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！

申请/专利权人：西安电子科技大学

摘要：本发明提出了一种基于自适应惩罚TAEA的无人机集群任务规划方法，实现步骤为：构建无人机集群协同搜索跟踪任务规划场景；建立无人机搜索编队搜索的多目标多约束优化问题模型；获取最优搜索任务规划方案；建立无人机搜索编队搜索和跟踪的多目标多约束优化问题模型；初始化自适应惩罚的双档案演化算法TAEA参数；对收敛性种群和多样性种群进行更新；获取无人机集群协同搜索跟踪任务规划结果。本发明通过基于自适应惩罚的双档案演化算法求解无人机集群搜索和跟踪任务规划问题，提高了任务规划效率，且通过对无人机搜索编队发现目标后建立新的任务规划问题模型进行优化，获得全局最优任务规划方案，有利于发挥无人机集群效力。

主权项：1.一种动态场景环境下基于自适应惩罚TAEA的无人机集群任务规划方法，其特征在于，包括如下步骤：1构建无人机集群协同搜索跟踪任务规划场景：构建无人机集群协同搜索跟踪任务规划场景，包括分布在地面的M个正方形网格任务区域T＝{T1,T2,...,Tm,...,TM}、分布在网格任务区域T内的K个区域目标T′＝{T1′,T2′,...,Tk′,...,TK′}、分布在空间同一水平面内的N个无人机搜索编队F＝{F1,F2,...,Fn,...,FN}和中央处理器Θ，每个网格任务区域Tm的中心点坐标、威胁因子、威胁等级参数分别为xm,ym、wm、λm，每个目标T′k的威胁因子、威胁等级参数分别为w′k、λ′k，每个无人机搜索编队Fn包括飞行速度均为的2架无人机，所有无人机搜索编队执行搜索任务的起始时刻为t0、最大飞行时间为Tmax、在每个任务区域Tm内搜索的时间为φ、任务规划时间间隔为τ，每个无人机搜索编队Fn执行一次搜索任务覆盖的任务区域的个数为L，其中，M≥100，Tm表示第m个任务区域，K≥1，Tk′表示第k个区域目标，N≥2，Fn表示第n个无人机搜索编队，L≥2；2建立无人机搜索编队搜索任务分配规划的多目标多约束优化问题模型：2a将无人机搜索编队Fn和网格任务区域Tm的分配关系作为分配决策变量assign[m,n]，并通过assign[m,n]的值确定每个无人机搜索编队Fn所分配的网格任务区域集合Τn，将无人机搜索编队执行格任务区域集合Τn的先后顺序作为顺序决策变量order[n]，然后通过order[n]对Τn中所有分配的网格任务区域进行排序，得到排序后的网格任务区域集合TnL；2b通过每个无人机搜索编队Fn的飞行速度和排序后的网格任务区域集合TnL，计算无人机搜索编队Fn完成任务区域Tnl的时刻2c建立以最小化所有网格任务区域在时间内τ的威胁值之和St的积分f1，以及最小化N个无人机搜索编队完成各自所分配L个网格任务区域的最大时间f2为目标函数，无人机搜索编队在采样时间点之间的相互距离每个无人机搜索编队Fn最大飞行时间约束c2、每个网格任务区域Tm的威胁值约束c3为约束条件的F在网格任务区域T进行搜索的任务规划多目标多约束优化问题模型Ψ1，其中：minf1minf2 c3:sm,t≤Sm,max 其中，sm,t表示t时刻每个网格任务区域Tm的威胁度，e表示自然对数底数，t为以t0为起始时刻的时间变量，t′为时间偏移量，dmin表示无人机搜索编队之间的最小安全距离，Sm,max表示网格任务区域Tm的威胁值上限值；3获取最优搜索任务分配规划方案：通过分配决策变量assign[m,n]和顺序决策变量order[n]的十进制编码方式随机产生包含个初始个体x的收敛性种群CA和多样性种群DA，并采用面向约束的双档案演化算法，通过更新CA和DA求解多目标多约束优化问题模型Ψ1，得到收敛性种群CA0和多样性种群DA0，然后从CA0的帕累托前沿面中任意选取