CN104898689B - 一种区间信息条件下的多无人机目标分配决策方法 - Google Patents
一种区间信息条件下的多无人机目标分配决策方法 Download PDFInfo
- Publication number
- CN104898689B CN104898689B CN201510145341.2A CN201510145341A CN104898689B CN 104898689 B CN104898689 B CN 104898689B CN 201510145341 A CN201510145341 A CN 201510145341A CN 104898689 B CN104898689 B CN 104898689B
- Authority
- CN
- China
- Prior art keywords
- man
- machine
- frame
- terrain object
- jth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种区间信息条件下的多无人机目标分配决策方法,该方法包括以下几个步骤:步骤一:定义多无人机目标分配决策的变量;步骤二:计算排名可接受度分析指标;步骤三:计算全局可接受度分析指标;步骤四:建立目标分配模型;步骤五:将求得的指标结果代入模型中,得出最优分配方案。本发明基于随机多属性可接受性分析方法,提出了目标分配模型,能有效解决不确定区间信息条件下的多无人机目标分配决策问题,提高了目标分配的效果,能满足真实复杂战场环境的需要。
Description
技术领域
本发明涉及一种区间信息条件下的多无人机目标分配决策方法,属于无人机控制与决策领域。
背景技术
无人机在军事和民用领域发挥着越来越重要的作用,在过去的几十年里,无人机作为智能体,在多种危险和复杂的环境下的任务中得到应用。由于多机协同执行复杂任务能够大大增加任务完成概率,因此多无人机协同控制和决策问题,受到了极大的关注。多无人机目标分配的目的是将若干待攻击的目标分配给多个无人机,使得总体的分配效能达到最优。在进行目标分配时,需要考虑多个属性,无人机的航程代价,无人机的毁伤代价,价值收益等。
目前,对多无人机目标分配问题,往往使用数学规划或群体协商等方法进行求解。但在真实的任务环境中,掌握的属性信息是往往不确定的,表现为随机性或者模糊性,比如目标的位置信息,虽然可以事先探测,但不能保证完全准确,具有一定的随机性;保护目标的防空力量,其对无人机的威胁程度难以确定;目标的价值,往往也是模糊的,难以精确给定。不确定性来源于多种因素,有传感器的不精确、目标的移动和伪装、主观判断的不精确等等,多种形式的不确定性往往混合在一起,形成一种深度不确定的局面,使得常规的数学规划方法和群体协商的方法难以奏效。因此,在深度不确定的条件下进行目标分配的研究具有现实的意义。
发明内容
本发明是为了克服现有技术存在的不足之处,提供一种区间信息条件下的多无人机目标分配决策方法,以期能有效解决深度不确定条件下,属性是不确定区间信息的多无人机目标分配问题,提高目标分配的效果,从而满足复杂战场的决策需要。
本发明为解决技术问题采取如下技术方案:
本发明一种区间信息条件下的多无人机目标分配决策方法,是应用于由NU架无人机攻打NT个地面目标的战场环境中,并有NU=NT;其特点是按照如下步骤进行:
步骤一、定义多无人机目标分配决策的变量:
将所述NU架无人机记为1≤i≤NU;,ui表示所述NU架无人机u中第i架无人机;将所述NT个地面目标记为1≤j≤NT;,tj表示所述NT个地面目标t中第j个地面目标;
定义xij为一个判断值,xij=1表示第i架无人机ui攻打第j个地面目标tj,xij=0表示第i架无人机ui不攻打第j个地面目标tj;
定义Rij表示所述第i架无人机ui攻打第j个地面目标tj时的价值收益区间信息,并有服从均匀分布;ωR表示所述价值收益的权重区间信息,并有服从均匀分布;
定义Fij表示所述第i架无人机ui攻打第j个地面目标tj时的航程代价区间信息,并有服从均匀分布;ωF表示所述航程代价的权重区间信息,并有服从均匀分布;
