一种无人机集群合并和分群方法

本发明属于无人机，具体涉及一种无人机集群合并和分群方法。

背景技术：

1、随着人工智能、机器人技术和数据融合技术的进步，无人机集群被广泛应用在军事和民事领域。并且随着技术的发展，无人机集群有着小型化、智能化、大规模化的趋势。尽管完全自主的大规模无人机集群是未来的发展方向，但目前人工智能技术发展有限，人机协同完全被人工智能所取代在短时间内很难发生。目前人工智能可以通过机器学习、深度学习等手段在部分领域实现无人参与。但涉及到创造性、无法给出明确定义和边界、缺乏数字化知识经验的任务，人工智能就无能为力，所以在今后一段时间里，智能机器在任务执行过程中更多起到辅助作用，最终决策依然离不开人类。对于无人机集群来说，因为其任务的复杂性和多变性，目前仍然需要有人参与决策，通过外部指令对集群进行控制，才能保证成功完成任务。对于大规模无人机集群来说，常见的工作模式是“领导者-跟随者”模式，即选择集群中的某架无人机作为领导者直接接收控制中心的指令，集群中其他的无人机则接收领导者的指令，实现整个集群在外部指令的控制下执行协同任务。

2、对于大规模无人机集群来说，因为其规模较大，在实际应用中往往无法做到同时、同地起飞。一种常见的工作方式是根据任务的需求，多个不同的小规模无人机集群异地起飞，到达指定任务地点后合并为一个大规模无人机集群开始执行任务。当任务完成之后需要返航时，或者根据任务要求需要少量无人机执行其他任务时，大规模无人机集群需要进行分群，形成多个小规模无人机集群完成降落或者继续执行其他任务。为了保证在整个过程中集群都是受外部指令控制的，合并和分群之后的集群仍然能够快速实现状态的收敛并执行协同任务，需要考虑如下问题：

3、在多个集群合并为大规模无人机集群时，由于多个领导者无人机是直接由控制中心调度，可以很快识别新的领导者并完成合并。但是集群中的跟随者无人机不具备决策能力，只能跟随领导者无人机进行行动，因此跟随者无人机并不知晓合并任务的具体要求，如果两个集群的跟随者无人机直接进行相互交互，难免会造成协同状态混乱。所以如何保证多个集群在合并时无人机状态的稳定，并快速完成合并以及状态的收敛是一个重要的问题。

4、在大规模无人机集群分成多个子集群的过程中，如何根据任务的需要并通过最少的操作、最小的能耗完成分群，具有非常重要的意义。在完成分群之后，多个不同的子集群需要快速选取出各自的新领导者，才能保证大规模集群在分群之后，各子集群仍然能够快速完成协同状态的收敛，继续执行不同的任务。

技术实现思路

1、为了克服现有技术的不足，本发明提供了一种无人机集群合并和分群方法，首先针对多集群合并问题，通过给每个无人机引入集群标号和活跃次数两个变量，使来自不同集群的无人机可以有序地根据任务的要求完成融合；针对无人机集群划分为多个子集群的问题，引入遗传算法对无人机集群的邻接矩阵进行处理，寻找割边最少的节点划分序列，断开割边两端的无人机之间的连接，即可以把集群划分为任务要求的数个子集群，随后根据每个集群中无人机的度中心性指标确定关键节点，并选其作为每个集群的新领导者无人机；本发明能够高效实现大规模无人机集群的合并与分群。

2、本发明解决其技术问题所采用的技术方案包括如下步骤：

3、步骤1：构建无人机集群模型；

4、无人机集群是由相同的无人机组成，且无人机能够相互通信，因此无人机集群的拓扑结构用无向图g＝(v,e)来表示，其中v＝{v1,v2,…,vn}表示集群中所有无人机的集合，表示无人机之间连接的集合；令表示与无向图g相关联的邻接矩阵，当aij为1时，表示无人机i和无人机j能够相互通信；当aij为0时，表示无人机j在无人机i的通信范围之外；每个无人机集群包括一个领导者和若干跟随无人机；

