0,(j=1,2,3)。
步骤九:删除
步骤十:判断
步骤十一:目标t5最优,则将该目标分配给无人机1。从目标群中删除该目标。
步骤十二:无人机1未达到最大执行任务能力,转到步骤九,继续分配目标。
由步骤九到步骤十二,得到无人机1分配的目标为{t5,t26}。
步骤十三:因无人机2、无人机3尚未达到最大执行任务能力,故转到步骤9,继续分配目标。
无人机协同分配目标的结果方案参见表3。即无人机1救援目标t5和t26;无人机2救援目标t24和t20;无人机3救援目标t13和t7。
最终生成的目标分配方案如表3所示。
表1目标对无人机的属性值
表2目标对无人机的归一化属性值
表3无人机协同目标分配结果方案