定义Lij表示所述第i架无人机ui攻打第j个地面目标tj时的毁伤代价区间信息,并有服从均匀分布;ωL表示所述毁伤代价的权重区间信息,并有服从均匀分布;
步骤二、利用蒙特卡罗仿真方法计算所述第i架无人机ui攻打第j个地面目标tj时所有排名的可接受度分析指标集合;
步骤三、计算所述第i架无人机ui攻打第j个地面目标tj的全局可接受度分析指标aij;
步骤四、建立目标分配模型:
步骤五、将所述全局可接受度分析指标aij代入所述目标分配模型中,从而获得目标分配的最优决策方案。
本发明所述的区间信息条件下的多无人机目标分配决策方法的特点也在于,
所述步骤二是按如下步骤进行:
步骤2.1、对所述价值收益区间信息Rij、航程代价区间信息Fij和毁伤代价区间信息Lij进行归一化处理;获得归一化处理后的价值收益区间信息航程代价区间信息 和毁伤代价区间信息
步骤2.2、定义迭代次数为l;迭代阈值τ;
步骤2.3、初始化j=1;
步骤2.4、初始化l=1;
步骤2.5、利用式(1)、式(2)和式(3)分别获得初始权重向量
式(1)和式(2)中,unifrnd[]函数表示产生服从均匀分布区间[]的随机数;
步骤2.6、判断是否成立;若成立,则执行步骤2.7;否则清零并返回步骤2.5;
步骤2.7、利用式(4)、式(5)和式(6)分别获得初始价值收益航程代价和毁伤代价
步骤2.8、利用式(7)获得所述第i架无人机ui攻打第j个地面目标tj时的效用
步骤2.9、重复步骤2.7和步骤2.8,从而获得第l次迭代下的NU架无人机的效用集合
步骤2.10、将所述第l次迭代下的NU架无人机的效用集合进行降序排序,从而获得第l次迭代下的所述第i架无人机ui攻打第j个地面目标tj时的次序进而获得第l次迭代下的NU架无人机攻打第j个地面目标tj时的次序集合
步骤2.11、将l+1赋值给l,并判断l≤τ是否成立,若成立,则返回步骤2.5顺序执行;否则获得τ次迭代下的所述第i架无人机ui攻打第j个地面目标tj时的次序集合进而获得τ次迭代下的NU架无人机攻打第j个地面目标tj时的次序集合
步骤2.12、统计τ次迭代下所述第i架无人机ui攻打第j个地面目标tj时次序r在所述次序集合中出现的概率1≤r≤NU;以所述概率作为所述第i架无人机ui攻打第j个地面目标tj时排名第r的可接受度分析指标从而获得所述第i架无人机ui攻打第j个地面目标tj时所有排名的可接受度分析指标集合进而获得NU架无人机攻打第j个地面目标tj时所有排名的可接受度分析指标集合
步骤2.13、将j+1赋值给j,并判断j≤NT是否成立,若成立,则返回步骤2.4顺序执行;否则获得NU架无人机一对一攻打NT个地面目标时的可接受度分析指标集合
所述步骤2.1中是利用式(8)、式(9)和式(10)进行归一化处理:
式(8)中,
式(9)中,
式(10)中,
所述步骤三是利用式(11)获得第i架无人机ui攻打第j个目标tj的全局可接受度分析指标aij:
式(11)中,
所述步骤四的目标分配模型为:
目标函数:
约束条件:
xij∈{0,1}(15)
式(13)和(14)表示每个地面目标只能分配给一架无人机;每架无人机只能攻打一个地面目标。
与已有技术相比,本发明的有益效果体现在:
1、本发明提出了一套新的解决复杂战场环境下多无人机目标分配的决策方法,将无人机目标分配问题看成是一个随机多属性决策问题,考虑了价值收益、航程代价、毁伤代价这三个属性,属性和权重的随机性通过区间信息来表示,利用仿真计算得到评估指标值,再结合目标分配模型进行综合决策,从而得到最优分配方案;
2、本发明将属性和权重用区间信息表示,可以充分利用评价者的模糊属性信息和决策者的部分偏好信息,使得在尽可能满足决策者愿望的前提下,作出客观合理的决策;
3、本发明将计算出的全局可接受度指标作为最终的评估指标,它是随机多属性决策方法中考虑的一个重要指标,可以表示决策方案综合的可接受度,相比排名可接受度指标来说更具有全局性,评估更加简单方便;
4、本发明计算评估指标时采用的是蒙特卡罗仿真方法,它是通过大量而简单的重复抽样实现的,计算方法和程序内部都很简单,适应性强,受问题条件限制的影响较小;
5、本发明提出了一个目标分配模型,是以分配方案的全局可接受度指标加和最大为最优分配方案,并且每个地面目标只能分配给一架无人机,每架无人机只能攻打一个地面目标,从一对一的分配层次上保证了无人机资源利用的最大化。
