多无人机协同多目标分配方法与流程

技术特征：

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，v_u～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)＝w₁α₁d_sum+w₂α₂t_sum+w₃th_sum，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：

$p_u=\left\{\begin{array}{c}\exp (-\frac{{(R-R_0)}^2}{2b^2}),R\&le;{r_{radar}}^{\max }\\ 0,R\&gt;{r_{radar}}^{\max }\end{array}\right.$，

其中，p_u表示第u架无人机损毁概率，r_radar^max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。