一种多无人机任务分配的作战管理方法

摘要

本发明提供一种多无人机任务分配的作战管理方法，具体步骤为：步骤一、根据目标个数N和任务种类的总数K，生成目标矩阵O[N×K]和任务矩阵P[N×K]；步骤二、根据无人机的个数M、目标的个数N和任务种类的总数K，生成无人机矩阵Q[N×K]，其中M≥N；步骤三、根据O[N×K]、P[N×K]以及Q[N×K]获取1个三维数组其中，该三维数组表示一种无人机、目标以及任务对应关系的无人机任务分配方案；即无人机Q(i)针对目标O(i)执行第P(i)个任务。

权利要求

1.一种多无人机任务分配的作战管理方法，其特征在于，具体步骤为：步骤一、根据目标个数N和任务种类的总数K，生成目标矩阵O[N×K]和任务矩阵P[N×K]；

本步骤的具体过程为：

A1、根据目标的个数N和任务种类的总数K，随机生成大小为N×K的一维数组X[N×K]，且X[N×K]中的每一个元素为互不相同的实数；

A2、对X[N×K]中包含的N×K个元素进行升序排序，令R(i)等于X(i)升序排序的序号，得到1个大小为N×K的一维数组R[N×K]，i＝0，1……，N×K-1；

A3、令O(i)等于R(i)对N取模，得到1个大小为N×K的一维数组O[N×K]，且当O(i)等于0时，令O(i)等于N；令P(i)等于O(i)的值在前i+1列中出现的次数，得到1个大小为N×K的一维数组P[N×K]，令O[N×K]为目标矩阵，P[N×K]为任务矩阵；

步骤二、根据无人机的个数M、目标的个数N和任务种类的总数K，生成无人机矩阵Q[N×K]，其中M≥N；

本步骤的具体过程为：

B1、根据无人机的个数M和任务种类的总数K，随机生成大小为M×K的一维数组Г[M×K]，且Г[M×K]中的每一元素为互不相同的实数；

B2、对Г[M×K]中包含的M×K个元素进行升序排序，令U(j)等于Г(j)升序排序的序号，得到1个大小为M×K的一维数组U[M×K]，j＝0，1……，M×K-1；

B3、令Q(j′)等于U(j′)对无人机的个数M取模，j′＝0，1……，N×K-1，得到1个大小为N×K的一维数组Q[N×K]，且当Q(j′)等于0时，令Q(j′)＝M；令Q[N×K]为无人机矩阵；

步 骤 三、根 据 O[N×K]、P[N×K] 以 及 Q[N×K] 获 取 1 个 三 维 数 组其中，该三维数组表示一种无人机、目标以及任务对应关系的无人机任务分配方案，根据无人机任务分配方案对无人机任务进行分配，其中三维数组中第k组元素 表示无人机Q(k)针对目标O(k)执行第P(k)个任务。

2.根据权利要求1所述的作战管理方法，其特征在于，采用步骤一到步骤三获取n个无人机任务分配方案，进一步从中选取可行方案；

所述从中选取可行方案的具体过程为：

针对每一个无人机任务分配方案判断其是否满足强约束条件，当寻找到第一组满足强约束条件的无人机任务分配方案时，将其记为可行方案，根据可行方案对无人机任务进行分配；其中，所述强约束包括特定的无人机只能执行任务集合中与自身能力相符合的任务。

3.根据权利要求1所述作战管理方法，其特征在于，采用步骤一到步骤三获取n个无人机任务分配方案，进一步从中选取最优方案；

所述从中选取最优方案的具体过程为：

步骤201、针对每一个无人机任务分配方案判断其是否满足强约束条件，获取所有满足约束条件的无人机任务分配方案将其记为可行方案；

步骤202、计算出步骤201中获得的所有可行方案的完成时间，计算所有可行方案的总收益；

步骤203、根据上述获取的完成时间以及总效益，利用基于粒子群算法的帕累托法则求出多组方案，并根据需求从多组方案中获取最优方案，根据最优方案对无人机任务进行分配。

4.根据权利要求3所述作战管理方法，其特征在于，所述步骤202进一步判断所有可行任务分配方案是否违反弱约束；其中所述的弱约束包括在目标上执行一个指定任务的无人机不超过一个；