附图说明
图1为本发明分配决策方法流程图。
具体实施方式
本实施例中,一种区间信息条件下的多无人机目标分配决策方法,是应用于由NU架无人机攻打NT个地面目标的战场环境中,并有NU=NT;具体地说,是按照如下步骤进行:
步骤一、定义多无人机目标分配决策的变量:
将NU架无人机记为1≤i≤NU;,ui表示NU架无人机u中第i架无人机;将NT个地面目标记为1≤j≤NT;,tj表示NT个地面目标t中第j个地面目标;
定义xij为一个判断值,xij=1表示第i架无人机ui攻打第j个地面目标tj,xij=0表示第i架无人机ui不攻打第j个地面目标tj;
在实际的复杂战场环境中,很难获得准确的目标分配信息,这些信息在数学上可表述为不确定区间决策信息;多无人机目标分配问题可以描述为基于区间信息的随机多属性决策问题,属性分别为价值收益指标,航程代价指标和毁伤代价指标。定义Rij表示第i架无人机ui攻打第j个地面目标tj时的价值收益区间信息,并有服从均匀分布;ωR表示价值收益的权重区间信息,并有服从均匀分布;
定义Fij表示第i架无人机ui攻打第j个地面目标tj时的航程代价区间信息,并有服从均匀分布;ωF表示航程代价的权重区间信息,并有服从均匀分布;
定义Lij表示第i架无人机ui攻打第j个地面目标tj时的毁伤代价区间信息,并有服从均匀分布;ωL表示毁伤代价的权重区间信息,并有服从均匀分布;
步骤二、利用蒙特卡罗仿真方法计算第i架无人机ui攻打第j个地面目标tj时所有排名的可接受度分析指标集合;
步骤2.1、利用式(1)、式(2)和式(3)对价值收益区间信息Rij、航程代价区间信息Fij和毁伤代价区间信息Lij进行归一化处理;从而获得归一化处理后的价值收益区间信息 、航程代价区间信息 和毁伤代价区间信息
式(1)中,
式(2)中,
式(3)中,
步骤2.2、定义迭代次数为l;迭代阈值τ;一般τ取10000;
步骤2.3、初始化j=1;
步骤2.4、初始化l=1;
步骤2.5、利用式(4)、式(5)和式(6)分别获得初始权重向量
式(4)和式(5)中,unifrnd[]函数表示产生服从均匀分布区间[]的随机数,式(6)表示所有属性权重加和为1;
步骤2.6、判断是否成立;若成立,则执行步骤2.7;否则清零并返回步骤2.5,重新获得初始权重向量;
步骤2.7、利用式(7)、式(8)和式(9)分别获得初始价值收益航程代价和毁伤代价
步骤2.8、利用式(10)获得第i架无人机ui攻打第j个地面目标tj时的效用
步骤2.9、重复步骤2.7和步骤2.8,从而获得第l次迭代下的NU架无人机的效用集合
步骤2.10、将第l次迭代下的NU架无人机的效用集合进行降序排序,从而获得第l次迭代下的第i架无人机ui攻打第j个地面目标tj时的次序比如第l次迭代下第2架无人机u2攻打第j个地面目标tj时的效用在NU架无人机的效用集合的降序次序为3,那么就记为进而获得第l次迭代下的NU架无人机攻打第j个地面目标tj时的次序集合
步骤2.11、将l+1赋值给l,并判断l≤τ是否成立,若成立,则返回步骤2.5顺序执行;否则获得τ次迭代下的第i架无人机ui攻打第j个地面目标tj时的次序集合进而获得τ次迭代下的NU架无人机攻打第j个地面目标tj时的次序集合
步骤2.12、统计τ次迭代下第i架无人机ui攻打第j个地面目标tj时次序r在次序集合中出现的概率1≤r≤NU;以概率作为第i架无人机ui攻打第j个地面目标tj时排名第r的可接受度分析指标从而获得第i架无人机ui攻打第j个地面目标tj时所有排名的可接受度分析指标集合进而获得NU架无人机攻打第j个地面目标tj时所有排名的可接受度分析指标集合
步骤2.13、将j+1赋值给j,并判断j≤NT是否成立,若成立,则返回步骤2.4顺序执行,分别求每架无人机攻打第j个地面目标tj时所有排名的可接受度分析指标;否则获得NU架无人机一对一攻打NT个地面目标时的可接受度分析指标集合
步骤三、利用式(11)计算第i架无人机ui攻打第j个地面目标tj的全局可接受度分析指标aij;
式(11)中,
步骤四、利用式(12)-式(15)建立目标分配模型:
目标函数:
约束条件:
xij∈{0,1}(15)
式(13)和(14)表示每个地面目标只能分配给一架无人机;每架无人机只能攻打一个地面目标;
步骤五、将所有计算出的全局可接受度分析指标aij代入目标分配模型中,从而获得目标分配的最优决策方案。
Claims (5)
1.一种区间信息条件下的多无人机目标分配决策方法,是应用于由NU架无人机攻打NT个地面目标的战场环境中,并有NU=NT;其特征是按照如下步骤进行:
步骤一、定义多无人机目标分配决策的变量:
将所述NU架无人机记为1≤i≤NU;,ui表示所述NU架无人机u中第i架无人机;将所述NT个地面目标记为1≤j≤NT;,tj表示所述NT个地面目标t中第j个地面目标;
定义xij为一个判断值,xij=1表示第i架无人机ui攻打第j个地面目标tj,xij=0表示第i架无人机ui不攻打第j个地面目标tj;
定义Rij表示所述第i架无人机ui攻打第j个地面目标tj时的价值收益区间信息,并有服从均匀分布;ωR表示所述价值收益的权重区间信息,并有服从均匀分布;
定义Fij表示所述第i架无人机ui攻打第j个地面目标tj时的航程代价区间信息,并有服从均匀分布;ωF表示所述航程代价的权重区间信息,并有服从均匀分布;
定义Lij表示所述第i架无人机ui攻打第j个地面目标tj时的毁伤代价区间信息,并有服从均匀分布;ωL表示所述毁伤代价的权重区间信息,并有服从均匀分布;
步骤二、利用蒙特卡罗仿真方法计算所述第i架无人机ui攻打第j个地面目标tj时所有排名的可接受度分析指标集合;
步骤三、计算所述第i架无人机ui攻打第j个地面目标tj的全局可接受度分析指标aij;
步骤四、建立目标分配模型:
步骤五、将所述全局可接受度分析指标aij代入所述目标分配模型中,从而获得目标分配的最优决策方案。
2.根据权利要求1所述的区间信息条件下的多无人机目标分配决策方法,其特征是,所述步骤二是按如下步骤进行:
步骤2.1、对所述价值收益区间信息Rij、航程代价区间信息Fij和毁伤代价区间信息Lij进行归一化处理;获得归一化处理后的价值收益区间信息航程代价区间信息和毁伤代价区间信息
步骤2.2、定义迭代次数为l;迭代阈值τ;
步骤2.3、初始化j=1;
步骤2.4、初始化l=1;
步骤2.5、利用式(1)、式(2)和式(3)分别获得初始权重向量
式(1)和式(2)中,unifrnd[]函数表示产生服从均匀分布区间[]的随机数;
步骤2.6、判断是否成立;若成立,则执行步骤2.7;否则清零并返回步骤2.5;
步骤2.7、利用式(4)、式(5)和式(6)分别获得初始价值收益航程代价和毁伤代价
步骤2.8、利用式(7)获得所述第i架无人机ui攻打第j个地面目标tj时的效用
步骤2.9、重复步骤2.7和步骤2.8,从而获得第l次迭代下的NU架无人机的效用集合
步骤2.10、将所述第l次迭代下的NU架无人机的效用集合进行降序排序,从而获得第l次迭代下的所述第i架无人机ui攻打第j个地面目标tj时的次序进而获得第l次迭代下的NU架无人机攻打第j个地面目标tj时的次序集合
步骤2.11、将l+1赋值给l,并判断l≤τ是否成立,若成立,则返回步骤2.5顺序执行;否则获得τ次迭代下的所述第i架无人机ui攻打第j个地面目标tj时的次序集合进而获得τ次迭代下的NU架无人机攻打第j个地面目标tj时的次序集合
步骤2.12、统计τ次迭代下所述第i架无人机ui攻打第j个地面目标tj时次序r在所述次序集合中出现的概率1≤r≤NU;以所述概率作为所述第i架无人机ui攻打第j个地面目标tj时排名第r的可接受度分析指标从而获得所述第i架无人机ui攻打第j个地面目标tj时所有排名的可接受度分析指标集合进而获得NU架无人机攻打第j个地面目标tj时所有排名的可接受度分析指标集合
步骤2.13、将j+1赋值给j,并判断j≤NT是否成立,若成立,则返回步骤2.4顺序执行;否则获得NU架无人机一对一攻打NT个地面目标时的可接受度分析指标集合
3.根据权利要求2所述的多无人机目标分配决策方法,其特征是,所述步骤2.1中是利用式(8)、式(9)和式(10)进行归一化处理:
式(8)中,
式(9)中,
式(10)中,
4.根据权利要求2所述的多无人机目标分配决策方法,其特征是,所述步骤三是利用式(11)获得第i架无人机ui攻打第j个目标tj的全局可接受度分析指标aij:
式(11)中,
5.根据权利要求1所述的多无人机目标分配决策方法,其特征是,所述步骤四的目标分配模型为:
目标函数:
约束条件:
xij∈{0,1}(15)
式(13)和(14)表示每个地面目标只能分配给一架无人机;每架无人机只能攻打一个地面目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510145341.2A CN104898689B (zh) | 2015-03-27 | 2015-03-27 | 一种区间信息条件下的多无人机目标分配决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510145341.2A CN104898689B (zh) | 2015-03-27 | 2015-03-27 | 一种区间信息条件下的多无人机目标分配决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104898689A CN104898689A (zh) | 2015-09-09 |
CN104898689B true CN104898689B (zh) | 2016-06-01 |
Family
ID=54031399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510145341.2A Active CN104898689B (zh) | 2015-03-27 | 2015-03-27 | 一种区间信息条件下的多无人机目标分配决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104898689B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107678446B (zh) * | 2017-10-30 | 2020-11-06 | 西北工业大学 | 一种针对大规模目标群的无人机协同目标分配方法 |
CN110442146B (zh) * | 2019-07-22 | 2022-10-25 | 合肥工业大学 | 无人机编队目标分配与空间占位联合决策方法及系统 |
CN112612298B (zh) * | 2020-11-27 | 2023-06-09 | 合肥工业大学 | 对抗环境下多无人机战术决策的多目标博弈方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246289A (zh) * | 2013-05-07 | 2013-08-14 | 西北工业大学 | 带通信约束的多无人机协同搜索中的目标分配方法 |
CN103744290A (zh) * | 2013-12-30 | 2014-04-23 | 合肥工业大学 | 一种多无人机编队分层目标分配方法 |
CN104407619A (zh) * | 2014-11-05 | 2015-03-11 | 沈阳航空航天大学 | 不确定环境下的多无人机同时到达多个目标方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8186589B2 (en) * | 2006-01-11 | 2012-05-29 | Carmel-Haifa University Economic Corporation Ltd. | UAV decision and control system |
-
2015
- 2015-03-27 CN CN201510145341.2A patent/CN104898689B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246289A (zh) * | 2013-05-07 | 2013-08-14 | 西北工业大学 | 带通信约束的多无人机协同搜索中的目标分配方法 |
CN103744290A (zh) * | 2013-12-30 | 2014-04-23 | 合肥工业大学 | 一种多无人机编队分层目标分配方法 |
