CN119472742A 一种基于离散粒子群的无人机集群搜救任务分配方法 （成都流体动力创新中心）

一种基于离散粒子群的无人机集群搜救任基于离散粒子群的无人机集群搜救任务分配方子和/或全局最优粒子对随机粒子进行遗传变异并生成任务分配方案，实现了任务分配高适应2个所述最优任务对生成当前时刻t的任务分配所述合法任务的集合ME被定义为：;3为用于遍历第1个任务到第个任务判断集群是否具备任务执行能力的运算，若至少存在一个任务类型为m的任务Mj，集群对第m种任务类型的执行能力任务；为用于遍历第1个任务到第k个任务判断集群u是否能够在任务的te为任务的结束执行时间；oy'(a.m)为用于遍历第1个集群到第N个集群判断任务Mj是否能够被任一集群执行的运算，若至少存在一个集群，集群具备执行任务类型为m的任务Mj的能力，则为用于遍历第1个集群到第N个集群判断任务M,在生命周期内能否被任一3.根据权利要求1所述的方法，其特征在于，所述任务对包括无效任务对和有效任务执行能力参数用于将所述无效任务对的任务价值评估为0，所述任务价值评估参数用于对4.根据权利要求3所述的方法，其特征在于，所述预设任务价值函数的表达式;务完成标志，任务未被完成时Ej=0，任务已被完成时Ej=1；cj为任务执行优先级，"4将多个所述任务价值相加，得到所述粒子矩阵的所述任务价值;局部最优粒子和/或部分所述全局最优粒子f所述任务价值总和最大的粒子矩阵；o2(·)用于对矩阵中所有非零元素的标准差运算；min(-)用于从全部任务价值总和最大的粒子矩阵中，获取任务价值间方差最小的局部最;用于对所生成的局部最优粒子进行遍历，并获取所述任务价值总和最大的粒子矩阵；o2(·)用于对矩阵中所有非零元素的标准差运算；min(-)用于从全部任务价值总和最大5;其中，(·)是将一个矩阵的部分列数据复制到另一个矩阵对应列数据所在位置的遗传将所述全局最优粒子与所述全局最优粒子的置换矩阵的逆相乘，并与;根据所述任务价值确定每个所述集群的任务价值最大的任务，并;获取在所述最优任务对的集合La中已使用的集群；根据所述已使用的集群筛选出所述备用任务对集合LP中的未被使用的集群对应的任据多个所述目标任务对更新当前时刻t的任6用贪心策略从无人机集群中依次选择执行每个最优任务目标代价最小的无人机进行任务[0006]本发明的主要目的在于提供一种基于离散粒子群的无人机集群搜救任务分配方7i是正整数且1si≤N，iS103、获取预设随机粒子模型，基于所述预设随机粒子模型生成个第一随机粒据多个所述最优任务对生成当前时刻t的任定义为所述合法任务的集合ME被定义为执行能力的集合为为用于遍历第1个任务到第个任务8时间判据，用于判断集群是否能够在任务Mj的生命周期内到达任务地点执行任务Mj；为用于遍历第1个任务到第k个任务判断集群ui是否能够在任务的生命周期te为任务的结束执行时间；oy'(a.m为用于遍历第1个集群到第N个集群判断任务Mj是否能够被任一集群执行的运述无效任务对的任务价值评估为0，所述任务价值评估参数用于对所述有效任务对进行价其中，集群具备的m种任务执行能力的集合为Af=[a;1,完成标志，任务未被完成时Ej=0，任务已被完成时Ej=1；cj为任务执行优先级，"NEXKE的有效任务价值矩阵，将每个所述任务对的任务价值作为矩阵元素填入对应的效任务价值矩阵合并生成等矩阵边长的所述任务9所述第二随机粒子，以及部分第G-1次迭代的所述局部最优粒子和/或部分所用于对本次迭代中的个寻优随机粒子进行遍历，并获取所述任务价值总和最大的粒子矩阵；o2(·)用于对矩阵中所有非零元素的标准差运算；min(-)用于从全部任务价值总和本次循环的所述全局最优粒子Rf定义为：表示计算括号中矩阵的所有元素累加和；用于对所生成的局部最优元素的标准差运算；min(-)用于从全部任务价值总和最大的粒子矩阵中，获取任务价值8(-)是将一个矩阵的部分列数据复制到另一个矩阵对应列数据所在位置的遗传运aij表示任务分配方案矩阵RO的第i行第i列的最优任务对。合La中已使用的集群；根据所述已使用的集群筛选出所述备用任务对集合LP中的未被使集群任务对集合中的任务对作为目标任务对，根据多个所述目标任务对更新当前时刻t子进行二次评估，选择其中任务价值方差最小的粒子作为最终结果确保任务分配的均衡[0022]图1是本发明实施例提供的一种基于离散粒子群的无人机集群搜救任务分配方法图2是本发明实施例提供的一种基于离散粒子群的无人机集群搜救任务分配场景在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本文于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含Optimization,PSO）是一种基于群体智能的优化算法，通过模拟自然界中群体的行为模式，能够高效地探索解空间并找到最优解。离散粒子群优化（DiscreteParticleSwarm分考虑任务需求、无人机集群特性。