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.     

多Agent协作环境下的任务分配

对多Agent协作环境下的任务分配机制进行了论述。在合同网的分配机制基础上,提出了一种基于合同网的改进机制———任务列表分配机制。该任务分配机制针对多Agent协作工作时面临的突发性事件,能有效地提高系统的实时处理能力和工作效率。以多机器人系统为例,应用任务列表分配机制,解决突发事件下多机器人任务的再次分配问题,满足了多机器人协调工作的实时性要求。实验和理论证明了其机制的优越性。     

针对多星多任务仿真调度的关键路径遗传算法

卫星任务规划问题的求解空间随卫星数量和目标数量的增多而快速增大,针对大规模多星多任务规划问题,提出一种基于关键路径-遗传算法的卫星任务规划分层优化方法。该方法将卫星任务规划问题分解成任务分配和单星任务处理2个子问题,其中,任务分配通过遗传算法实现,一个分配结果对应种群中的一个个体,在单星任务处理子问题中引入关键路径法,用于求解每个个体的适应度,在提高优化效率的同时,确保得到当前任务分配条件下的最大观测效益,提高算法的全局优化能力。仿真结果表明,对于给定的6组大规模卫星任务规划算例,平均任务完成率均超过了99.7%,证明了该方法具有良好的稳定性和全局搜索能力;同时,相比于已有方法,该方法在优化效率上也有大幅提高,且任务规模越大,优化效率提升越大。     

集成任务级与运动级协调的多机器人仿真系统

仿真验证是检验多机器人协调策略与算法的重要一环.为满足多种策略、算法验证的需求,研发多机器人仿真系统是必要的.为此,开发了一个集成任务级与运动级协调的多机器人仿真系统ColonySin,融入了基于合同网的任务分配和基于有限状态机的任务建模机制,为用户提供简单快捷的任务建模和分配接口.该仿真系统人机界面友好,独立于用户算法设计,能够实现多算法多任务验证功能.仿真系统的功能通过仿真实验进行了验证.     

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.     

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。     

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。     

遗传算法在卫星数传调度问题中的应用

研究了一种基于遗传算法的卫星数传混合调度算法.首先建立了卫星数传任务模型和卫星数传调度模型,提出了卫星数传可能冲突及任务执行冲突度等概念,然后对基于冲突消解的遗传算法进行了设计,并给出了基于该遗传算法的卫星数传混合调度算法.该调度算法包括三部分:一是通过确定冲突任务集来限定问题规模,以此限定了遗传算法中个体的长度;二是利用遗传算法确定出冲突任务集中每个任务分配地面资源及执行时间的次序;三是在对每个任务具体分配地面资源及执行时间时,利用了任务执行冲突度的启发式信息,以尽可能降低冲突.最后给出一个算例仿真.     

基于区块链的多无人机协同任务分配方法研究

针对多无人机系统自主协同控制缺少统一的底层技术平台和面临的单点失效、信息安全威胁等问题，提出了基于区块链技术构建协同任务规划平台的方法。以多无人机协同任务分配问题为研究对象，将合同网任务分配算法描述为智能合约，应用区块链共识算法实现系统共识，设计出一种安全高效在线实时任务分配方法。采用Hyperledger Fabric开源软件搭建了仿真实验验证系统，并以典型的海洋常规潜艇搜捕应用场景进行了仿真验证，实验结果证实了该方法的可行性和优越性。     

有人机/无人机编队协同任务分配方法

任务分配方法是任务控制过程的重要组成部分,是编队协同作战指挥策略的关键。以合同网协议(contract net protocol, CNP)和多智能体系统（multi-agent system, MAS）理论为基础,建立了有人机/无人机编队MAS结构和基于投标过程的任务分配模型,将任务优先权引入任务分配模型中,可以实现预先任务分配和执行过程中动态任务分配,保证动态环境下编队整体分配效能较优。针对作战想定进行了仿真计算,结果表明,基于CNP和MAS理论的有人机/无人机编队协同任务分配策略具有良好的预先任务分配和实时任务分配效果,能够满足编队作战任务的需要。