【技術實現步驟摘要】
本專利技術屬于智能優化算法，尤其涉及一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法及系統。
技術介紹
1、隨著網絡技術、控制技術和人工智能技術的迅猛發展，世界主要軍隊均對無人機的集群化運用進行了大量的基礎理論研究，并以此推動相關作戰概念的落地。無人機集群作戰，是以通信網絡為支撐，將大量成本較低、數量眾多、具有一定自主能力的無人機以自組織形式進行作戰體系構建，并以空間關系密集性和分散性相統一、作戰行動計劃性和突然性相統一和進攻方向單向性和多向性相統一等特點，對敵方目標進行連續并行的偵察探測、電子干擾和火力打擊等任務。
2、無人機集群作戰具有其特定的生物學原理，實際上，集群行為是生物界的普遍行為，角馬總是成群地進行遷徙、螞蟻傾巢出動進行覓食、魚類以結隊方式進行巡游。在這些集群中，個體感知/行動能力相對簡單，但卻能夠通過復雜的協作行為，使得整體能力實現涌現。無人機集群正是借鑒這種“自主+協同”的行為方式，通過大量簡單個體之間的復雜交互行為，達成以量取勝、協同聚能的作戰效果。
3、無人機集群可以執行多樣性任務，總的來說，具體包含進攻性任務和防御性任務。其中，進攻性任務主要包括奪取制空權、對地突防攻擊；防御性任務包括防御性空中截擊、要地防空等；此外，無人機集群還可以執行空中預警探測、電子干擾、通信中繼等支援保障類任務。在這些任務中，對無人機個體的自主性水平要求各不相同，一般而言，空戰任務、對地攻擊任務、支援保障類任務對自主性水平要求依次遞減。由于無人機自主性水平的差異，目前，無人機集群較少能夠開展空戰任務，
4、無人機集群在執行對地攻擊任務過程中，任務規劃是實現無人機集群決策與控制的關鍵。無人機集群對地攻擊任務規劃包括預先規劃和在線重規劃，其中，預先規劃是根據對作戰態勢的分析研判，在任務執行開始前預先制定的方案計劃；而在線重規劃是在任務執行過程中，由于戰場非預期事件的發生，導致作戰態勢發生變化，無人機集群需要根據變化后態勢進行方案計劃的重構和調整。無人機集群對地攻擊的任務規劃，是包括任務分配、航路規劃、通信鏈路規劃和傳感器規劃等在內的整體，任務分配是其中的重點和難點。
5、針對無人機集群對地攻擊任務分配問題，目前已有較多研究，主要集中在建模和求解兩個方面。一般而言，無人機集群對地攻擊任務分配的經典模型主要包括多旅行商模型(multiple?travelling?salesman?problem,mtsp)、混合整數線性規劃模型(mixedinteger?linear?programming,milp)、協同多任務分配模型(cooperative?multiple?taskassignment?problem,cmtap)、混二元規劃模型(hybridbinary?programming,hbp)等。將無人機集群對地攻擊任務分配模型建立為經典模型，可以采用相應的快速啟發式方法進行求解，能夠以較小時間代價求解得到較優分配結果。對無人機集群對地攻擊任務分配模型的求解，主要包括最優化方法、智能優化方法和市場機制方法。其中，最優化方法包含匈牙利算法、分支定界算法和拉格朗日松弛法，這類方法對模型的要求較高，只能求解特定形式的模型。智能優化方法是模擬人類智能、生物群體活動特性或自然規律而設計的各類算法，包含遺傳算法(genetic?algorithm,ga)、蟻群算法(ant?colony?optimization,aco)、人工蜂群算法(artificial?bee?colony,abc)和狼群算法(wolf?packalgorithm,wpa)等，這類算法的優勢是對模型形式的要求不高，但缺點是算法的時效性和穩定性較差。市場機制方法主要包括合同網協議和拍賣算法，這類算法本質上采用的是分布式求解架構，算法計算量通常不大但依賴于頻繁的信息交互和協商決策，且由于生成的是各方參與的妥協解，解的最優性可能會受到一定程度影響。
6、總之，作為軍事運籌和無人機作戰運用領域研究的熱點問題，無人機集群對地攻擊任務分配也是迫切需要解決的問題。
技術實現思路
1、本專利技術為了解決無人機集群對地攻擊任務分配問題，從攻擊收益和攻擊代價兩個方面出發，考慮對地攻擊中的目標覆蓋、目標毀傷效果、無人機攻擊閾值和無人機航程等約束建立數學模型，并采用包括編解碼規則、約束處理規則和迭代進化規則在內的改進粒子群算法(improved?particle?swarm?optimization,ipso)對模型進行求解，取得了較好的求解效果。
2、第一方面，本專利技術提供了一種基于深度學習和深層神經網絡的爆破設計參數優化方法，該優化方法包括以下步驟：
3、步驟1：對于對地攻擊任務分配建立以最大化目標攻擊收益和最小化目標攻擊代價的目標函數；
4、步驟2：對對地攻擊任務分配的約束條件進行分析；
5、步驟3：綜合對地攻擊任務分配的目標函數和約束條件，建立對地攻擊任務分配的數學模型；
6、步驟4：利用改進粒子群算法對步驟3中建立的數學模型進行求解，得到最終分配結果。
7、進一步地，步驟1中建立的目標函數如下所示：
8、o＝s/q?(6)
9、其中，s表示目標攻擊收益，其表達式如下：
