复杂环境中多无人机协同侦察的任务分配方法

现有多无人机协同规划方法往往将航迹规划与任务分配拆开单独解决,导致在复杂环境下协同方案并不是最佳。建立多无人机协同侦察异构目标的代价矩阵,针对复杂环境中多种障碍约束和无人机运动及航迹特点,以改进的PSO-AFSA（Particle Swarm Optimization-Artificial Fish Swarms Algorithm）求解单无人机航迹规划模型,利用匈牙利算法完成各架无人机侦察任务协同分配。仿真结果表明：该算法能使单无人机航程更短且航迹更光滑的同时,实现与任务协同分配紧耦合,使无人机集群总航程的全局总代价最低,提高了任务分配合理性。     

基于改进粒子群算法的多UCAV任务分配仿真研究

针对多无人作战飞机(UCAV)协同任务分配问题,提出了一种基于改进粒子群算法的任务分配方法.分析了影响任务分配的关键战技指标,考虑单架UCAV任务载荷限制的情况,建立了对地攻击任务背景下多UCAV协同任务分配模型.采用连续粒子群算法对问题进行求解,建立离散问题空间与连续粒子运动空间映射,通过位置饱和策略及买卖合同机制有效地解决多约束条件下粒于寻优.最后通过仿真实验,对模型和算法的有效性进行了验证.     

基于MAS的多UAV协同任务分配设计与仿真

对多无人机UAV（Uninhabited Aerial Vehicle）协同任务问题,提出了基于多智能体系统MAS（Multi-Agent System）的系统框架;对多UAV协同目标分配问题建立了数学模型,提出基于Agent的分布协同拍卖的动态任务分配算法,通过多Agent拍卖实现目标分配;建立了多UAV仿真系统,基于HLA/RTI和知识共享与操作语言KQML（Knowledge Queryand Manipulate Language）实现多UAV系统中各Agent的交互;仿真系统能方便有效的仿真多机协同问题,对目标分配问题的仿真结果表明,目标分配算法具有良好的优化效果和时间特性,能够满足一般战场的实时性需求。     

基于D-NSGA-Ⅲ算法的无人机群高维多目标任务分配方法

随着人工智能技术的快速发展, 种类繁多的无人机在军事领域得到了广泛应用。受单平台资源配备和执行能力限制, 大多数复杂任务需由多个无人机协同完成, 最优任务分配是其中需解决的重点和难点问题之一。最优任务分配方案求解问题已被证明是一个NP难问题, 针对多无人机系统的组织架构, 将非支配排序遗传算法与岛屿模型、主从模型结合, 构建一种分布式高维多目标演化算法D-NAGA-Ⅲ并对实际应用场景中4个目标进行优化, 并引入迁移策略和贪心算法对任务分配方案进行局部提升, 提高算法寻优能力和解质量。实验结果表明: 该方法在求解高维多目标的分布式无人机任务分配问题方面具有一定的效果。     

面向应急对地观测任务的多飞艇协同分配方法

应急条件下多飞艇协同任务分配是一个重要而极具前景的研究课题,对提高飞艇观测效能起着至关重要的作用。针对多飞艇协同任务分配问题,设计了一种基于Agent双向招标的改进合同网协同机制,详细解释了双向招标的方法和标值计算的启发式规则。针对应急观测任务的高时效性特点,建立了一个多目标约束满足优化模型,并提出一种针对批量动态任务的快速分配算法--动态自适应协同任务分配算法(dynamical flexible collaborative algorithm,DFCA)。大量模拟实验结果表明,该算法能够在很短的时间内获得较好的任务分配方案,具有较高的任务完成率和权值收益率。     

资源约束的拼件维修模型与粒子群求解算法

为了获得最优的装备作战单元的拼件维修方案与任务分配方案, 建立了一种同时优化拼件维修方案与任务分配方案的非线性规划模型, 模型中同时考虑了不同任务对武器系统的具体需求、武器系统的客观情况、维修资源约束, 可以最大化地协调任务、装备群与维修资源之间的矛盾, 所以更加贴合实际. 设计了基于粒子群算法的求解算法, 包括算法框架、粒子的表示、初始化、适应度函数、更新方法等. 最后, 应用该粒子群算法对具体实例进行了求解, 分析表明模型与算法可以有效地优化任务分配方案与拼件维修方案, 提高装备作战单元任务成功概率, 为决策者制定决策提供指导.     

基于集合覆盖理论的Agent协作问题研究

多智能Agent系统中的协作体现多Agent系统(MAS)的灵活性、整体性,通过协作提高Agent群体完成任务的效率.将集合覆盖理论(SCP)引入MAS系统协作行为中的任务分配问题求解,使用改进的低logarithmic ratio bound集合覆盖理论求解方法,详细阐述了利用SCP理论求解Agent任务分配问题的算法,并根据一个战场作战Agent任务分配实例进行了计算,有效地解决战场作战Agent的任务分配问题.     

多任务执行中无人机行动联盟形成模型及算法

针对多无人机(unmanned aerial vehicle, UAV)多任务执行问题,开展基于行动联盟的任务执行策略研究。分析了无人机行动联盟形成 (UAV action coalition formation, UACF) 策略的约束条件,建立了以最小化任务完成时间为目标函数的数学模型;设计了求解该模型的分阶段贪心规划算法 (phased greedy planning algorithm, PGPA),在进行算法状态空间描述的基础上,给出了包括任务选取、无人机〖CD*2〗任务匹配和资源分发策略等在内的算法流程;最后,通过多组仿真实验,验证了算法的有效性和优越性。     

多星成像调度问题基于分解的优化算法

提出了一种求解多星成像调度问题的基于分解的优化算法,将问题分解为任务分配主问题与单星成像调度子问题.任务分配主问题生成不同卫星的任务分配方案,单星成像调度子问题则根据分配的任务进行优化,生成每颗卫星的成像调度方案.采用自适应的蚁群算法求解任务分配主问题,通过自适应参数调整策略及信息素平滑策略,实现全局搜索和快速收敛间的平衡.采用启发式算法及快速模拟退火算法求解单星成像调度子问题,通过综合多颗卫星的调度结果, 可以对任务分配方案进行评价,引导蚁群算法搜索优化的任务分配方案,最终得到多颗卫星的成像调度方案. 大规模测试算例验证了算法的效率.     

基于细菌觅食算法的多异构无人机任务规划

针对多无人机任务规划问题, 以细菌觅食算法为基础, 融合遗传算法的交叉变异操作, 进行任务分配。为了提高算法的收敛能力, 动态自适应调节算法的游动步长、繁殖次数和迁徙概率。基于Lyapunov导航向量场和避障向量场构建融合向量场, 模拟真实静态和动态障碍物环境, 在任务分配阶段完成航迹规划; 基于合同网拍卖算法, 进行无人机坠毁后的任务重分配。仿真结果显示, 改进算法满足任务规划需求, 在考虑静态和动态障碍物的环境下, 能够高效的完成多异构无人机的任务分配以及重分配且总代价最小。