考虑分配次序的无人机协同目标分配建模与遗传算法求解

本文研究了动态战场环境中的多无人机协同目标分配(MUCTA)问题.首先通过分析无人机(UAV)分配次序对打击任务总收益的影响,设计了动态战场环境的更新规则.将航程代价和任务代价作为惩罚项修正目标函数,建立了考虑分配次序的UAVs协同目标分配优化模型.然后针对模型的物理意义改进了遗传算法基因编码方式,设计了MUCTA遗传算法.该算法利用状态转移思想,引进SDR算子获得多种分配次序种群,同时以单行变异算子修正UAV与目标对应关系,并采用最优个体法和轮盘赌法筛选子代个体.最后仿真结果验证了所设计算法的有效性.     

基于协同进化的混合变量多目标粒子群优化算法求解无人机协同多任务分配问题

无人机多机协同控制系统近年来已被广泛地应用在军事打击、海洋监测、陆地航拍和灾情探测等领域.针对无人机协同多任务分配问题,为了更加准确地描述无人机协同多任务分配场景,本文考虑实际应用场景下的多种复杂约束,并以无人机飞行总航程最少和任务完成时间最短为优化目标,构建了混合变量多约束的无人机协同多任务分配问题模型M-CMTAP.为了高效求解上述模型,本文提出一种基于协同进化的混合变量多目标粒子群优化算法C-MOPSO.C-MOPSO采用基于任务分配和路径规划的编码方法表示无人机的任务分配结果和路径规划结果及基于约束处理的可行解初始化方法生成可行粒子;同时利用基于结构学习的重组策略对粒子进行更新以提高种群的多样性和收敛性;并引入协同进化策略在两个子种群之间进行合作进化以提高算法的搜索效率.根据无人机和目标的分布状态设计4个代表性的测试实例并验证算法性能,实验结果表明,与其他采用协同进化策略的算法相比,所提算法在解的收敛性和解集多样性上均具有显著的性能优势.     

基于KnCMPSO算法的异构无人机协同多任务分配

随着无人机(Unmanned aerial vehicle, UAV)技术的广泛应用和执行任务的日益复杂,无人机多机协同控制面临着新的挑战.以无人机总飞行距离和任务完成时间为优化目标,同时考虑异构无人机类型、任务执行时序等多种实际约束,构建基于多种约束条件的异构无人机协同多任务分配模型.该模型不仅包含混合变量,同时还存在多个复杂的约束条件,因此,传统的多目标优化算法并不能有效地处理混合变量及对问题空间进行搜索并生成满足多种约束条件的可行解.为高效求解上述模型,提出一种基于拐点的协同多目标粒子群优化算法(Knee point based coevolution multi-objective particle swarm optimization,Kn CMPSO),该算法引入基于拐点的学习策略来更新外部档案集,在保证收敛性的同时增加种群的多样性,使算法能搜索到更多可行的任务分配结果;并基于二进制交叉方法,引入基于学习的粒子更新策略来提升算法的收敛性及基于区间扰动的局部搜索策略以提升算法的多样性.最后通过在四组实例上的仿真实验验证了所提算法在求解异构无人机协同多任务分配问题上的有效性.     

多无人机模糊多目标分布式地面目标协同追踪

针对城市环境中多约束条件下多无人机协同追踪地面目标问题,综合考虑具有不同重要性等级的多个优化目标,提出了一种基于分布式预测控制的模糊多目标航迹规划方法.首先,考虑城市环境中建筑物对无人机视线遮挡、无人机和传感器能量消耗等因素,分别采用目标覆盖度、控制输入代价和开关量形式传感器能耗等为目标函数,将多无人机协同追踪航迹规划转化为多目标优化问题;然后,基于分布式预测控制框架,利用每架无人机未来有限时域内的预测状态,构建多无人机之间的避碰约束,并结合最小转弯半径等约束,形成分布式协同航迹规划模型;最后,针对多个优化目标的不同重要性等级要求,利用模糊满意优化思想将目标模糊化,并根据更重要目标具有更重要满意度的原则,将优先等级表示为松弛满意度序,通过在线求解得到有限时域内每架无人机的局部航迹;与传统多目标加权算法仿真结果对比,验证了所提方法的有效性,充分说明了该方法能够获得同时满足目标优化和重要性等级要求的最优航迹.     

