积分商城

最新搜索： 逆变 TLE9879 FOC 24C04中文 UCD3138 3D模型 人形机器人
您现在的位置是：首页 > 技术资料 > 基于多目标MSQPSO算法的UAVS协同任务分配
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于多目标MSQPSO算法的UAVS协同任务分配

更新时间：2019-12-24 16:30:46 大小：404K 上传用户：zhiyao6查看TA发布的资源 标签：msqpso算法uavs 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对无人机系统协同作战过程中存在多任务类型时序约束以及单目标优化决策欠佳问题,提出了一种利用多策略融合量子粒子群算法进行多目标优化的解决方法.在建立任务分配模型过程中,考虑不同类型任务的时序约束和多无人机协同约束,并抽象出无人机执行不同类型任务的能力,使模型更加符合实际作战情况.利用佳点集构造理论、变尺度混沌因子、量子变异操作与动态惯性权重对量子粒子群算法(Quantum Particle Swarm Optimization,QPSO)进行改进.最后通过采取多目标优化决策来选取相应的分配方案,仿真结果验证了所提算法的有效性与优越性.


部分文件列表

文件名 大小
基于多目标MSQPSO算法的UAVS协同任务分配.pdf 404K

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
8
第 期  
Vol． 45 No． 8  
Aug． 2017  
电
子
学
报
2017  
8
年 月  
ACTA ELECTRONICA SINICA  
MSQPSO  
基于多目标  
UAVS  
算法的  
协同任务分配  
，
，
韩博文 姚佩阳 孙 昱  
(
，
710077)  
空军工程大学信息与导航学院 陕西西安  
:
，
针对无人机系统协同作战过程中存在多任务类型时序约束以及单目标优化决策欠佳问题 提出了一种  
摘 要  
． ，  
利用多策略融合量子粒子群算法进行多目标优化的解决方法 在建立任务分配模型过程中 考虑不同类型任务的时序  
，
，
．
约束和多无人机协同约束 并抽象出无人机执行不同类型任务的能力 使模型更加符合实际作战情况 利用佳点集构  
、 、  
造理论 变尺度混沌因子 量子变异操作与动态惯性权重对量子粒子群算法  
( Quantum Particle Swarm Optimization，QP-  
SO)  
． ，  
进行改进 最后通过采取多目标优化决策来选取相应的分配方案 仿真结果验证了所提算法的有效性与优越性  
．
:
;
无人机 任务分配  
; Pareto ; ;  
多目标优化 量子粒子群 多策略融合  
关键词  
中图分类号  
:
TP301  
:
A
:
0372-2112 ( 2017) 08-1856-08  
DOI: 10． 3969 /j． issn． 0372-2112． 2017． 08． 008  
文献标识码  
文章编号  
URL: http: / /www． ejournal． org． cn  
电子学报  
UAVS Cooperative Task Allocation Based on  
Multi-objective MSQPSO Algorithm  
HAN Bo-wen，YAO Pei-yang，SUN Yu  
( Information and Navigation College，Air Force Engineering University，Xi’an，Shaanxi 710077，China)  
Abstract: Unmanned aerial vehicle system ( UAVS) cooperative combat model with temporal constraint of task type  
is insufficient making decision by single objective optimization． The multi-objective multi-strategy fusion quantum particle  
swarm optimization ( MSQPSO) algorithm was proposed． To establish the task allocation model more accord with the actual  
operation situation，adding temporal constraint of task type and multi-UAV cooperative constraint，and abstracting the various  
capabilities of UAV． The quantum particle swarm optimization was improved by good-point set theory，scale chaos factor，  
quantum mutation and dynamic inertia weight． The multi-objective optimization was adopted to make decision． The final  
simulation results verify the effectiveness and superiority of the proposed MSQPSO algorithm．  
Key words: unmanned aerial vehicle; multi-task allocation; multi-objective optimization; quantum particle swarm;  
multi-strategy fusion  
，
目标人工蜂群算法求解多目标协同任务分配问题 但两  
1
引言  
． ［12］  
者模型均未考虑任务类型的时序约束 文献 利用分  
，
近日 美军提出了利用无人机集群系统进行自主作  
，
布式拍卖算法求解任务分配问题 虽然考虑了任务类型  
，
战的构想 未来利用大规模无人机集群进行一体化作战  
，
．
［13］  
时序约束 但只是对时间的单目标优化 文献 研究了  
［1］  
．
( Un-  
已成为一种可能 任务分配作为无人机系统  
．
模糊集理论在动态任务分配中的应用 目前大部分研究  
manned Aerial Vehicle System，UAVS)  
协同作战指挥控制  
， ，  
工作 任务分配模型方面 未考虑实际作战过程任务类型  
［2 ～4］  
，
．
，
目前  
的关键技术 是近年来广大学者研究的热点  
已有的研究成果主要包括任务分配模型的建立［5］与任务  
［10］  
，
;
，
及任务时序约束 缺乏严密性 模型求解方面 往往将多  
，
目标优化问题进行加权转化为单目标优化问题 使求解  
分配模型的求解算法［6 ～9］两方面 文献  
利用粒子群  
．
，
的分配方案受到权重的主观影响 不利于综合决策  
．
， ［11］  
优化算法求解了单目标任务分配问题 文献 利用多  
，
针对以上不足 本文研究  
UAVS  
协同任务分配模型  
: 2016-09-26;  
: 2017-01-20; :  
责任编辑 孙瑶  
收稿日期  
修回日期  
:
( No． 61573017)  
基金项目 国家自然科学基金  
1857  
8
:
韩博文 基于多目标  
MSQPSO  
UAVS  
第
期
算法的  
