多UCAV协同任务分配模型及粒子群算法求解

任务分配是多无人作战飞机(UCAV)协同控制的基础.对此,分析了影响任务分配的关键战技指标,建立了针对攻击任务的多UCAV协同任务分配模型.应用连续粒子群算法对问题进行求解,建立了粒子与实际问题间的映射,通过位置饱和策略构造粒子的搜索空间,采用自适应惯性权重提高粒子群算法的收敛速度和全局寻优能力.考虑到单机的任务载荷限制,引入了买卖合同机制以实现多机任务协调.仿真结果表明,所提出模型和算法可以较好地解决多UCAV协同任务分配问题.     

多UCAV 任务分配的混合遗传算法与约束处理

针对多UCAV协同作战任务分配问题，建立了多目标整数规划模型，提出了基于整数编码的混合遗传算法．将约束分为全局约束和局部约束，根据局部约束将决策变量分为自由变量和非自由变量，仅对非自由变量进行编码，减少了染色体变化要素．设计了交叉算子和变异算子，以提高个体的约束满足率．以UCAV的SEAD任务为想定进行仿真，实验结果表明，该混合遗传算法可有效解决大规模整数规划问题，在求解效率和约束满足率上比标准遗传算法有显著提高．     

基于免疫粒子群算法的多UCAV协同任务分配

任务分配问题是多UCAV协同控制的关键和有效保证。综合考虑问题的多规划指标和多类复杂约束条件,建立了基于多目标整数规划的协同多任务分配模型。通过模拟生物免疫系统的免疫特征和运行机制,并将粒子群优化作为算法的局部搜索算子,设计了一种适用于问题求解的免疫粒子群算法,使算法同时具有人工免疫算法种群多样性好、粒子群优化局部搜索能力和进化方向性强等特点。仿真实验表明该方法具有良好的优化效果和时间特性,可较好地解决多UCAV协同任务分配问题。     

基于市场法及能力分类的多机器人任务分配方法

针对多机器人系统研究中如何有效地实现复杂任务的分布式动态分配这个基础性问题，提出了一种对这类问题进行形式化描述的一般方法．该方法从能力分类的角度出发，提出了机器人及任务能力向量的概念，并对多机器人任务分配问题进行了形式化描述，讨论了单个及多个机器人合作完成任务的能力条件．基于这种形式化描述方法，提出了一种采用市场机制的完全分布式的多机器人任务分配方法．仿真实验结果表明该方法能够有效地实现多机器人复杂任务的动态分布式分配．     

基于MMDP的无人作战飞机任务分配模型研究

针对多无人作战飞机动态任务分配问题,以马尔科夫决策过程理论为基础,建立基于多智能体马尔科夫决策过程MMDP(Multi-Agent Markov Decision Process)的动态任务分配模型;系统中状态信息、目标的出现和收益值等均服从概率分布;改进的MM-DP寻优算法以多UCAV在有限时间内执行任务收益值最大为评价函数,并应用遗传算法在所有可选决策集中确定最优任务分配策略;数值仿真验证了算法的有效性。     

面向协同任务的多UCAV分布式任务分配与协调技术

对多架无人作战飞机 (Unmanned combat aerial vehicle, UCAV) 分布式控制中的任务分配与任务协调问题开展研究. 采用合同网实现任务执行过程中的任务分配. 通过对合同网进行扩展, 使 UCAV 能够在招标和竞标的同时处理任务间的时间约束. 设计了一种新的部分全局规划协商机制, 能够更有效地对执行相关任务的 UCAV 的任务计划进行协调. 通过 Petri 网建模方法, 将两种协商机制模型化为 Petri 网并分析了协商过程的正确性与协商结果的可行性. 仿真实验验证了方法的有效性.     

基于目标信息估计的分布式局部协调任务分配方法

分布式决策是提高群体自主性的关键技术之一.以侦查类无人机(unmanned search aerial vehicles,USAV)和打击类无人机(unmanned combat aerial vehicles,UCAV)执行协同搜索、攻击灰色目标区域问题为背景,建立了一种考虑局部链式通信、无人机飞行性能和任务执行能力等多约束的分布式任务分配模型,基于贝叶斯定理将任务空间的连续/离散不确定量用任务收益值量化描述.然后,提出了一种基于一致性协调算法的在线协同策略,并利用一致协调理论建立了一种冲突调解规则,在此基础上,设计了一种分布式任务分配求解算法,能够实现多USAV,UCAV的协同多任务快速分配.最后,通过数值仿真,验证了本文算法求解不确定空间任务分配问题的可行性和快速性.     

