基于蚁群算法的无人机侦察任务分配

随着无人机(Uninhabited Aerial Vehicle,UAV)平台自身性能和信息化水平的提升,如何对无人机进行侦察任务分配成为重点问题;并且任务分配问题涉及无人机和目标数量、位置、性能等众多因素,也使任务分配问题变得十分复杂.针对侦察任务分配问题,进行分配建模研究,细化约束条件,使其更贴合实际应用场景.利用...     

基于MODPSO-SA算法的多AUV任务分配

提出一种基于Pareto解集的多目标模拟退火粒子群算法(MODPSO-SA),用于解决自主水下机器人(AUV)协同任务分配问题.为避免粒子群算法陷入局部最优,加入改进的模拟退火技术,形成一种新的多目标局部搜索策略.仿真结果表明,MODPSO-SA算法能够得出多组合理Pareto解集,可以有效解决多AUV任务分配问题.     

基于改进烟花算法的多目标多机器人任务分配

多机器人任务规划是多机器人系统研究的主要问题之一,多目标多机器人任务规划是指同时对多机器人系统的多个指标进行优化。近年来,启发式算法越来越多地被用来解决多目标问题。本文提出了一种基于改进烟花算法的多目标多机器人任务分配方法,并详细讨论了多目标解的排序方法和选择策略。为了验证该方法的性能,对7个实例进行了实验,并对该方法和其他四种多目标算法,Non-dominated Sorting Genetic Algorithm II (NSGA-II), Strength Pareto Evolutionary Algorithm 2 (SPEA2),Pareto Envelope-based Selection Algorithm (PESA ) 和一种改进的Strength Pareto Genetic Algorithm 2 (SPGA2)在S-metric指标上进行了比较。实验结果表明,在解集质量、解集覆盖度方面,基于改进烟花算法的多目标多机器人任务分配方法具有明显的优势。      

基于信息素扩散的蚁群算法

蚁群算法是一种新型的搜索算法,其模拟的是蚁群依赖信息素进行通信而表现出的社会性行为.在基本蚁群算法中,蚂蚁之间协作不足,存在滞后的缺陷.本文在分析这一算法的基础上,提出了一种新的更加忠实了真实蚁群信息系统的蚁群算法.该算法通过建立信息素扩散模型,使相距较近的蚂蚁之间能更好地进行协作.TSP问题的仿真结果表明了该算法的有效性.     

雷达干扰任务分配的蚁群算法实现

合理分配干扰目标是雷达干扰任务区分中的难点问题.提出了一种基于蚁群算法的新型的目标分配算法模型,并进行了算法实验.实验结果表明,基于蚁群算法思想的目标分配算法是有效的,特别是问题规模较大时更显示出其较快的收敛速度和较高的精度.     

基于DFS的多Agent动态任务分配算法研究

 任务分配问题是MAS的重要研究内容之一,对于任务分配这一复杂问题,很多研究者从不同的角度提出各种行之有效的算法.这些算法对于确定的环境是有效的,对于不确定的动态的环境存在不足.本文针对具有动态模糊特性的任务环境进行研究,借助动态模糊集理论,给出了相关的多Agent动态任务分配算法.实例测试表明,算法模型可以合理地模拟MAS系统中任务分配的运行过程,并获得最优的任务分配策略和良好的任务实现效果.     

基于多目标MSQPSO算法的UAVS协同任务分配

针对无人机系统协同作战过程中存在多任务类型时序约束以及单目标优化决策欠佳问题,提出了一种利用多策略融合量子粒子群算法进行多目标优化的解决方法.在建立任务分配模型过程中,考虑不同类型任务的时序约束和多无人机协同约束,并抽象出无人机执行不同类型任务的能力,使模型更加符合实际作战情况.利用佳点集构造理论、变尺度混沌因子、量子变异操作与动态惯性权重对量子粒子群算法（Quantum Particle Swarm Optimization,QPSO）进行改进.最后通过采取多目标优化决策来选取相应的分配方案,仿真结果验证了所提算法的有效性与优越性.     

协同项目多目标任务分配优化算法

在协同项目中，伙伴企业间的任务分配问题直接影响到项目的整体获益。针对这一问题，以费用最小和承担企业数最少为目标，并充分考虑了任务之间的紧密关联关系，提出了一个有效的任务分配启发式算法，并进行了实例验证，给出了对算法的评价。     

一种基于信息素的蚁群聚类算法

提出了一种改进的蚁群聚类分析算法,通过改进LF算法中群体相似度函数,加入参数的自适应调整策略,利用短期记忆和网格信息素的局部分布控制蚂蚁的随机移动,并结合蚂蚁速度动态变化、半径递增、强制放下等特性。采用测试数据和不同的算法进行了对比实验分析,仿真实验结果表明,该算法显示出了较高的稳定性和准确率。     

多无人机侦察任务分配方法研究综述

运用多无人机执行侦察任务具有突出优势,研究多无人机侦察任务分配方法具有重要意义.从多无人机侦察任务分配问题建模与求解两个方面展开综述.首先对经典模型进行介绍并分类,讨论其特点及适用问题;其次对集中式、分布式、混合式求解方法进行归纳,对代表算法进行介绍,分析其优缺点与应用前景;最后结合实际需要指出目前多无人机侦察任务分配...     