CN104407619A (zh) * | 2014-11-05 | 2015-03-11 | 沈阳航空航天大学 | 不确定环境下的多无人机同时到达多个目标方法 |
Non-Patent Citations (2)
Title |
---|
基于满意决策的多机协同目标分配算法;廖沫,陈宗基;《北京航空航天大学学报》;20070131;第33卷(第1期);第81-85页 * |
无人机地面目标定位精度蒙特卡罗仿真分析;李大健,齐敏;《计算机仿真》;20110731;第28卷(第7期);第75-78页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104898689A (zh) | 2015-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105426970B (zh) | 一种基于离散动态贝叶斯网络的气象威胁评估方法 | |
CN112329348A (zh) | 一种面向非完全信息条件下军事对抗博弈的智能决策方法 | |
CN113255936B (zh) | 基于模仿学习和注意力机制的深度强化学习策略保护防御方法和装置 | |
CN106682351A (zh) | 基于计算机生成兵力的作战仿真系统及仿真方法 | |
CN109361534A (zh) | 一种网络安全模拟系统 | |
CN112131786A (zh) | 基于多智能体强化学习的目标探测与分配方法及装置 | |
CN103488886A (zh) | 基于模糊动态贝叶斯网络的态势威胁评估方法 | |
CN104898689B (zh) | 一种区间信息条件下的多无人机目标分配决策方法 | |
Hoogendoorn et al. | Modeling situation awareness in human-like agents using mental models | |
Teng et al. | Adaptive computer-generated forces for simulator-based training | |
CN104299047A (zh) | 一种基于模糊综合评价法的飞机航路评价指标体系的建立方法 | |
CN103065192B (zh) | 一种基于确定学习理论的海量时态数据建模方法 | |
CN104484500A (zh) | 一种基于拟合强化学习的空战行为建模方法 | |
CN115310345B (zh) | 基于人工势场的智能算法评估方法及装置 | |
CN107016212A (zh) | 基于动态贝叶斯网络的意图分析方法 | |
CN108413961A (zh) | 基于并行iACO的轻量级Web3D火灾逃生路径规划方法及系统 | |
CN110008985A (zh) | 基于改进d-s证据理论规则的舰载机群目标识别方法 | |
CN105487546A (zh) | 一种深空探测器自主任务规划时间约束几何处理方法 | |
CN112800679B (zh) | 一种光电装备防御规划方法、装置、设备及存储介质 | |
CN103902737A (zh) | 基于群智能算法的投影寻踪分类建模软件及实现 | |
CN103853894A (zh) | 基于rbf算法的诱饵弹延时投放时间精度计算方法 | |
CN107194155A (zh) | 一种基于小数据集和贝叶斯网络的威胁评估建模方法 | |
Al-Sarem et al. | Mining concepts' relationship based on numeric grades | |
Johansson et al. | On simulation-based adaptive UAS behavior during jamming | |
Xuan et al. | Air combat situation assessment by gray fuzzy Bayesian network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |