有人/无人机混合编队协同任务分配方法

任务分配方法是任务控制过程的重要组成部分,是协同作战指挥决策的关键。本文在多无人机协同任务分配的基础上,分析了有人/无人机编队协同作战的突出特点,着重研究飞行员工作状态对参与任务分配的各无人机作战效能的影响,建立了基于飞行时间和工作负载的飞行员工作状态评价模型,并对传统无人机作战效能函数的数学模型进行改进,提出了有人机飞行员工作状态影响下的无人机效能评估模型。针对有人/无人机混合编队协同作战想定,进行了仿真计算。仿真结果表明：飞行员工作状态会对无人机的任务效能和编队的任务分配结果产生显著影响, 同时说明在有人/无人机混合编队的效能评估和任务分配过程中,飞行员的工作状态影响是不可忽略的因素。     

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...     

有人/无人机编队打击时敏目标任务分配

针对有人/无人机编队协同打击地面时敏目标的任务分配问题,利用有人/无人机编队系统总体框架和时敏特性函数,构建有人/无人机编队协同打击地面时敏目标的任务分配模型。采用改进的遗传算法,通过引入矩阵型编码提升任务效率,通过引入针对死锁问题的解码方法来解决任务分配的时序问题,最后运用该算法进行了仿真计算。结果表明该算法具有良好的任务分配效率。     

基于时间窗的多无人机联盟任务分配方法研究

该文针对异构类型多目标多无人机任务分配问题,提出一种基于时间窗的多无人机联盟组任务分配方法。其核心是以空闲时间窗为调度依据进行高效且实时的任务分配。该算法首先利用冲突消解机制避免实时任务分配过程中的多机资源死锁;然后采用两阶段任务联盟组成算法形成任务联盟,实时处理突发任务,提高无人机任务分配的实时性和有效性。仿真结果表明,算法提高了无人机联盟的组成率和总体任务完成率,降低了任务执行时间,并维持了较低的计算开销。     

多机协同探测相控阵雷达短时任务分配方法

针对多机协同探测中雷达资源合理配置问题,提出了一种相控阵雷达短时任务分配模型。首先,分别根据克拉美罗界和信号检测理论对机载相控阵雷达跟踪能力和搜索能力进行量化;接着,建立短时任务条件下工作时间最小的相控阵雷达管理优化函数。仿真结果表明,短时任务分配模型能够提升雷达的工作效能。     

无人机集群打击海面目标指定时间协同控制方法

针对无人机集群打击海面运动目标的时空协同问题,提出了一种指定时间协同控制方法。将每架无人机与其邻居之间的相对运动转化为含指定末端时刻的最优跟踪器,针对打击构型生成、打击构型保持两个含指定时间参数的控制目标,分别设计了不同的二次代价函数,通过龙格库塔法求解控制律,可以驱动无人机集群在指定时刻精准地生成打击构型,实现同时打击,并在后续指定时段内保持打击构型,实现持续打击。仿真实验结果证明,无人机集群可在指定时刻生成期望的编队构型并保持期望构型,对运动目标实现跟踪。     

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。     

多无人机时序到达协同控制方法

时序到达控制是无人机协同控制方向新近产生的典型问题, 对异构无人机协同执行搜索、跟踪、打击、评估等任务具有重要潜在价值。引入计算几何学中的Laguerre图用于航路规划, 当两个威胁区域不相交时, Laguerre图生成的初始航路必然从它们之间的空隙内穿过。针对时序控制精度不高的问题, 采用周期性的速度修正方法, 有效提高了到达时间精度。仿真结果表明, 所提出的时序到达控制方法能够有效实现多无人机时序到达, 并且具有较高的鲁棒性和控制精度。     

基于自适应烟花算法的多无人机任务分配

多无人机任务分配是复杂的多约束多目标非线性优化问题,针对常用智能算法的各自缺陷,结合烟花算法特点,提出使用改进的自适应烟花算法处理该问题。首先建立了该问题的数学模型,使用层次分析法结合灰色关联法求得各指标权重,并用外罚函数法将该模型转化为无约束单目标极值问题;然后使用自适应烟花算法求解该模型。为验证自适应烟花算法处理该问题的优越性,分别用几种不同优化算法做仿真计算。结果表明,自适应烟花算法能快速收敛于全局最优解,其结果直观地表述了该复杂情景下合理任务分配方案。     

考虑时间窗约束的多无人机任务分配

针对异构多无人机执行侦察、攻击等多任务时的分配问题,提出带有时间窗的基于共识的捆绑算法(WCBBA),该算法解决了基于任务时间窗以及无人机载弹限制约束条件下的多无人机任务分配问题。首先,基于约束条件建立了异构多无人机任务分配模型,设计了任务收益函数以及由于飞行距离所产生的折扣函数;其次,利用算法对多无人机执行侦察、攻击任务的分配模型进行求解。仿真结果表明,算法能够成功、高效地解决任务分配过程中的冲突问题,完成最优化的任务分配,对多任务条件下的异构多无人机协同作战任务分解具有一定的理论意义和实用价值。     