协同任务分配  
．
，
、
U ，…，U } ，  
、
、
的设计与求解方法 首先 考虑侦察 打击和评估三种任  
且各无人机均具有侦察 打击 评估三种能  
2
N
，
务类型 将任务类型时序约束与无人机协同约束纳入  
， T = { T ，…，T } ，  
力 目标集合为 要对各目标执行侦  
1
NT  
，
模型 建立了  
UAVS  
、
、
， M = { D，A，E} ，  
协同多任务类型任务分配问题的多  
察 打击 评估三种任务 即  
则任务集合  
UAV  
C
．
，
M = { M ，…，M } ．  
因此任务分配问题可等价为  
目标优化模型 最后 提出了一种多目标多策略融合量  
1
NM  
( MSQPSO) ，  
并通过仿真算例验证了算法  
、
，
子粒子群算法  
与各目标侦察 打击与评估任务之间的对应关系 且要  
．
．
满足先侦察后打击再评估的时序约束 对应关系可用  
的有效性与优越性  
分配矩阵表示为  
2
UAVS  
协同任务分配模型设计  
，
N
UAV， U = { U ，  
集合为  
战场环境中 假设有 架  
D
1
D
A
A
E
E
x
…
…
x
x
…
…
x
x
x
x
…
…
x
x
1，1  
1，ND  
1，ND + 1  
1，ND + NA  
1，ND + NA + 1  
1，ND + NA + NE  
D
D
A
A
E
E
x
x
x
2，1  
2，ND  
2，ND + 1  
2，ND + NA  
2，ND + NA + 1  
2，ND + NA + NE  
X =  
( 1)  
D
D
A
A
E
E
x
…
x
x
…
x
x
…
x
N，1  
N，ND  
N，ND + 1  
N，ND + NA  
N，ND + NA + 1  
N，ND + NA + NE  
侦察任务  
打击任务  
评估任务  
1，  
0，  
M
任务 分配给  
U
．
略重要程度  
2． 1． 2  
j
i
( 1) : x  
中
=
;
为决策变量  
式
i，j  
{
打击收益  
M
任务 未分配给  
U
j
i
U
T
规范化的单架无人机 打击目标 的收益为  
i
j
N ，N ，N  
、
、
，N + N + N  
为侦察 打击 评估任务的数量  
D
A
E
D
A
E
A
A
t
t
C
=
(
S
ω
2
+ V /max{ V } )  
( 3)  
λ
= NM．  
，
M
i，j  
i
i，j  
j
j
为了满足时序性要求 为 中的任务设置任务  
j
NT  
∈
N
id，  
时序 设置原则  
: id(  
) ＜ id(  
) ＜ id  
侦察任务  
) ，1 ～ N  
为侦查任务  
打击任务  
A
A
A
( 3)  
:
中 λ  
= 1 －  
( 1 － x P )  
为成功摧毁 的概  
i，j i，j  
T
式
i
∏
j
(
，N + 1 ～ N + N  
i = 1  
评估任务  
为打  
D
D
D
A
A
，
x
，P  
U
T
率 其中 为打击决策变量  
为 成功摧毁 的概  
，N + N + 1 ～ N + N + N  
．
击任务  
2． 1  
为评估任务  
i，j  
i，j  
i
j
D
A
D
A
E
， P = ( 1 － d ) r ，d  
率 且  
U
T
为 打击 时被击毁的概  
i，j  
i，j  
i
i，j  
i
j
任务收益  
; r  
U
; S  
U
T
率 为 打击能力指数  
为 相对 的态势优势  
i
i
i，j  
i
j
任务收益是指成功执行任务所获取的目标价值收  
t
;
; V  
T
，
T
值 ω 为加权因子  
2
为目标 的价值 表示 的战  
． ，  
益和态势优势收益 战场环境下 目标具有一定物理价  
j
j
j
．
略重要程度  
，
，UAV  
值 并且目标的存在对战场态势优势有影响  
执行  
相应目标任务会改变战场态势 因此定义相对态势优  
． UAV  
2． 1． 3  
评估收益  
，
．
评估的目的是获取攻击目标后的毁伤效果信息  
，
势 将其改变量定义为态势优势收益  
执行不同目  
U
T
规范化的单架无人机 评估目标 的收益为  
i
j
，
标任务对战场态势优势的影响不同 即态势优势收益  
E
E
t
t
C
=
(
S
ω
3
+ V /max{ V } )  
( 4)  
λ
，
，
，
不同 若成功完成任务 则态势优势值增加 否则态势  
i，j  
i
i，j  
j
j
j
NT  
∈
N
． 、  
优势值减少 按照任务类型将收益分为侦察收益 打击  
E
E
E
( 4)  
:
中 λ  
= 1 －  
( 1 － x P )  
T
为成功获得 毁伤  
式
i
∏
i，j i，j  
j
、
，
、
收益 评估收益三种 三种类型收益与目标价值 态势  
i = 1  
E
E
，
x
，P  
U
为 获得毁  
效果的概率 其中 为评估决策变量  
UAV  
．
优势以及  
2． 1． 1  
任务类型能力指数有关  
i，j  
i，j  
i
E
， P = ( 1 － d ) z ，d  
伤效果的概率 且  
U
T
为 评估 时  
i，j  
侦察收益  
i，j  
i，j  
i
i
j
; z  
U
; S  
U
为 相对  
T
被击毁的概率 为 评估能力指数  
UAV  
．
获得目标信息量的大小 侦察  
侦察收益是指  
i
i
i，j  
i
j
t
;
; V T ，  
为目标 的价值 表  
，
的目的是确认目标类型与身份信息 减少目标不确定  
的态势优势值 ω 为加权因子  
3
j
j
T
、 示 的战略重要程度  
．
，
性 侦察收益与  
UAV  
、
侦察能力指数 被敌方击毁概率  
j
2． 2  
．
目标价值和相对态势优势有关 规范化的单架无人机  
任务执行代价  
UAV  
、
、
U
T
侦察目标 的收益为  
执行侦察 打击 评估任务所付代价主要包括  
i
j
D
D
t
t
(
)
(
威胁代价 毁伤与态势优势值降低 与资源损耗代价 时  
) ． ，UAV UAV  
执
C
=
(
S
ω
1
+ V /max{ V } )  
( 2)  
λ
i，j  
i
i，j  
j
j
j
NT  
∈
N
间等 其中  
执行任务的威胁代价可根据  
D
D
D
( 2)  
:
中 λ  
= 1 －  
( 1 － x P )  
T
为侦察 的成功概  
式
i
∏
i，j i，j  
j
行任务时被摧毁所损失的价值与相应的态势优势降低值  
i = 1  
D
D
，
U
来计算 则规范化的单架无人机 的威胁代价为  
，
x
，P  
U
T
i
率 其中 为侦察决策变量  
为 成功侦察 的概  
i，j  
i，j  
i
j
U
D
V
， P = ( 1 － d ) e ，d  
U
T
i
率 且  
为 侦察 时被击毁的概  
1
i，j  
i，j  
i
i，j  
i
j
C
= d x  
+ S  
( 5)  
i，j  
i，j i，j  
i，j  
U
(
)
max{ V }  
，e  
U
; S  
U
T
i
率 为 侦察能力指数  
为 相对 的态势优势  
i，j  
i
i
i
j
i
NT  
∈
t
U
;
; V  
T
，
T
( 5) : d  
中
T
U
; x  
; V  
值 ω 为加权因子  
1
为目标 的价值 表示 的战  
式
为 对 的毁伤概率  
为决策变量  
j
j
j
i，j  
j
i
i，j  
i