蚁群算法中的主要参数对任务分配问题影响的分析

该文主要针对多机器人的任务分配问题,对蚁群算法的主要参数进行介绍和分析。首先对蚁群算法进行介绍,并对蚁群算法中的参数进行分析和选择,最后根据选定的参数对算法进行仿真验证。     

基于自适应信息素调整的连续空间优化蚁群算法

对于基本蚁群算法(ACA)不适用求解连续空间问题,并且极易陷入局部最优的缺点,提出了一种基于自适应的蚁群算法。路径搜索策略采用基于目标函数值搜索筛选局部最优解的策略,确保能够迅速找到可行解。信息素更新策略采用自适应的启发式信息素分配策略,使算法能够快速收敛到全局最优解。对2个求函数极值问题进行优化并与其他算法进行比较,结果表明该算法能很好的应用于对连续对象的优化,同时具有较高的寻优精度高,搜索速率快,良好的全局优化性能。     

基于联合投标的多目标机器人围捕

针对多目标机器人围捕任务中的任务分配问题,提出了围捕机器人联合投标的拍卖方法,该方法考虑围捕机器人组合对任务的适应程度,机器人联合形成小组作为一个整体给任务投标,并针对组合过多,计算量大,通信量大的问题对该方法进行改进。最后在MuRoS仿真平台上对目标机器人为3个,围捕机器人为9个的情况进行了仿真实验,仿真结果显示联合投标用于任务分配是可行的。     

基于两步分布协同拍卖的多机协同任务分配

针对多异构机载平台对不同类型的地面目标执行攻击任务的协同任务分配问题,以平台载弹量以及摧毁任务目标的需弹量建立平台与任务之间的关系,以各平台的任务序列以及执行任务时的武器使用量序列作为决策变量,在基地-任务航路矩阵和任务-任务航路矩阵的基础上,综合考虑平台武器约束、平台航程约束、任务需弹量等约束,建立多机协同任务分配模型。设计了两步分布协同拍卖算法,通过多次生成任务的拍卖招标顺序和基地的拍卖竞标顺序,实现了多机协同任务分配问题的优化求解。仿真结果表明,所建模型和求解算法能够有效合理地解决多机协同对地攻击的任务分配问题。     

基于改进遗传算法的多无人机任务分配

为解决传统遗传算法在求解多无人机任务分配问题时易陷入局部最优和收敛速度较慢的问题,文中提出一种融合模拟退火思想的改进遗传算法。首先描述多无人机任务分配问题,将其转化为多旅行商问题,并建立数学模型;然后在传统的遗传算法中引入Metropolis准则,对选择、交叉、变异后的子代种群进行优化调整,使算法可以跳出局部最优并快速收敛;最后进行仿真实验,采用TSPLIB数据库对改进算法进行有效性验证,分别求解不同规模的多旅行商问题,对算法的优越性进行验证,求解任务分配算例以验证改进算法解决多无人机任务分配问题的可行性。实验结果表明,改进的遗传算法能跳出局部最优,收敛速度显著提升,在求解多无人机任务分配问题时,寻优效果优于改进前的算法。     

考虑软杀伤武器应用的多UCAV任务分配

多UCAV任务分配通常需要综合考虑UCAV损耗风险、目标价值、武器的杀伤能力等因素.基于诱饵弹和干扰发射机等软杀伤武器的应用对UCAV生存能力的影响,建立了考虑软杀伤武器应用的UCAV任务分配目标函数.使UCAV损耗最小化的同时目标毁伤价值最大化.分析了目标函数的限制条件,然后基于遗传算法提出了一种新的编码方案,使其能...     

一种基于滤波的分布式任务分配算法

尽管同步模式协同算法允许团队在许多通用网络拓扑中达成一致状态感知并执行任务分配,但收敛到一致状态感知需要花费大量时间,传输大量数据。在低带宽环境中这会导致严重的潜在问题,增加求解任务方案时间。分析了现存协同拍卖算法例如、CBBA,HIPC等的优缺点,并对HIPC进行改进。采用将滤波框架引入分布式协同拍卖的方法,在建立任务束阶段采用滤波算法对局部状态感知进行估计。打破了HIPC对局部场景感知的完美假设,使得新算法可以在局部感知不可靠条件下良好运行,该算法可以异步进行并行任务分配和冲突分解。通过试验得出相比于HIPC,新算法减少了任务冲突次数,缩短任务执行时间。     

基于边缘计算的任务分配算法研究

在云计算网络中,针对处理大规模任务时对降低时延和通信代价的需求,提出了一种基于边缘计算的任务分配方法.该方法首先根据任务的类别、算力需求和紧迫程度生成任务优先级队列,其次根据边缘节点的计算、传输和存储能力衡量其综合性能,最后利用改进后的蚁群算法为任务选择合适的边缘节点.实验结果表明,该任务分配方法在降低计算任务时延以及...