示例性的，有N个无人机集群组成的无人机集群集合在搜救过程中还会损耗部分无人机，集群式整体启用更符合搜救任务中冗余设计的要求，人机数量为，是一个大于或等于零的整数；2、在t时刻，集群的几何中心坐标为刻，集群u的平均飞行速度为，(·)T是矩阵转置符号，垂直于水平面向上的高度坐标；4、任务的开始执行时间和结束时间分别定义为和i是正整数且1si≤N，iS103、获取预设随机粒子模型，基于所述预设随机粒子模型生成个第一随机粒据多个所述最优任务对生成当前时刻t的任等多个因素的综合评估确定。具体可以表现为某个集群能否顺利完成某种类型的搜救任[0036]其中，预设任务价值函数用于评估当前时刻t无人机集群执行任务Mj的的效也可以是从任务代价的角度设计间接性反映任[0041]其中，粒子矩阵的阶数取完成任务价值的相关计算，并适配不同搜救场景中集群数量与任务数量不对等的特殊情小的寻优随机粒子，即每一轮迭代都会从多个寻优随机粒子中筛选出的一个局部最优粒[0043]其中，预设遗传算法用于随机从局部最优粒子和/或全局最优粒子中随机选取一局部最优粒子和/或全局最优粒子中选取部分替代第二随机粒子中的部分，从而提高寻优粒子和/或全局最优粒子中的同样数量的行或列作为第二对象，使用第二对象去替换第一任务对的任务价值，再基于多个任务对的任务价值生成NE个合法集群、KE个合法任[0048]步骤S104是基于任务价值矩阵确定每个寻优随机粒子对应的任务分配方案的任些粒子随机地与历史迭代中确定的局部最优粒子或历史循环中全局最优粒子进行基因交[0052]不同任务分配方案的总价值可能相同，例如第一任务分配方案中任务对A的任务此选择第二任务分配方案可以有效地提高整;所述合法任务的集合ME被定义为：;m种任务执行能力的集合为Af=[a;1,a;zr,aim]，当集群不具备执行第m种任务的能of(a.m)为用于遍历第1个任务到第k个任务判断集群是否具备任务执行能力的运算，若至少存在一个任务类型为m的任务Mj，集群对第m种任务类型的执行能力执行任务；为用于遍历第1个任务到第k个任务判断集群u是否能够在任务能够在任务Mj的任务完成的时间窗口内执行完毕任务oy'(a.m为用于遍历第1个集群到第N个集群判断任务Mj是否能够被任一集群为用于遍历第1个集群到第N个集群判断任务M,在生命周期内能否被任一集群执行完成的运算，若至少存在一个集群，集群执行任务的时间判据算集群在当前时刻t的位置和速度限制下到达任务地点所需的时间，结合任务的开始执行行基础性的可实施性筛选，用于识别任务对中集群所具备的任务执行能力是否与任务Mj的任务类型相对应，集群具备已完成的任务，任务未被完成时Ej=0，对应的(1-B)的值为1，资源分配中得到优先考虑；任务的剩余有效时间与代价时间之间的比值与任务价;表示矩阵的阶数，它是合法集群集合元素总数与合法任务集合元素总数中的较大值，是对角矩阵且表达式为其中，[0069]基于随机置换矩阵、单位矩阵生成预设随机粒子模型，获取随机粒子矩阵据所述NE、KE之间的差值生成为零值的补充矩阵，将所述补充矩阵与所述有效和行索引下的任务对进行计算，分别以人机集群标号和搜救任务标号作为行索引与列索;;;的所有元素累加和；用于对本次迭代中的个寻优随机粒子进行遍差运算；min(-)用于从全部任务价值总和最大的粒子矩阵中，获取任务价值间方差最小;迭代中所述局部最优粒子的随机置换矩阵；表示对矩阵与进行矩阵乘法运务价值总和最大的粒子矩阵；o2(·)用于对矩阵中所有非零元素的标准差运算；min(-)进行n次计算，以从n个寻优随机粒子中筛选出局部最优粒子，第s轮迭代产生的局部最优;复制到另一个矩阵对应列数据所在位置的遗传运算，例如8(R,RY)是一种随机将矩阵的部分列数据复制到矩阵RZ对应列数据所在位置的遗传运算。预设遗传算法的运算结果s-0时有且成立。粒子和/或全局最优粒子进行基因交叉传递实现遗传变异，在每次寻优迭代过程中利用预的局部最优粒子和本次算法运行的全局最优所述局部最优粒子和/或部分所述全局最优粒子，根据的随机的遗传变异内容，与局部最优粒子的置换矩阵和/或全局最优粒子的置换矩阵进行矩阵列数[0080]在一些实施例中，局部最优粒子也可以基于全局最优粒子和/或其他轮次的局部矩阵的逆矩阵运算，表示对矩阵与矩阵进行矩阵乘法运算，;;射矩阵相乘时，全局最优粒子Rf每列中唯一的值为1的元素会选取对应位置的矩阵元无人机集群被分配去执行距离较近且任务类型匹配的搜救任时，本发明实施例提供一种基于离散粒子群的无人机集群搜救任务分配方法，当NE大于任务对集合中的任务对作为目标任务对，根据多个所述目标任务对更新当前时刻t的任务分配方案。并生成备用任务对集合ur，表达式为其于最优任务对集合和所述备用任务对集合确定目标任务对集合Ln；LP=LausuB(Lr,La)；其中，La为所述最优任务对集合；SUB(.)是一种条件进行的集合相减运算符号，SUB(Lr,La)用于在LP中排除La中的所述最优任务对已使用的无人机集群；u是集合相加时，本发明实