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

  • zhengdai 打赏1000.00元   3天前

    资料：STM32IAP使用说明

  • gsy幸运 打赏955.00元   3天前

    资料：STM32IAP使用说明

  • 小猫做电路 打赏855.00元   3天前

    资料：STM32IAP使用说明

  • 21ic小能手 打赏310.00元   3天前

    用户：zhengdai

  • 21ic小能手 打赏320.00元   3天前

    用户：liqiang9090

  • 21ic小能手 打赏310.00元   3天前

    用户：gsy幸运

  • 21ic小能手 打赏270.00元   3天前

    用户：jh03551

  • 21ic小能手 打赏240.00元   3天前

    用户：小猫做电路

  • 21ic小能手 打赏210.00元   3天前

    用户：w178191520

  • 21ic小能手 打赏90.00元   3天前

    用户：kkfjenui

  • 21ic小能手 打赏60.00元   3天前

    用户：liao6

  • 21ic小能手 打赏60.00元   3天前

    用户：w1966891335

  • 21ic小能手 打赏90.00元   3天前

    用户：jh0355

  • 21ic小能手 打赏30.00元   3天前

    用户：xuzhen1

  • 21ic小能手 打赏30.00元   3天前

    用户：sun2152

  • 21ic小能手 打赏50.00元   3天前

    用户：xzxbybd

  • 21ic小能手 打赏50.00元   3天前

    用户：mulanhk

  • 21ic小能手 打赏20.00元   3天前

    用户：x15580286248

  • 21ic小能手 打赏15.00元   3天前

    用户：w993263495

  • 21ic小能手 打赏30.00元   3天前

    用户：玉落彼岸

  • 21ic小能手 打赏20.00元   3天前

    用户：铁蛋锅

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号