买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学申请的专利一种基于群智激发联盟博弈的无人机集群任务分配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115963724B 。

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211239824.5，技术领域涉及：G05B13/04；该发明授权一种基于群智激发联盟博弈的无人机集群任务分配方法是由段海滨;王浩淼;魏晨;邓亦敏设计研发完成，并于2022-10-11向国家知识产权局提交的专利申请。

本一种基于群智激发联盟博弈的无人机集群任务分配方法在说明书摘要公布了：本发明公开一种基于群体智能联盟博弈的无人机任务分配方法，包括：步骤一：无人机动力学建模；步骤二：联盟博弈模型建模；步骤三：无人机代价函数设计；步骤四：无人机个体声誉函数设计；步骤五：个体策略更新规则设计；步骤六：无人机集群任务分配模型及输出。本发明针对无人机任务分配问题中分布式协调控制的要求，提出了一种基于改进势对策的任务分配方法。首先，将任务分配问题描述为联合编队博弈模型，设计了无人机的个体和全局收益函数；其次，利用改进的SAP算法对博弈模型进行优化求解。仿真结果表明，该方法在有限时间内具有较好的分配均衡度和任务受益度优势，验证了该方法的有效性。

本发明授权一种基于群智激发联盟博弈的无人机集群任务分配方法在权利要求书中公布了：1.一种基于群智激发联盟博弈的无人机集群任务分配方法，其特征在于：该方法步骤如下： 步骤一：无人机动力学建模 在惯性坐标系XgYgZg下，建立无人机动力学模型；假设无人机已经装有关于速度、航向和高度控制的自动驾驶仪，对无人机3自由度非线性运动模型进行简化，得到以为控制输入变量， 以[xi,yi,hi,vi,ψi,λi]为状态变量的简化的无人机非线性模型，如下： 其中，N表示无人机的数量，i＝1,2,...,N；无人机水平位置和高度分别用xi,yi和hi来表示；vi表示无人机水平速度，ψi和λi分别表示无人机的航向角和高度变化率；分别表示无人机自驾仪的控制输入，τV，τψ，和τλ,τh分别表示无人机自驾仪的控制参数；此外，无人机还受到推力Ti、阻力Di、升力Li和重力mig的作用； 步骤二：联盟博弈模型建模 将任务分配问题转化为联盟博弈中的联盟分组问题，其中无人机集合为目标集合为无人机具有不同的初始速度、位置、以及携带资源；联盟划分与目标集合一一对应，定义为每一架无人机同一时刻只分配到一个任务，即 无人机i选择从集合中选择ai作为自身所选择的目标，用向量组表示任务分配的一组结果；用表示分配解a下选择目标j的一组无人机集合 进一步用Ki表示无人机i的分配目标，SKi表示无人机i所属的联盟 SKi＝{Sj∈K|Mi∈Sj}5 全局收益定义为所有任务被完成时的总收益，任务分配的最终目的在于最大化全局收益 其中，表示分配解a下目标j的支付函数；将其定义为任务收益减去任务代价；当任务未能被分配时，支付函数为忽略该目标的惩罚 其中，rj表示完成任务j收益，同时也是忽视该目标的惩罚，cij表示无人机i完成目标j的代价函数，包括时间代价和资源消耗两方面； 步骤三：无人机代价函数设计 在联盟博弈模型中，无人机的代价函数由两方面内容组成，即时间代价和资源消耗 其中，dij表示无人机i与目标j之间的距离，ω1,ω2,εt,εe分别表示权重系数； 从而得到无人机的个体收益函数 其中，|Sj|表示联盟Sj中的无人机数量； 当个体收益函数达到最优解时，所有个体均实现了最优分配，给定该分配组合中其他个体的分配结果不变，任何个体都没有激励单方面改变自己的目标，即达到纳什均衡 步骤四：无人机个体声誉函数设计 为了调控无人机的合作行为，根据无人机在任务中贡献的资源量，为每个无人机定义了累积合作信用；假设所有无人机都具有相等的初始信用 每一时刻，对无人机的累积声誉进行更新 其中声誉变化量定义为 其中rj表示任务j的收益，ai表示无人机的相对资源贡献量 对无人机的累计信誉进行归一化处理 其中， 分别为当前时刻个体声誉的最大和最小值；每一时刻个体声誉的范围为[0,1]，个体当前时刻声誉将对未来组成联盟产生影响，当声誉低于某一阈值ηc时，无人机被视为低价值的合作对象，将难以参与到联盟组成中； 所述步骤一进一步包括：考虑到无人机的运动特性，对其速度、航向角和高度变化率进行相应的约束，如下： 其中，vmin,vmax分别表示无人机速度的最小值和最大值，nmax表示无人机的法向过载，λmin,λmax分别表示无人机高度变化率的最小值和最大值； 步骤五：个体策略更新规则设计 在联盟博弈模型中，个体的策略即为选择的目标，空间博弈自适应学习算法，具有每次迭代过程随机等概率地选择更新目标个体的特点，被选中的无人机Mi根据下式计算其任务选择概率 其中，σ·为logit概率函数 引入了周期性自适应选择机制，每架无人机在一个周期内按编号顺序进行策略更新； 同时，为了加快算法的收敛速度，在个体更新任务时增加了基于邻居信息和历史信息的参考；如果更新后的个体收益低于邻居最优解或历史最优解，无人机将放弃任务更新，并随机选择新的任务更新 其中，表示无人机邻居最高收益或历史最高收益； 步骤六：无人机集群任务分配模型及输出；采用比例导引法作为航路规划的控制律，相对运动方程： 其中，r代表了无人机和目标的相对距离，无人机和目标的连线称为目标视线；q代表了目标视线与攻击平面内某一基准线的夹角，称为目标视线方位角；V代表无人机运动速度；σ代表速度和基准线的夹角；η代表速度和目标视线的夹角，即无人机前置角；在航路规划中主要考虑时间一致性的约束，即协同航行时间大于同一联盟内部的所有无人机的期望到达时间，以保证所有无人机在相同时间内到达目标：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。