协同空对地攻击中的目标分配方法

多机编队协同空对地打击是航空兵作战的一种主要样式,目标分配是制定协同空对地打击任务计划的一项重要内容,其目的是充分发挥编队内成员的优势,实现资源的优化配置,提高作战效能,减小攻击代价.分析了目标分配中的目标覆盖约束、毁伤概率阈值约束以及任务平衡度约束,建立了以实现最大攻击效费比为目标,并充分考虑目标分布状况的目标分配模型,设计了基于遗传算法的目标分配算法,以典型的空对地攻击任务为背景对方法进行了仿真,仿真结果表明,模型可以有效地解决多机协同对地攻击中的目标分配问题.     

改进的无人机编队内目标分配算法研究

针对无人机编队内多机作战目标分配问题,提出一种改进的无人机编队内多机作战目标分配算法;该算法综合考虑敌我双方机动优势、航程优势、速度优势、角度优势、高度优势、武器性能优势和其它因素优势等,首先采用层次分析法(AHP法)计算综合态势评估优势函数的各个权系数,建立无人机编队内目标分配综合态势评估优势函数模型,然后运用改进的矩阵法进行循环迭代计算进行威胁评估和排序,进而进行无人机编队内目标分配;采用该算法进行仿真研究,仿真结果表明算法计算快,且分配结果理想。     

基于 AC-DSDE 进化算法多 UAVs协同目标分配

多无人机协同目标分配最优问题(Multi-UAV cooperative target allocation optimal problem, MUCTAOP), 旨在求解组合分配问题的最小代价值, 是最具有挑战性的多约束组合优化问题之一. 结合进化算法解决MUCTAOP需要考虑两个关键因素: 1) 在进化过程中保持覆盖问题空间的“探索性”和“开发性”平衡; 2) 建立符合实际战场复杂环境的多约束条件. 为解决这两个关键因素, 本文提出一种新的近似聚类混合双策略差分进化算法(Approximate clustering dual-strategy differential evolution algorithm, AC-DSDE). 首先, 根据父代种群适应度值将个体分成“探索类个体”与“开发类个体”; 然后根据混合双策略变异方案平衡后代多样性与收敛性; 最后, 结合无人机自身性能约束、协同约束和实际三维复杂环境构建约束函数. 实验结果表明, 本文所提出的AC-DSDE算法能够快速地找到合理的分配方案.     

基于改进鱼群算法的多无人机任务分配研究

多无人机协同任务分配问题是多无人机协同控制的关键,为解决单目标函数构建的任务分配模型不能满足决策者对战场环境大量信息的需求,以最大航程和最长任务执行时间作为多无人机任务分配的两个目标函数,依据多目标优化理论,建立了协同任务分配多目标优化模型.并采用了一种借鉴遗传算法中的变异思想的改进鱼群算法进行求解,得到多无人机任务分配的多目标最优解集,然后根据决策者的偏好选择最佳任务分配方案.最后将上述算法应用于多无人机协同任务分配中并进行了仿真,仿真结果验证了改进鱼群算法的收敛性及有效性,为多无人机协同任务分配优化提供了参考依据.     

基于最小代价流算法的多机空战目标分配

目标分配是多机空战协同战术决策的核心内容之一,属于资源分配以及最优指派问题,符合最小代价流算法的求解范畴．在空战态势评估和综合威胁评估模型的基础上,建立了最小代价流空战目标分配模型．该模型根据威胁评估结果,用最小代价流算法进行处理,找出带代价的网络流图中从起点到终点的一条最短路,经反复迭代,直至找到所求的最小代价流,实现对多个空战目标进行合理分配．最后通过算例验证了模型的可行性．     

先进布局无人机多目标自适应概率引导控制分配

针对先进布局无人机多操纵面冗余的控制分配问题, 提出一种基于自适应概率引导的混合多目标控制分配方法. 首先, 根据冗余舵面操纵特性, 建立带约束的舵面动态效能模型, 提出精度需求不同的混合多目标优化指标. 随后, 为了综合平衡各目标寻优精度与求解速度提出基于自适应概率引导的多目标粒子群控制分配方法. 该方法根据各目标最优值与期望精度差值构建自适应概率函数, 依概率选择全局最优解, 引导种群向各目标期望精度方向精细搜索以提升算法解算精度, 减少无用搜索以提高求解速度; 同时, 根据收敛性指标增加变异因子, 避免算法陷入局部最优. 最后, 仿真验证该方法可有效处理舵面耦合及非线性特性, 减少能耗损失, 实现操纵面多目标控制分配, 使得无人机快速平稳跟踪控制指令.     

