【技術實現步驟摘要】
本專利技術屬于無人機任務規劃，特別涉及一種基于混沌映射冠豪豬優化算法的無人機任務分配方法。
技術介紹
1、無人機具有維護成本低、便攜性好、安全性高等優勢，在民用場景和軍事作戰下都得到了廣泛的應用。例如，無人機在突發的自然災害救援以及區域偵察覆蓋中，具有作業迅速、覆蓋范圍廣、響應敏捷等優勢。然而，現有的應用中大多依賴人為指定無人機的任務作業序列，制約了無人機的自主化和智能化，使得任務無法快速進行。因此，為了保證無人機在有效的時間內完成特定的任務，需要根據任務場景和無人機的飛行空間來規劃不同任務的執行順序，保障無人機敏捷響應和快速作業。特別是，針對無人機的任務分配，如何使用優化算法高效地求解出最優的任務分配曲線是近年來十分熱門的研究方向。
2、一般來說，基于優化算法任務分配主要包含兩大類，一種是基于傳統優化技術的任務分配方法，另外一種是基于群體智能啟發的任務分配算法。傳統算法，例如梯度算法、人工勢場法和動態規劃法等，通常采用確定性的方法探索解空間，計算成本較高，并且在大規模問題上，存在收斂速度慢的缺陷。與之不同的是，基于群體智能啟發的算法則注重在大規模問題上尋找較好的解，其可通過一些規則或者經驗知識來引導搜索，從而在可接受的時間內完成尋優。基于群體智能啟發的任務分配算法具有復雜度低、收斂速度快、應用范圍廣等優勢，現有研究中的一些典型群體智能啟發的優化算法包括冠豪豬算法、蛇算法、蟻群算法等。雖然，值得注意的是，基于群體智能啟發的任務分配算法仍然存在著如下不足：
3、(1)算法的收斂速度慢。使用傳統群體智能算法在
4、(2)算法容易陷入局部最優解。現有的部分基于群體智能啟發的優化算法在搜索求解過程中容易出現局部最優問題，特別是在復雜約束條件下，當解空間非常復雜并存在多個局部最優解時更容易出現該問題。例如，蟻群算法，由于信息素設置的固有缺陷，導致優化算法可能無法跳出局部最優解，從而無法求解得到全局最優解；
5、(3)算法適配程度低。實際上，無人機執行任務時，任務約束會直接影響到任務分配序列，然而，現有的分配算法往往僅考慮任務實現性，未對任務約束進行精準建模。值得注意的是，航程約束作為關鍵約束條件，影響了任務分配的可靠性與有效性。因此需要考慮約束下的任務分配問題，提升算法的適配程度。
技術實現思路
1、本專利技術主要針對無人機這一特定物理對象，將無人機在軍事作戰或災區搜查等場景執行多項任務抽象為任務分配問題，提供一種基于混沌映射冠豪豬優化算法的無人機任務分配方法，在面向復雜、大規模問題時有明顯優勢。
2、本專利技術的目的是通過以下技術方案來實現的：基于混沌映射冠豪豬優化算法的無人機任務分配方法，包括以下步驟：
3、s1、建立任務分配數學模型：基于圖論知識對無人機任務分配場景建模，并確立目標函數及其約束條件；包括如下子步驟：
4、s11、假設任務場景圖g為m×m的正方形區域，g中有n項待執行任務，n項任務的并集記為v，無人機起飛后每項任務都能夠執行；
5、s12、使用x(i，j)表示任務執行順序為任務i到任務j，i，j∈v，i≠j，若執行順序為i→j則x(i，j)＝1，否則為0；
6、s13、定義邊集合e＝{eij}，其中i，j∈v，i≠j，eij表示以任務點i和任務點j的端點的線段；
7、s14、使用d(i，j)表示任務i到任務j的距離，d(i，j)＝d(j，i)；
8、s15、定義任務場景g中有k個危險區域，k個危險區域的并集記為d，d＝{di}，1≤i≤k，無人機在執行任務時，不能飛行到危險區域內；
9、s16、定義無人機續航里程為w；
10、s17、根據路程最小化原則，建立目標函數及其約束條件為：
11、min∑d(i，j)x(i，j)，i，j∈v，i≠j
12、
13、∑d(i,j)x(i，j)≤w，i，j∈v，i≠j
14、s2、設置冠豪豬算法初始化參數；
15、s3、對優化過程進行循環迭代：設置問題求解參數及迭代結束條件；記錄解空間中歷次全局最優解，即最優位置；使用循環種群縮減策略更新種群數量，模擬冠豪豬在自然環境下面對捕食者時的四種不同的防御行為建立優化迭代方法；循環一次結束后更新局部最優解，即個體位置；直至滿足迭代結束條件時，結束優化，得到最優分配方案；
16、s4、將最優分配方案分配到無人機上，并計算最優分配方案所對應的飛行距離。
17、本專利技術主要針對無人機這一特定物理對象，將無人機在軍事作戰或災區搜查等場景執行多項任務抽象為任務分配問題。首先，建立任務分配問題的數學模型，而后設計基于混沌映射冠豪豬優化算法進行求解。該算法結合混沌映射，對隨機生成的種群進行優化，增加了隨機性和不可預測性，更好地模擬種群在自然系統中的復雜行為，提高全局搜索能力，同時算法能夠更快地收斂，在大規模問題上減少計算成本。因此，所提出的一種基于混沌映射冠豪豬優化算法的無人機任務分配方法在面向復雜、大規模問題時有明顯優勢。相較于現有技術，本專利技術的有益效果主要體現在以下三個方面：
18、(1)提出了一種新穎的基于混沌映射冠豪豬優化算法的無人機任務分配方法，相較于蟻群算法、粒子群算法等方法，本專利技術引入了較新、性能較好的冠豪豬算法，本專利技術的方法在考慮無人機的航程約束的同時，更貼合實際任務需求。此外，采用混沌映射冠豪豬優化算法，顯著提升了全局搜索能力和求解速度，能夠一定程度上解決航程約束下的無人機最優任務分配問題。
19、(2)已有的相關研究中，大部分群智能優化算法使用均勻分布的方式初始化種群，與自然系統中的種群行為不符合，算法全局搜索隨機性降低，收斂速度慢。本專利技術針對該問題，使用混沌映射優化冠豪豬算法，在初始化種群時采用混沌映射策略，增加了種群的隨機性和不可預測性，更好地模擬種群在自然系統中的復雜行為，使算法能夠更快地收斂。
20、(3)本專利技術的可行性證明冠豪豬算法與混沌映射結合是可以被推廣的，可以在其他的群智能算法中使用，提升性能。
本文檔來自技高網...【技術保護點】
1.基于混沌映射冠豪豬優化算法的無人機任務分配方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于混沌映射冠豪豬優化算法的無人機任務分配方法，其特征在于，所述S2中有如下子步驟：
3.根據權利要求1所述的基于混沌映射冠豪豬優化算法的無人機任務分配方法，其特征在于，所述S3中有如下子步驟：
【技術特征摘要】
1.基于混沌映射冠豪豬優化算法的無人機任務分配方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于混沌映射冠豪豬優化算法的無人機任務分配方法...
【專利技術屬性】
技術研發人員：姜兵，陳曦粵，李曈，孫新禹，李維豪，岳江楓，施孟佶，林伯先，秦開宇，
申請(專利權)人：電子科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。