所述步骤203为根据上述获取的完成时间、总效益以及违反弱约束的个数，利用基于粒子群算法的帕累托法则求出多组方案，并根据需求从多组方案中获取最优方案，根据最优方案对无人机任务进行分配。

5.根据权利要求2、3或4所述作战管理方法，其特征在于，所述强约束进一步包括当无人机对目标执行的任务之间存在先后的顺序，则任务分配方案必须满足任务执行过程的先后顺序，否则为不可行方案。

说明书

一种多无人机任务分配的作战管理方法

技术领域

[0001] 本发明涉及一种多无人机任务分配的作战管理方法，属于智能技术领域。

背景技术

[0002] 20世纪90年代以来，世界新军事变革导致作战形态发生巨大变化，未来战争将是陆、海、空、天多维立体化的战争，由于无人机所独具的众多优势，使得研究多无人机任务分配的指挥管理方法具有更加重要的意义。

[0003] 目前，国内外学者在多无人机任务分配的作战管理方法方面己作了大量的研究工作，并取得了显著成果，但还存在一些关键问题有待解决，主要表现在以下几个方面：第一，对复杂作战任务和约束处理的支持能力不足；现有作战任务不仅包括独立任务，即仅与其本身约束有关的任务，而且包括协同任务，即相互之间存在时间或功能约束的任务。目前许多研究都假设各无人机执行的是相互独立的任务，忽略了无人机之间作战的相互协同性。第二，对异构无人机协同作战的研究不足；目前关于多无人机协同作战的研究主要集中在同类或相同无人机的任务分配上，但对于执行任务能力、飞行载荷等参数不同的异构无人机在执行任务分配缺乏深入研究，不能充分发挥多机协同作战的整体优势。

发明内容

[0004] 本发明提供一种多无人机任务分配的作战管理方法，该方法能够实现对异构无人机任务的分配，且可支持复杂作战任务和约束处理。

[0005] 实现本发明的技术方案如下：

[0006] 一种多无人机任务分配的作战管理方法，具体步骤为：

[0007] 步骤一、根据目标个数N和任务种类的总数K，生成目标矩阵O[N×K]和任务矩阵P[N×K]；

[0008] 本步骤的具体过程为：

[0009] A1、根据目标的个数N和任务种类的总数K，随机生成大小为N×K的一维数组X[N×K]，且X[N×K]中的每一个元素为互不相同的实数；

[0010] A2、对X[N×K]中包含的N×K个元素进行升序排序，令R(i)等于X(i)升序排序的序号，得到1个大小为N×K的一维数组R[N×K]，i＝0，1……，N×K-1；

[0011] A3、令O(i)等于R(i)对N取模，得到1个大小为N×K的一维数组O[N×K]，且当O(i)等于0时，令O(i)等于N；令P(i)等于O(i)的值在前i+1列中出现的次数，得到1个大小为N×K的一维数组P[N×K]，令O[N×K]为目标矩阵，P[N×K]为任务矩阵；

[0012] 步骤二、根据无人机的个数M、目标的个数N和任务种类的总数K，生成无人机矩阵Q[N×K]，其中M≥N；

[0013] 本步骤的具体过程为：

[0014] B1、根据无人机的个数M和任务种类的总数K，随机生成大小为M×K的一维数组Γ[M×K]，且Γ[M×K]中的每一元素为互不相同的实数；

[0015] B2、对Γ[M×K]中包含的M×K个元素进行升序排序，令U(j)等于Γ(j)升序排序的序号，得到1个大小为M×K的一维数组U[M×K]，j＝0，1……，M×K-1；

[0016] B3、令Q(j′)等于U(j′)对无人机的个数M取模，j′＝0，1……，N×K-1，得到1个大小为N×K的一维数组Q[N×K]，且当Q(j′)等于0时，令Q(j′)＝M；令Q[N×K]为无人机矩阵；

[0017] 步 骤 三、根 据 O[N×K]、P[N×K] 以 及 Q[N×K]获 取 1个 三 维 数 组其中，该三维数组表示一种无人机、目标以及任务对应关系的无人机任务分配方案，根据无人机任务分配方案对无人机任务进行分配，其中三维数组中第k组元素 表示无人机Q(k)针对目标O(k)执行
第P(k)个任务。