基于嵌入MC 的动态WTA 方法研究

总结了武器目标分配( Weapon Target Assignment,WTA) 问题的研究现状,分析 了资源损失最小化和目标威胁最大化两类静态分配模型的局限性,为了达到目标动态分配的 目的以解决当前方法的非实时性问题,提出了一种符合作战实际的动态武器目标分配方法。 首先,为使分配模型具有实时性和一般性,引入了目标的动态输入,并使其按一般性分布随机 地进入; 其次,针对目标输入后的动态随机系统,分析了再生点瞬间的系统状态,采用嵌入马 尔可夫链( Markov Chain,MC) 的方法使得系统马尔可夫化,求解了系统的状态转移概率; 再次,构造了武器目标分配的目标函数,根据系统的状态转移概率建立了动态的目标分配模 型; 最后给出了模型求解方法,并通过实例证明了该方法的有效性和实时性,是对现有方法的 一种完善和补充。     

一种用于VLSI的统一通孔最少化和线长最小化层分配算法

本文提出了统一通孔最少化和线长最小化层分配的图论模型．它考虑到不同层电性能不等对线长分布的特殊要求，给出了指定层上线长最小化的形式化描述．在此基础上，本文给出了通孔最少化和线长最小化的统一组合目标，并用一种启发式算法去求解层分配算法．文中还讨论了工程中的许多实际问题的处理方法．算法已用Ｃ语言在ＳＵＮ工作站上实现．实验结果表明，算法十分有效且稳定．     

基于路径开销的机器人足球角色分配设计

小型足球机器人的决策系统是一个多智能体协调控制系统,主要由视觉信息处理、协调策略、角色分配、动作实现等组成.本文对角色分配机制进行研究,提出了一种路径开销组合最优的角色分配算法,实现了Play策略下动态角色分配的整体设计.仿真平台测试表明了机器人的整体配合能力有较大提高.     

Multi-commodity flow network model of the flight gate assignment problem

The flight gate assignment problem is encountered by gate managers at an airport on a periodic basis. This assignment should be made so as to balance carrier efficiency and passenger comfort, while providing buffers for unexpected events that cause assignment disruptions. In this paper, a binary integer multi-commodity gate flow network model is presented with the objective of minimizing the fuel burn cost of aircraft taxi by type and expected passenger discomfort for “tight” connections as a function of inter-gate distance and connection time. This approach is shown to be computationally efficient within a decomposition approach for large problem instances. A numerical application of this approach is given for the gating of Continental Airlines at George W. Bush Intercontinental Airport in Houston (IAH).     

基于粒子群的高超声速飞行器闭环制导研究

对于高超声速飞行器的研究来说,凭借其超高的飞行速度和飞行高度,能够在短时间内飞行更远的距离。为了达到作战要求,需要规划整个飞行轨迹,而最为重要的便是上升段的制导问题。本文以X-33高超声速飞行器模型为研究对象,提出基于粒子群算法的闭环制导策略,实时修正飞行轨迹,使飞行器最终准确到达目标位置;并对该方法的可靠性进行了仿真验证。仿真结果表明,基于粒子群算法的闭环制导策略优化精度高,物理概念明确,能满足高超声速飞行器上升段的闭环制导需求。     

基于深度学习的多旋翼无人机单目视觉目标定位追踪方法

针对无人机对目标的识别定位与跟踪,本文提出了一种基于深度学习的多旋翼无人机单目视觉目标识别跟踪方法,解决了传统的基于双目摄像机成本过高以及在复杂环境下识别准确率较低的问题。该方法基于深度学习卷积神经网络的目标检测算法,使用该算法对目标进行模型训练,将训练好的模型加载到搭载ROS的机载电脑。机载电脑外接单目摄像机,单目摄像头检测目标后,自动检测出目标在图像中的位置,通过采用一种基于坐标求差的优化算法进行目标位置准确获取,然后将目标位置信息转化为控制无人机飞行的期望速度和高度发送给飞控板,飞控板接收到机载电脑发送的跟踪指令,实现对目标物体的跟踪。试验结果验证了该方法可以很好的进行目标识别并实现目标追踪     

基于网络演算的智能交通流量分配研究

精确的交通流量分配计算模型,能为实际的交通工程应用提供具体的流量出入速率或者信号灯控制时间方案,具有重大价值。首次将动态交通流量分配拟化为网络负载均衡问题,使用漏桶理论和网络演算方法,将交通的流量分配与路径时延转换为一系列极值运算,结合贪婪算法,以均衡网络延时为优化目标,得到交通配流。仿真结果表明,本模型在化解拥堵的同时,使分流后的道路平均延时普遍降低,能提升整体路网的通行能力。     

印制板布线的最佳路径快速通道分配算法

针对目前面向线网布线方法的某些不足,本文提出一种具有整体布线思想的最佳路径快速通道分配方法:对给定的线网按照一定的走线模式,根据代价函数,求出其最佳通道分配。它尤其适用于对连线长度有严格要求的超高速电路的布线问题。