基于生物地理学优化的多UCAV协同航迹规划

研究多无人机协同路径规划问题,为了获取从起始点到达目标点,能够避开各种阻碍的最优运动路径,提出了一种基于BBO的多UCAV协同航迹规划方法.通过对地形环境、航迹表示方式进行描述,将生物地理学优化算法运用于多UCAV协同航迹规划,对约束条件及威胁进行分析,建立了UCAV航迹规划模型及多UCAV协同航迹规划模型;对BBO算法适宜度向量编码及迁徙模型进行了分析,设计了相应的优化算子;最后,构建了多UCAV协同航迹规划的求解框架,并结合BBO算法开展了相应的仿真.仿真结果表明,改进方法较好地实现了多UCAV协同航迹规划的优化.     

一种多智能体系统任务竞争模型及算法研究

致力于解决多智能体系统中的任务分配问题，基于社会生活中的竞争现象提出了一种多智能体竞争模型，同时提出了解决多智能体任务分配的详细算法．文章引入博弈论来研究存在相互外部约束条件下的个体选择问题．为了克服求解纳什均衡点的复杂性，本文采用了一步纳什均衡的方法．仿真结果证明了本模型的合理性和算法的有效性．     

基于模拟退火遗传算法的多agent系统任务分配

针对标准的遗传算法在任务分配中收敛速度慢的问题,对多agent系统中的任务分配进行形式化描述的基础上,融合模拟退火算法的优化思想,提出了一种基于模拟退火遗传算法的任务分配方法,详细阐述了该算法的基本思想和关键步骤,并通过仿真实验进行验证。仿真实验结果表明,基于模拟退火遗传算法比标准的遗传算法具有更快的收敛速度和寻优效果。     

基于改进粒子群算法的多无人机任务分配研究

任务分配问题是多无人机协同控制的关键技术之一.在深入分析多无人机任务分配问题特点的基础上,对现有模型进行了扩展,建立了多无人机协同任务分配的混合移数线性规划(MILP)模型.对现有粒子群算法进行了改进,提出一种具有较强全局搜索能力的多子群多阶段粒子群算法,开展了粒子群算法在多无人机协同任务分配问题中的应用研究,主要针对粒子群算法的编码策略、约束处理、算子选取、参数设置等方面进行相应的调整和改进.最后对算法进行了仿真,仿真结果表明了该方法的有效性.     

无人作战飞机打击时敏目标的任务规划研究

针对无人作战飞机打击时敏目标的任务规划问题,提出了一种基于遗传算法的路径任务规划方法。首先运用Voronoi有向图和Dijkstra算法得到单架无人作战飞机单个目标的规划路径。然后提出了时敏目标时间敏感函数的概念,并由此构建了多无人作战飞机打击时敏目标的任务规划代价计算模型。最后设计了多无人作战飞机多任务规划的变长度染色体整数编码遗传算法,运用该算法对打击时敏目标的任务进行仿真,仿真结果表明了所提出方法的正确性和可行性。     

多机器人不确定协作任务的动态优化方法

针对一类可变目标的多机器人协作运动问题，提出动态优化的方案．在每一优化时刻 根据当前目标状态及其变化规律，确定每个机器人的运动，得到该时刻概率意义上的最优运 动．把系统整体路径规划的复杂问题分解为独立路径规划问题和分派问题分别求解，实现最 快协作运动．并且将这种优化方案动态实施，以适应目标的不确定性．提出的方法还可推广 到更一般的不确定协作任务中．     

Multi-model cooperative task assignment and path planning of multiple UCAV formation

Multimedia Tools and Applications - Multi-model techniques have shown an outstanding effectiveness in the cooperative task assignment and path planning of the unmanned combat aerial vehicle(UCAV)...     

基于遗传算法的动态资源调度问题研究

建立了无人作战飞机任务规划问题的数学模型，提出了分层递阶的任务规划系统结构．针对任务规划的核心资源调度问题，设计了基于遗传算法的动态资源调度算法，有效地解决了多无人作战飞机的资源调度问题，计算结果表明了算法的有效性．     

动态环境中多UCAV协同控制的滚动优化

战场环境的动态性和不确定性以及协同控制的复杂性,使得在线多无人作战飞机(UCAV)协同控制难以满足时间敏感性要求。针对多UCAV协同控制中的任务调度问题,设计了滚动优化方法,从任务层次解决了动态环境中的多UCAV协同控制问题。仿真实验和分析表明该方法简单有效,能够应对战场环境中的多种突发情况,具有很好的时间性能。     

基于空域法的UCAV群目标编群策略研究

随着空战环境和任务的复杂化,无人作战飞机开始从单个应用转向集群式应用,目标编群是UCAV群协同作战的首要条件。本文提出了基于空域法的目标编群策略,设计了目标编群的算法。仿真结果表明:基于空域法的编群策略能很好地适应空战中态势的变化,较好地获取目标的群数。