基于整数规划的多UCAV任务分配问题研究

在深入分析多UCAV任务分配问题的特点的基础上，提出了求解多UCAV协同任务分配的整数规划方法．通过设计决策变量和灵活地对各种约束条件形式化，建立了多UCAV任务分配问题的形式化模型．并以典型的UCAV任务SEAD为想定，进行了仿真验证与分析．仿真结果表明该模型可以较好地解决多UCAV协同作战的任务分配问题．     

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。     

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.     

多预警机情报协同任务控制研究*

对多预警机情报协同任务分配和任务协调问题展开研究。首先,结合集中式任务控制方式和分布式控制方式的优点,设计了混合式任务控制体系结构,以支持在主指挥机的监控下实现不同级别上的任务自主分配;其次,在通过合同网实现动态任务分配的基础上,建立转包合同机制对任务执行过程进行协调,提高了多预警机情报协同的整体效能。仿真结果表明了该方法的有效性。     

基于遗传算法的多UCAV动态任务分配研究

为了使多无人作战飞机在复杂多变的动态战场环境下协同性、实时性更优,文章针对多无人作战飞机动态任务分配问题建立了一种扩展的多目标整数规划模型,同时设计了基于模糊集隶属度的混合重调度方法,并采用遗传算法进行求解;对无人作战飞机失效和出现新目标两种动态情况进行仿真实验,与完全重调度进行对比,得到基于模糊集隶属度的混合重调度方法在效率及稳定性方面明显优于完全重调度,说明设计的混合重调度方法及模型在解决多无人作战飞机动态任务分配问题上的有效性。     

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.     

外军无人机任务规划系统研究

无人机任务规划系统是指配装在地面或是飞机上,用来对不同类型数量的无人机进行任务分配、航路规划的一种规划系统。本文首先介绍了无人机任务规划的概念,并说明了无人机任务规划系统的特点。再详细介绍外军无人机任务规划系统的发展情况。     

对抗环境下多UCAV协同速度规划

在作战对抗环境下,由于目标威胁区域的密集排列,UCAV可能同时受到多个防空设施的威胁.为了有效优化控制飞行速度,利用威胁的火力范围和UCAV的攻击区确定各UCAV路径上的航路点,通过对各航路点之间的平均速度进行优化组合达到对整个飞行过程的速度控制,使飞行过程中所受总威胁值最小,飞行时间最接近预定值,同时满足UAV飞行特性约束,使用基于ε占优的多目标进化算法(MOEA)求解多目标优化速度.仿真结果表明算法能够对问题进行合理优化,获得一组高质量Pareto解,为决策者提供决策的依据.     

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。     

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．     

战场环境中多无人机动态任务调度

采用了基于合同网的分布式规划方法,研究了战场环境中多无人机动态任务调度问题,并建立了数学模型,提出了分布式的任务调度体系结构,设计了一种基于代价变换的概率路标图路径规划算法,该算法能够在任务调度阶段,快速预估无人机执行不同任务的飞行航路,扩展了合同网协议,可在一次拍卖中“并发”进行多次交易,提高了任务调度的效率。通过多种合同类型的综合,解决了复杂战场态势下的任务调度问题。     

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.     

大规模多移动机器人合作任务的分布自主协作系统

以大规模多移动机器人觅食任务为背景,探讨了在分布式协作体系结构下系统任务级的协作与行为级的协调问题．提出了一种动态任务分配机制,在缩短任务完成时间的基础上减少了系统通信量并解决了任务死锁问题．同时,设计了一种基于预测的冲突消解方法,使机器人能够对动态障碍物进行精确避障．最后,通过仿真实验验证了上述方法的有效性．     

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, KnCMPSO), 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.     

基于Agent能力自信度的任务分配问题研究

借助结盟的任务分配机制是多Agent系统研究中的一个热点问题.文中通过任务需求和Agent能力的ECA规则表示,定义了一种Agent能力自信度,并给出了基于合同网协议和Agent能力自信度的任务分配算法和应用示例,其中,任务需求ECA规则中的C项表示Agent执行该任务时必须做出的付出,能力ECA规则中的C项表示Agent可以为该任务做出的承诺,付出/承诺关系揭示了Agent的能力自信度,ECA规则使得Agent能力自信度具有良好的可计算性.     

重大装备制造多机器人任务分配与运动规划技术研究综述

飞机蒙皮、船舶舱体、高铁车身等大型复杂部件高效高品质制造是航空航天、海洋舰船、轨道交通等领域重大装备发展的根基. 大型复杂部件具有尺寸超大、型面复杂等特点, 传统的人工、单机制造面临着效率低、一致性差、空间有限等问题, 多机器人具有高鲁棒性、高效性等优点, 为大型复杂部件制造提供了良好的制造基础. 任务分配与运动规划是多机器人制造系统的决策中枢, 其性能影响整个系统的运行效率. 考虑到重大装备部件制造任务分配与运动规划过程中任务工序多、冲突干涉多、精度需求高等挑战, 本文首先对复杂环境下多机器人任务分配与运动规划的重要性进行了说明; 然后阐述了目前主要的任务分配与运动规划方法, 包括其在智能制造领域下的应用; 在此基础上, 对现阶段复杂场景下任务分配和运动规划存在的问题进行了分析, 并使用强化学习与混合优化算法等方法提出了解决思路; 最后对重大装备大型复杂部件制造过程多机器人任务分配和动态规划技术及应用的发展进行了总结与展望.