多无人机模糊态势的分布式协同空战决策

针对不确定环境下的多无人机协同攻击多目标的空战问题给出了一种分析方法.首先通过分析不确定环境下的无人机空战态势,建立了多无人机模糊态势的任务分配模型.然后提出了异步一致性拍卖算法,将目标收益作为竞标的依据,给出了不确定环境下的多无人机协同攻击多目标的分布式空战决策方法.仿真结果表明,该算法在双方机群较大时能够实现快速收敛,提高了空战效率与资源利用率,且具有良好的稳定性和可扩展性.     

基于能量惩罚的多机器人任务分配优化方法

针对多机器人任务分配中存在的能量消耗不均衡问题,提出了基于能量惩罚策略的遗传算法完成任务分配与任务序列的优化过程.首先,建立多机器人任务分配的数学模型,每项任务设定不同的难度系数,以机器人完成任务所消耗的总能量为优化目标,并确定安全能量的约束条件;然后在每次迭代中通过计算每个机器人相对平均能耗的超额进行能量惩罚以寻求能...     

基于PSO算法的多巡飞器任务分配方法

为使多个巡飞器协同完成针对地面多个目标攻击任务,从巡飞器载荷较小的特点出发,基于PSO算法对其任务分配方法进行了研究.根据巡飞器两种任务介入方式的不同,分别建立了布撒方式任务分配问题模型以及陆基发射方式任务分配问题模型.根据模型的复杂程度,分别选择使用基本PSO全局优化算法以及考虑资源消耗情况下对PSO整数规划算法进行改进后的算法,求解两种任务分配问题.仿真结果表明,算法可解决任务分配问题,任务分配方法合理,适应巡飞器协同需求.     

基于市场机制的多机器人救火任务分配策略

为解决多机器人系统领域中动态分布式任务分配的问题,对多机器人合作救火任务进行研究。建立了多机器人动态环境下合作救火任务的模型,并针对任务特点提出了一种基于市场机制的任务分配策略。在出价公式的构造上同时考虑了距离、火势、时间等因素,符合救火任务动态任务分配的要求。并在自主开发的仿真试验平台上进行了仿真验证,对试验结果进行了分析。实验结果表明,该分配策略在不同工况下均能高效地实现多机器人救火任务中的动态分布式任务分配问题。     

多基地多UCAV任务分配建模及求解方法

为有效求解多基地情形下的无人作战飞机(UCAV)任务分配问题,在考虑任务收益、任务负载以及时间因素的条件下,建立了多基地多无人作战飞机的任务分配模型,并提出采用初始分配和动态分配相结合的求解方法.为提高初始任务分配问题的求解效率,将量子遗传算法融入了扩展紧致遗传算法的边缘积模块思想中,提出一种分布估计量子遗传算法(ED-QGA),用于初始全局最优分配,当出现突发动态任务时,采用合同网进行分配方案的局部调整.最后对提出模型和算法进行了仿真分析.结果表明,相比基于种群的增量学习算法和多粒度的量子遗传算法,分布估计量子遗传算法求解获得效能值分别提高了33. 4%和7. 2%,与基本合同网和扩展合同网相比,效能值分别提高了9. 2%和5%,因此能够有效提高UCAV整体作战效能.     

区域覆盖的多机协同探测任务分配策略

为满足战场环境下对兴趣区域进行覆盖探测的任务需求,提出了一种基于区域覆盖的多无人机协同探测任务分配策略。首先通过最小圆覆盖法确定无人机在兴趣区域中的目标航迹点,其次进行多机协同任务规划,在目标分配模型的基础上进一步建立时间分配模型,然后利用改进灰狼算法对任务分配模型进行求解,最终实现资源优化分配决策方案的获取。仿真结果表明,所提算法相比其他算法具有更快的收敛速度,能够更加有效地解决区域覆盖探测资源优化分配问题。     

基于多目标MQABC算法的无人机协同任务分配

针对多无人机协同任务分配问题经过单目标简化后对决策处理存在片面性和主观性等问题,提出了一种利用多目标自适应快速人工蜂群算法对其进行处理的方法.首先,建立多目标无人机协同任务分配模型;其次通过建立外部种群的约束处理技术及重置Harmonic平均距离循环策略对自适应快速人工蜂群算法(ABCSGQ)进行改进.另外通过定义自主决策准则引导多目标任务分配的方案选取.仿真实验结果表明:相比于多目标人工蜂群算法及非支配排序遗传算法,改进算法具有较好的分布性、收敛性及更高效的求解能力.     

高校教师工作分配问题的多目标模型及其应用

针对传统分配问题在实际应用中的局限性,提出了基于高校教师工作任务分配问题的新型多目标数学模型,并将多目标化为单一目标获得满意解.同时,模型中还涉及了可供教师多次选择机会的问题,并通过实例分析为高校工作任务分配者提供了行之有效的参考方案.     

城市环境下的异构多无人机层次化任务分配

针对多无人机应用于城市环境问题,设计了一种MUAV与SUAV层次化任务分配方案,并分析了MUAV对SUAV执行目标任务成功率的影响,将影响因子加入目标函数,提出了一种无人机探测范围内的层次化任务分配模型.采用连续粒子群(PSO)算法对问题进行求解,通过加入惯性权重的凹函数递减策略与将人工蜂群(ABC)算法引入到粒子群迭代环节,较好地解决粒子群算法易陷入局部最优的问题,同时提高算法收敛速度.仿真结果表明所提出的模型可以较好地解决城市环境下的多无人机层次化任务分配问题.     

两级物流服务供应链任务分配模型

在不确定需求的情况下,研究了物流服务集成商(LSI)面对多个功能物流服务提供商(FLSP)时如何进行订单任务分配的问题.结合物流服务供应链(LSSC)订单任务分配的特点,给出了基于多种物流能力的任务分配模型,考虑了LSI成本最小化、FLSP满意度最大化和惩罚强度最小化、不同能力之间尽可能匹配等条件,并给出了模型的求解方法.利用LINGO8.0软件对任务分配模型进行算例分析,探讨了不确定程度和关系成本系数对任务分配结果的影响.研究结果表明:随着不确定程度的增大,LSI的总成本将增大,FLSP的总体满意度将降低,而总体的惩罚强度将增大;LSI关系成本系数对FLSP总体满意度和惩罚强度有紧密的关系,关系成本系数越大,FLSP的总体满意度越大,惩罚强度则越小.