一个个体γ1作为最优搜索任务规划方案；4建立无人机搜索编队搜索和跟踪任务分配规划的多目标多约束优化问题模型：4a中央处理器Θ选取无人机搜索编队Fμ飞向网格任务区域Tν与无人机搜索编队Fη组成无人机跟踪编队F″μη，对Fn采用搜索任务规划方案γ1对网格任务区域Tν进行搜索所发现的目标Tk′建立跟踪，剩余除Fμ和Fη的N-2个无人机搜索编队F′根据决策变量assign[m,n′]和order[n′]确定无人机搜索编队所分配网格任务区域搜索顺序，F′＝{F1′,F′2,...,F′n′,...,F′N-2}，其中，μ＝sent[n″]，sent[n″]为指派决策变量，n″∈{1,...,N}\η；4b建立以最小化所有网格任务区域和已发现目标目标T′k在时间τ内的威胁值之和St′的积分f1′、最小化N-2个无人机搜索编队完成各自所分配L个网格任务区域的最大时间f2′以及最小化无人机搜索编队Fμ到达网格任务区域Tν的时间f3′为目标函数，无人机搜索编队在采样时间点之间的相互距离d′tiF′a,F′b，以无人机搜索编队在采样时间点的相互距离的安全约束c1′、每个无人机搜索编队最大飞行时间约束c2′、每个网格任务区域Tm的威胁值约束c3′、已发现目标T′k的威胁值约束c4′为约束条件的无人机搜索编队F′和无人机跟踪编队在网格任务区域T进行搜索和跟踪的任务分配规划多目标多约束优化问题模型Ψ2，其中： minf1′minf2′minf3′ c′3:sm,t≤Sm,maxc′4:sk,t≤Sk,max其中，sk,t表示t时刻已发现目标T′k的威胁度，t″为时间偏移量，Sk,max表示已发现目标T′k威胁度上限值；5初始化自适应惩罚的双档案演化算法TAEA的参数：初始化步骤3所获取的收敛性种群CA0为收敛性种群CA的初代种群，随机产生包含个初始个体x作为多样性种群DA的初代种群,迭代次数为r，最大迭代次数为R,并令r＝0；6对收敛性种群和多样性种群进行更新：6a将第r代收敛性种群CAr和第r代多样性种群DAr合并得到种群Hmr，分别计算种群Hmr中属于CAr和DAr的非支配个体占种群Hmr的比例Pc和Pd，判断PcPd是否成立，若是，从CAr中随机选取个个体作为种群P1r，否则从DAr中随机选取个个体作为种群P1r；计算种群CAr中非支配个体所占比例PC并产生包含个随机数的向量pf，判断向量pf的第f个值pffPC是否成立，若是，从CAr中随机选取一个个体作为P2r的第f个个体，否则从DAr中随机选取一个个体作为P2r的第f个个体，P1r和P2r构成组父代个体Pr，对Pr中的每组父代个体进行均匀交叉操作得到组个体Pru，对Pru中的每组个体进行部分匹配交叉操作得到组个体Prp，并从Prp的每组个体中随机选取一个个体，构成Prhalf，然后对Prhalf中的每个个体进行均匀变异得到Prum，对Prum中的每个个体进行插入变异操作得到子代种群Qr；6b将第r代收敛性种群CAr与子代种群Qr组成种群HCr，第r代收敛性种群DAr与子代种群Qr组成种群HDr,种群HCr中的可行个体、不可行个体分别构成种群Fsr、种群Isr；6c分别通过种群HCr、种群Fsr和种群Isr对收敛性种群CAr进行更新、通过HDr对多样性种群DAr进行更新；7获取无人机集群协同搜索跟踪任务分配规划结果：判断r＝R是否成立，若是，从第r代收敛性种群CAr中的帕累托前沿面中任意选取一个个体Υ2的决策变量的取值确定的无人机搜索编队所分配的执行网格任务区域及执行搜索所分配网格任务区域的顺序和指派的搜索无人机编队作为无人机集群搜索跟踪的任务分配规划规划方案，否则，令r＝r+1，并执行步骤6。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于自适应惩罚TAEA的无人机集群任务规划方法