1.一种多无人机协同多目标分配方法,其特征在于:包含如下步骤:
步骤1、对多个无人机和多个目标分别进行编号,分别用1,2,…,U表示无人机编号,1,2,…,T进行表示目标编号,其中,U表示无人机数量,T表示目标数量;
步骤2、根据U和T的大小关系及无人机飞行代价参数,构建飞行代价模型F(x),其中,U和T的大小关系包含:U>T,U=T和U<T三种情形,无人机飞行代价参数包含:航程代价、执行时间代价、损毁代价;
步骤3、使用启发式遗传算法对飞行代价模型进行优化求解,直到满足优化目标。
2.根据权利要求1所述的多无人机协同多目标分配方法,其特征在于:所述步骤2具体包含如下内容:
步骤2.1、航程代价表示为:其中,u~v表示无人机组,i~j表示目标组,d(u~v,i~j)表示航线长度;
执行时间代价表示为:其中,t(u~v,i~j)表示某架无人机或无人机组飞行的时间,满足:
其中,vu~v表示无人机飞行速度;
损毁代价表示为:其中,p(u~v,i~j)表示某架无人机或无人机组的损毁概率,x(u~v,i~j)是决策变量,决策变量x(u~v,i~j)决定无人机与目标数量之间的大小关系;
步骤2.2、构建的飞行代价模型表示为:
F(x)=w1α1dsum+w2α2tsum+w3thsum,其中,w1,w2,w3分别对应航程代价、执行时间代价、损毁代价的权重因子,且满足w1+w2+w3=1,w1,w2,w3都是0~1内的实数,α1,α2分别对应航程代价和执行时间代价的比例缩放因子。
3.根据权利要求2所述的多无人机协同多目标分配方法,其特征在于:所述步骤2.1中的决策变量x(u~v,i~j),分以下三种情况:
1)U=T时,为无人机与目标之间一对一的情况,满足x(u~v,i~j)=x(u,i),得到
2)U>T时,为一架无人机只是对应一个目标,且存在一个目标分配多架无人机的情况,满足x(u~v,i~j)=x(u~v,i),对于任意的无人机或无人机组,都有其中,无人机组为分配给同一个目标的多架无人机;
3)U<T时,为一个目标只是对应一架无人机,且存在一架无人机分配多个目标的情况,满足x(u~v,i~j)=x(u,i~j),对于任意的目标或目标组,都有其中,目标组为分配给同一架无人机的多个目标。
4.根据权利要求2所述的多无人机协同多目标分配方法,其特征在于:所述步骤2.1中的损毁概率计算公式表示为:
其中,pu表示第u架无人机损毁概率,rradarmax表示飞行区内雷达的有效作用半径,R表示无人机和雷达中心点之间的实时距离,R0和b的计算公式为:
5.根据权利要求4所述的多无人机协同多目标分配方法,其特征在于:当无人机飞经多个雷达存在的区域时,分别计算各个雷达情况下无人机损毁概率,再进行求和。
6.根据权利要求1所述的多无人机协同多目标分配方法,其特征在于:所述步骤3具体包含如下内容:
步骤3.1、构造初始种群,其中,初始种群的一部分通过引入启发式信息得到,另一部分采用随机生成方法生成;
步骤3.2、利用罚函数法构造适应度函数;
步骤3.3、计算适应度函数值;
步骤3.4、判断是否满足优化目标,若是,则结束迭代,得到种群最佳解,进而获取最优分配方案;否则,通过罚函数排除不满足约束条件的方案,并对当前种群进行遗传操作,包括选择、交叉和变异操作,得到由变异操作构造的新种群,返回步骤3.3迭代执行,直至满足优化目标。
7.根据权利要求6所述的多无人机协同多目标分配方法,其特征在于:所述步骤3.1具体包含如下内容:以目标价值属性作为启发式信息得到初始种群,目标价值属性为根据价值得到的目标优先级,或为根据任务要求得到的目标优先级;采用随机生成方法生成初始种群,通过随机构造编码链,以无人机与目标编号分配关系表示每一种分配方案。
8.根据权利要求6所述的多无人机协同多目标分配方法,其特征在于:所述步骤3.2具体包含如下内容:通过添加惩罚项构造适应度函数,具体表示为:Fitness(x)=m-F(x)-MaxD-MaxT-Order,其中,m是界限值常数。
9.根据权利要求6所述的多无人机协同多目标分配方法,其特征在于:所述步骤3.4中对当前种群进行遗传操作,具体包含如下内容:采用比例选择法选择算子,各个个体被选中的概率与适应度大小成正比;将父代个体分成两部分,以设定交叉概率进行交叉运算,形成新的个体;当前种群为种群1,通过比较随机数与设定变异概率大小来决定是否执行变异算子,若满足变异算子执行条件,则执行变异算子后生成新的个体,形成种群2,在种群2中选择适应度最佳个体加入种群1,得到由变异操作构造的新种群,其中,随机数在(0,1)范围内取值。
10.根据权利要求6~9任一项所述的多无人机协同多目标分配方法,其特征在于:步骤3.4中判断是否满足优化目标,具体是指:判断当前迭代是否满足设定的最大迭代次数。