5、集群中每架无人机的状态表示为：

6、

7、其中xn(t)表示各种与飞行状态相关的值；

8、如果对于一个集群中所有无人机的状态都收敛到领导者无人机的状态，则判定无人机集群实现有外部控制的协同状态，即满足下式：

9、

10、其中，xl(t)表示领导者无人机的状态信息，由控制中心决定；

11、步骤2：无人机集群合并；

12、假设无人机集群m与集群n需要完成合并，并且根据控制中心的决策，合并之后的新集群的领导者为n的领导者，即集群m需要融入到集群n中，具体步骤如下：

13、步骤2-1：对于集群m中的无人机，维护集群编号g_num为m；集群n中的无人机，维护集群编号g_num为n；并且跟随无人机只接收g_num与自身相同的无人机发来的信息；设置无人机初始的活跃次数；

14、步骤2-2：当集群m和集群n的领导者接收到合并指令时，两个集群开始相互接近；

15、步骤2-3：当集群m中的跟随无人机接收到集群n中的无人机发来的消息时，由于集群标号不一致，忽略该消息；

16、步骤2-4：当集群m中的领导者接收到集群n中的无人机发来的合并消息时，改变身份为跟随者，改变g_num为n，并以消息来源的无人机作为自身的父节点，加入集群n；

17、步骤2-5：每轮迭代时，如果集群m中的跟随者接收不到领导者的状态信息，则活跃次数减1；

18、步骤2-6：当集群m中的无人机剩活跃次数降为0时，改变集群编号g_num为0，并改变自身为无领导者模式；

19、步骤2-7：当无领导者模式的无人机接收到集群n的消息时，即改变身份为跟随无人机，改变集群编号g_num为n，并以消息来源的无人机作为自身的父节点，加入集群n；

20、步骤2-8：当所有无领导者无人机都加入集群n之后，即完成集群m到集群n的合并过程；

21、步骤3：无人机集群分群；

22、步骤3-1：根据任务的要求，确定所需要的子集群的个数k以及每个集群的无人机数目限制；

23、步骤3-2：将邻接矩阵对应的节点排列表示为一个向量通过对该向量的变换来变换邻接矩阵，使用遗传算法求解最优节点排列；

24、步骤3-3：确定割边最少时的适应度函数，ec为割边集，即无向图g在划分之后两个不在同一个子集中的节点之间的连线的集合，定义如下：

25、ec＝{es,t|s∈vi,t∈vj,1≤i,j≤k,i≠j}

26、其中，es,t表示位于两个不同集群的无人机的连边，s和t分别表示位于不同无人机集群的无人机，vj表示一个无人机集群的无人机集合；

27、步骤3-4：将一个节点排列的向量视为一个染色体，初始化固定染色体数目的初始种群；

28、步骤3-5：在初始种群中，记录最大适应度值的个体；

29、步骤3-6：在初始种群中随机选取个体执行交叉和变异操作，形成新的种群；

30、步骤3-7：重复执行步骤3-4～步骤3-6；

31、步骤3-8：达到指定迭代次数，得到最优个体，即最优节点排列；

32、步骤3-9：根据最优节点排列对应的邻接矩阵，确定割边集，断开割边，完成分群；

33、步骤3-10：在分群之后的各个子集群中，根据每个节点的度的大小进行排序，选择各集群中度最大的节点作为每个集群的新领导者。

34、优选地，所述飞行状态包括无人机的速度、位置和加速度信息。

35、本发明的有益效果如下：

36、1、本发明针对多集群合并问题，通过给每个无人机引入集群标号和剩余活跃次数两个变量，使来自不同集群的无人机可以有序地根据任务的要求完成融合，实现一个集群的领导者先融合、跟随者变为无领导者再融入新集群的合并模式，保证不同的无人机集群在合并之后能够快速与新的领导者的状态达成一致，无人机集群的协同工作状态不会收到明显影响。

37、2、针对无人机集群划分为多个子集群的问题，引入遗传算法对无人机集群的邻接矩阵进行处理，寻找割边最少的节点划分序列。断开割边两端的无人机之间的连接，即可以把集群划分为任务要求的数个子集群，随后根据每个集群中无人机的度中心性指标确定关键节点，并选其作为每个集群的新领导者无人机，保证划分之后的数个子集群仍然具备根据外部的指令完成协同工作的能力。