[0018] 本发明采用步骤一到步骤三获取n个无人机任务分配方案，进一步从中选取可行方案；

[0019] 所述从中选取可行方案的具体过程为：

[0020] 针对每一个无人机任务分配方案判断其是否满足强约束条件，当寻找到第一组满足强约束条件的无人机任务分配方案时，将其记为可行方案，根据可行方案对无人机任务进行分配；其中，所述强约束包括特定的无人机只能执行任务集合中与自身能力相符合的任务。

[0021] 本发明采用步骤一到步骤三获取n个无人机任务分配方案，进一步从中选取最优方案；

[0022] 所述从中选取最优方案的具体过程为：

[0023] 步骤201、针对每一个无人机任务分配方案判断其是否满足强约束条件，获取所有满足约束条件的无人机任务分配方案将其记为可行方案；

[0024] 步骤202、计算出步骤204中获得的所有可行方案的完成时间，计算所有可行方案的总收益；

[0025] 步骤203、根据上述获取的完成时间以及总效益，利用基于粒子群算法的帕累托法则求出多组方案，并根据需求从多组方案中获取最优方案，根据最优方案对无人机任务进行分配。

[0026] 本发明所述步骤202进一步判断所有可行任务分配方案是否违反弱约束；其中所述的弱约束包括在目标上执行一个指定任务的无人机不超过一个；

[0027] 所述步骤203为根据上述获取的完成时间、总效益以及违反弱约束的个数，利用基于粒子群算法的帕累托法则求出多组方案，并根据需求从多组方案中获取最优方案，根据最优方案对无人机任务进行分配。

[0028] 本发明所述强约束进一步包括当无人机对目标执行的任务之间存在先后的顺序，则任务分配方案必须满足任务执行过程的先后顺序，否则为不可行方案。

[0029] 有益效果

[0030] 本发明根据无人机的个数M、目标的个数N和任务种类的总数K，随机生成多组无人机与目标以及任务的对应关系的、无人机可以相互协同工作的任务分配方案；并进一步针对异构无人机建立约束条件，并根据约束条件选取可行任务分配方案。

[0031] 其次，本发明进一步根据完成时间、总效益以及违反弱约束的个数，利用基于粒子群算法的帕累托法则(Pareto principle)求出多组方案，并根据需求从多组方案中获取最优方案，因此可以提高工作效率，且所选取的技术方案可以满足工作的需要。

附图说明

[0032] 图1为本发明生成一种作战管理方法的流程图。

[0033] 图2为本发明生成最优任务分配方案的方法的流程图。

具体实施方式

[0034] 下面结合附图和实施例对本发明做进一步说明：

[0035] 一种多无人机任务分配的作战管理方法，如图1所示，具体步骤为：

[0036] 步骤一、根据目标个数N和任务种类的总数K，生成目标矩阵O[N×K]和任务矩阵P[N×K]；

[0037] 本步骤的具体过程为：

[0038] A1、根据目标的个数N和任务种类的总数K，随机生成大小为N×K的一维数组X[N×K]，且X[N×K]中的每一个元素为互不相同的实数；

[0039] A2、对X[N×K]中包含的N×K个元素进行升序排序，令R(i)等于X(i)升序排序的序号，得到1个大小为N×K的一维数组R[N×K]，i＝0，1……N×K-1；

[0040] A3、令O(i)等于R(i)对N取模，得到1个大小为N×K的一维数组O[N×K]；且当O(i)等于0时，令O(i)等于N；令P(i)等于O(i)的值在前i+1列中出现的次数，得到1个大小为N×K的一维数组P[N×K]，令O[N×K]为目标矩阵，P[N×K]为任务矩阵。

[0041] 下面列举一实例对本步骤进行详细说明：

[0042] 例如，取N＝2，K＝3；

[0043] A1、根据目标的个数2和任务种类的总数3，生成1组包含6个不同实数的一维数组X[6]＝{12.31，10.34，55.81，19.55，43.6，32.58}，如表1中第一行所示。

[0044] A2、将一维数组X[6]中包含的6个元素进行升序排序，如X(0)＝12.31，其对应的升序排序的序号为5，X(1)＝10.34，其对应的升序排序的序号为6；令R(i)等于X(i)升序排序的序号，则得到1个大小为6的一维数组R[6]＝{5，6，1，4，2，3}，其中i＝0，1……5；如表1中第二行所示；

[0045] A3、令O(i)等于R(i)对2取模，且当O(i)等于0时，令O(i)等于N；如R(0)＝5，则O(0)等于5对2取模，即O(0)＝1，得到1个大小为6的一维数组O[6]，即O[6]＝{1，2，1，2，2，1}，如表1中第三行所示。