10、
11、上述中，xmn表示決策變量，dmn表示無人機um對目標tn的毀傷概率；
12、q表示目標攻擊代價，其表達式如下：
13、
14、上式中，為無人機um的航程代價相關變量值，vum為第m個無人機的平臺價值，f(e1,e2)是雙變量e1和e2構成的函數，定義f(e1,e2)＝e1·e2，定義為
15、
16、其中，c?m為無人機um執行目標攻擊任務的實際航程，cum為第m個無人機的最大航程。
17、更進一步地，步驟2的具體步驟包括：
18、步驟201：目標覆蓋約，對于任意目標tn，應至少有一架無人機對其進行攻擊，即有：
19、
20、步驟202：目標毀傷效果約束，要求所有目標被攻擊后的毀傷效果達到一定閾值，即有：
21、
22、步驟203：無人機攻擊閾值約束，目標攻擊數量存在一定上限，即有：
23、
24、上式中，htn為第n個目標需要達到的毀傷效果閾值；
25、步驟204：無人機航程約束，無人機執行目標攻擊任務的實際航程不能超過無人機的最大航程，即有：
26、cm≤cum,?1≤m≤m?(10)。
27、更進一步地，步驟3中綜合目標函數和約束條件，建立的對地攻擊分配的數學模型為：
28、
29、式(11)中，第1個約束條件和第2個約束條件是目標類約束條件，第3個約束條件和第4個約束條件是平臺類約束條件。
30、更進一步地，步驟4中根據無人機集群對地攻擊任務分配的本文檔來自技高網...
【技術保護點】
1.一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法，其特征在于，該分配方法包括以下步驟：
2.根據權利要求1所述的一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法，其特征在于，步驟1中建立的目標函數如下所示：
3.根據權利要求2所述的一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法，其特征在于，步驟2的具體步驟包括：
4.根據權利要求3所述的一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法，其特征在于，步驟3中綜合目標函數和約束條件，建立的對地攻擊分配的數學模型為：
5.根據權利要求4所述的一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法，其特征在于，步驟4中根據無人機集群對地攻擊任務分配的特性，設計粒子群算法的編解碼規則、約束處理規則和粒子更新規則，用于求解數學模型。
6.根據權利要求5所述的一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法，其特征在于，采用粒子群算法對數學模型求解時，編解碼規則采用實數型編碼，用矩陣G＝(gmn)M×N表示一個種群，其中，gmn取值范圍為(0,1.
7.根據權利要求6所述的一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法，其特征在于，經過編解碼后得到的決策矩陣，需要進行相應的約束處理，具體操作如下：
8.根據權利要求6所述的一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法，其特征在于，粒子移動主要取決于粒子的當前位置和速度，位置矩陣X和速度矩陣U的更新公式如下：
9.基于權利要求1-8任意一項所述的一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法的系統，所述系統包括：
...【技術特征摘要】
1.一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法，其特征在于，該分配方法包括以下步驟：
2.根據權利要求1所述的一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法，其特征在于，步驟1中建立的目標函數如下所示：
3.根據權利要求2所述的一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法，其特征在于，步驟2的具體步驟包括：
4.根據權利要求3所述的一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法，其特征在于，步驟3中綜合目標函數和約束條件，建立的對地攻擊分配的數學模型為：
5.根據權利要求4所述的一種基于改進粒子群算法的無人機集群對地攻擊任務分配方法，其特征在于，步驟4中根據無人機集群對地攻擊任務分配的特性，設計粒子群算法的編解碼規則、約束處理規則和粒子更新規則，用于求解數學模型。
6.根...
【專利技術屬性】
技術研發人員：鐘赟，張杰勇，程海燕，付凱，孫鵬，劉彬，馬騰，李軍，
申請(專利權)人：中國人民解放軍空軍工程大學，
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。