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。     

种多无人机协同多任务规划方法研究

随着任务环境日益复杂和任务多样,多无人机协同处理多任务实现整体效能最优是一个极具理论价值和现实意义的问题。文章对无人机处理多任务问题建模,充分考虑无人机性能、区域禁飞、地形安全等约束因素,并对处理多目标优化的NSGA-II算法进行改进来解决无人机任务分配问题,通过仿真表明,该方法能有效解决多无人机协同处理多任务问题。     

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。     

多无人机协同任务规划

为解决多无人机协同规划军事目标打击的问题,基于多旅行商（TSP）数字规划理论进行路径和时间的优化。文中建立了多旅行商（TSP）数字规划模型,并根据任务性能和区域划分理论,利用退火算法求解出该模型的最优解。使用A*路径规划算法,通过编程仿真规划出了无人机的时间最优路径。结果表明,该方法较好地解决了当前无人机协同作战的目标分配问题,大幅提高了无人机协同作战的能力。     

多无人机协同侦察任务规划方法研究综述

由于军事侦察任务的复杂性不断提高,且侦察方式逐渐向多无人机协同的方向发展,而任务规划是无人机执行侦察任务的关键技术,因此研究多无人机协同侦察任务规划方法具有重要意义。根据侦察对象的不同将其分为“点对点”协同侦察和“点对面”协同侦察两种任务模式。对于“点对点”协同侦察,对其目标分配算法与航迹规划算法的原理、优势与不足及改进方法进行了分析,介绍了航迹平滑的常用方法。对于“点对面”协同侦察,从环境信息是否可知的角度对当前的侦察方法进行了分析并总结。最后指出了未来多无人机协同侦察的发展趋势为多无人机携带多种载荷对环境未知的区域进行多角度覆盖侦察。     

面向数据采集的多无人机协同节能部署方法

针对具有差异化服务质量需求的数据采集任务,提出了一种多无人机协同的数据采集策略,通过优化无人机的三维部署和设备关联,以最大程度地节约设备的功率资源。该联合优化问题属于混合整数非线性规划问题,难以求解,因此提出了一种基于交替迭代优化的无人机部署方法。具体而言,将原始问题分解为设备关联子问题和无人机三维部署子问题,进行交替迭代求解。首先,针对设备关联子问题,将其建模为0-1多背包问题,提出了一种基于动态规划的节能设备关联算法。然后,针对三维部署子问题,考虑设备的需求差异化,提出了一种改进的粒子群算法。最后,对上述过程进行交替迭代,直到无人机三维部署和关联的设备不再变化。实验结果表明,在不同的网络通信场景中,提出的算法能够为物联网设备节约更多的功率资源。     

基于ISODATA约束聚类的多无人机动态任务分配

战场环境的动态性和不确定性以及任务分配问题的复杂性,使得无人机飞行前预先规划难以满足时间敏感性要求。针对多无人机动态任务分配问题,建立了数学模型,并设计了一种求解该问题的ISODATA约束聚类法。运用分组基础上的任务再分配策略,首先通过ISODATA约束聚类实施任务分组,然后在分组基础上利用免疫粒子群算法进行组内任务重分配。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,具有较好的时间性能。     

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.     

动态环境下的多UCAV协同任务分配研究

战场环境的动态性和不确定性以及协同控制的复杂性,使得预先制定的无人作战飞机任务分配方案不能满足动态战场环境中的实时性要求。考虑到无人作战飞机的差异、目标的差异及战场态势对目标分配的影响,建立了多无人作战飞机协同目标分配问题的数学模型。针对多无人作战飞机协同控制中的动态任务分配问题,提出一种改进的混合重分配策略,从任务层次上解决了多无人作战飞机的动态任务分配问题,在此基础上提出了混合细菌觅食算法,并用该算法在动态环境中为无人作战飞机进行合理的任务分配,通过仿真实验和分析表明混合重分配策略和混合细菌觅食算法的有效性。     

多无人机协同区域搜索系统设计

无人机(Unmanned Aerial Vehicle,UAV)具有广泛的应用场景,多UAV协同搜索技术是获取战场环境信息的重要作战方式之一.文中针对复杂多变战场环境下目标搜索的问题,基于实际需求对整体的协同搜索系统进行详细的分析,通过模拟一个存在多种地面雷达威胁、地空导弹威胁的虚拟战场环境的实验场景,提出了多机协同搜...