[0046] 令P(i)等于O(i)在前i+1列中出现的次数，如O(4)＝2在前5列中出现了3次，则此时P(4)＝3，得到1个大小为6的一维数组P[6]＝(1，1，2，2，3，3)，如表1中第四行所示。

[0047] 表1.目标任务序阵列编码

[0048]

[0049] 其中，令O[6]表示任务目标矩阵，P[6]表示任务矩阵，以表1中第3列为例，其中O(2)＝1，P(2)＝2，则第3列表示对第1个目标执行第2个任务。表1所表示的执行任务的关系为：O(0)＝1，P(0)＝1，则对第1个目标执行第1个任务；O(1)＝2，P(1)＝1，对第2个目标执行第1个任务，依次类推。

[0050] 步骤二、根据无人机的个数M、目标的个数N和任务种类的总数K，生成无人机矩阵Q[N×K]，其中M≥N；

[0051] 本步骤的具体过程为：

[0052] B1、根据无人机的个数M和任务种类的总数K，随机生成大小为M×K的一维数组Γ[M×K]，且Γ[M×K]中的每一元素为互不相同的实数；

[0053] B2、对Γ[M×K]中包含的M×K个元素进行升序排序，令U(j)等于Γ(j)升序排序的序号，得到1个大小为M×K的一维数组Ul[M×K]，j＝0，1……M×K-1；

[0054] B3、令Q(j′)等于U(j′)对无人机的个数M取模，j′＝0，1……N×K-1，得到1个大小为N×K的一维数组Q[N×K]，且当Q(j′)等于0时，令Q(j′)＝M；令Q[N×K]为无人机矩阵。

[0055] 例如，M＝3，K＝3，N＝2；

[0056] B1、根据无人机的个数3和任务种类的总数3，生成1组包含9个不同实数的一维数组Γ[9]＝{14.31，9.34，26.79，25.81，49.55，38.42，63.6，56.27，32.58}，如表2中第1行所示。

[0057] B2、将一维数组Γ[9]中的9个元素进行升序排序，如Γ(0)＝14.31，其对应的升序排序的序号为8，Γ(4)＝49.55，其对应的升序排序的序号为3，令U(j)等于Γ(j)升序排序的序号，则得到1个大小为9的一维数组U[9]＝{8，9，6，7，3，4，1，2，5}，其中，j＝0，1，2…8；如表2中第2行所示。

[0058] B3、令Q(j′)等于U(j′)对无人机的个数3取模，j′＝0，1…5，如U(0，0)等于8对3取模，即Q(0，0)＝2，得到个大小为6的一维数组Q[6]，且当Q(j′)等于0时，令Q(j′)＝M；即Q[6]＝{2，3，1，3，1，2}；如表2中第3行所示。

[0059] 表2.无人机任务序列阵列编码

[0060]Γ1[9] 14.31 9.34 26.79 25.81 49.55 38.42 63.6 56.27 32.58
U1[9] 8 9 6 7 3 4 1 2 5
Q1[6] 2 3 1 3 1 2

[0061] 步 骤 三、根 据 O[N×K]、P[N×K] 以 及 Q[N×K]获 取 1个 三 维 数 组其中，该三维数组表示一种无人机、目标以及任务对应关系的无人机任务分配方案；即无人机Q(i)针对目标O(i)执行第P(i)个任务。

[0062] 例如，所述的三维数组如表3所示。

[0063] 表3.无人机任务分配方案

[0064]O1[6] 1 2 1 2 2 1
P1[6] 1 1 2 2 3 3
Q1[6] 2 3 1 3 1 2

[0065] 其中，O1[6]表示目标矩阵，P1[6]表示任务矩阵，Q1[6]表示无人机矩阵，在该任务分配方案中，如表第2列表示利用第2个无人机对第1个执行第1个任务，如表第3列表示利用第3个无人机对第2个执行第1个任务，以此类推。

[0066] 本发明的另一实施方案为：

[0067] 采用步骤一到步骤三获取n个无人机任务分配方案，进一步从中选取可行方案；

[0068] 所述从中选取可行方案的具体过程为：

[0069] 针对每一个无人机任务分配方案判断其是否满足强约束条件，当寻找到第一组满足强约束条件的无人机任务分配方案时，将其记为可行方案，根据可行方案对无人机任务进行分配；其中，所述强约束包括特定的无人机只能执行任务集合中与自身能力相符合的任务。

[0070] 上述强约束条件包括特定的无人机只能执行任务集合中与自身能力相符合的任务，当对无人机分配的任务超出其能力范围，则将此时的任务分配方式规定为不可行的任务分配方式。例如，需要对所有目标分别执行三个任务，编号为2的无人机只具备执行第一任务和第二任务的功能，当任务分配方案中令无人机2对目标3执行第3个任务，则此任务分配方案超出无人机的能力范畴，因此该方案为不可行方案。

[0071] 上述强约束条件包括当无人机对目标执行的任务之间存在先后的顺序；当需要对目标执行3个任务，且必须在第一个任务执行结束之后才可以执行第二个任务；同时，只有在已经对目标执行完第一个和第二个任务之后，才可以对目标执行第三个任务。若所述的任务分配方案中执行任务的顺序不符合上述的规定，则判定次无人机任务分配方案为不可行方案。如需要对目标执行识别、确认以及攻击三个任务的时候，无人机最多可攻击一个目标，并且在完成任务后不能再被指派去执行任何其他任务。但是如果无人机飞入一个目标执行识别任务，则可以允许对该目标执行攻击任务。

[0072] 上述强约束条件包括一个无人机最多只能离开某目标一次。

[0073] 上述强约束条件包括当对目标执行识别、确认和攻击三个任务的时候，单个无人机最多可攻击一个目标；例如，无人机需要对目标执行识别、确认以及攻击三个任务，并且三个任务之间存在执行的先后顺序，即先识别，再确认，最后执行攻击；则无人机在访问某目标执行识别或确认任务时，完成任务后无人机需离开该目标。

[0074] 本发明的另一实施方案为：

[0075] 采用步骤一到步骤三获取n个无人机任务分配方案，进一步从中选取最优方案。

[0076] 所述从中选取最优方案的具体过程为：

[0077] 步骤201、针对每一个无人机任务分配方案判断其是否满足强约束条件，获取所有满足约束条件的无人机任务分配方案将其记为可行方案。

[0078] 步骤202、计算出步骤204中获得的所有可行方案的完成时间，计算所有可行方案的总收益。

[0079] 获取完成时间T的具体的过程为：

[0080] 根据无人机与目标、目标与目标之间的距离，以及无人机和目标的运动速度，确定大小为(N+M)×N的时间矩阵T[N+M][N]，行代表目标，列是目标和无人机，矩阵里元素表示无人机从目标 到目标 的时间消耗，或者是无人机 到目标 的时间消耗，其中，由于每一个可行的任务分配方案中具体给出无人机与目标以及任务的对应关系，根据上述时间矩阵计算所有可行方案的完成时间T。

[0081] 获取总收益J具体的过程为：

[0082] 根据各目标的基准价值ξγ，以及无人机的执行任务的能力ηαβ，其中，γ为目标序号，α为无人机序号，β为任务序号，由于每一个可行的任务分配方案中具体给出无人机、目标以及任务的对应关系，根据上述ξγ和ηαβ可以计算出所有可行方案的完成所有任务获得的总收益J。

[0083] 步骤203、根据上述获取的完成时间以及总效益，利用基于粒子群算法的帕累托法则求出多组方案，并根据需求从多组方案中获取最优方案。

[0084] 本发明中可进一步判断所有可行任务分配方案是否违反弱约束；其中所述弱约束为必须在所有的目标上完成所有的任务，且每个任务只能完成一次；在目标上执行一个指定任务的无人机不超过一个；当且仅当对目标节点上先前时刻的所有任务完成后，下一个任务才能执行。

[0085] 当本发明中进一步对任务分配方案是否违反弱约束时，则根据上述获取的完成时间、总效益以及违反弱约束的个数，利用基于粒子群算法的帕累托法则(Pareto principle)求出多组方案，并根据需求从多组方案中获取最优方案。

[0086] 例如，当所需的无人机任务分配方案要求完成时间越短越好时，则可以从上述求出的多组方案中选取时间最短的一组；当所需的无人机分配方案要求总收益越大越好时，则可以从上述求出的多组方案中选取总收益最大的一组；当所需的无人机分配方案要求违背若约束越少越好时，则可以从上述求出的多组方案中选取违背若约束个数最小的一组。