CN109407680A - 无人船编队重构的分布式目标协同分配方法 - Google Patents

Abstract

本发明提供一种无人船编队重构的分布式目标协同分配方法，包括：S1、建立无人船编队重构中目标分配模型；S2、无人船u_i根据代价函数计算方式得出代价向量c_i；S3、无人船u_i根据代价向量c_i与出价规则自主决策选择目标点进行出价，得到各自的一组价格向量P_oldi；S4、无人船u_i将各自的价格向量信息P_oldi广播给各自的邻居无人船；S5、完成分配。本发明所述的无人船编队重构的分布式目标协同分配方法，提出的一种无通信中心分布式协同目标分配方法，减小了对通信中心的依赖与通讯带宽，提高系统鲁棒性。同时考虑欠驱动无人船的特性，设计出一种基于Dubins曲线的代价函数，量化描述无人船到目标点的代价，解决基于直线的代价函数所忽略的运动学约束问题。

Description

无人船编队重构的分布式目标协同分配方法

技术领域

本发明涉及无人船编队技术领域，具体而言，尤其涉及一种无人船编队重构的分布式目标协同分配方法。

背景技术

针对编队重构中目标任务分配问题，国内外已经取得相应的研究结果，主要研究还是集中在无人机编队的目标分配，在无人船编队中的应用研究较少。其中这些分配方法包括遗传算法，匈牙利算法，粒子群算法。但这些方法存在以下不足：

第一，现有的一些方法主要是在集中式控制架构下实现的。如图9所示，编队中所有无人船仅与基站或者唯一的通信中心进行通讯，对通信中心或者基站设备的通讯带宽与性能要求极高。当通信中心出现故障时，分配会出现无法完成的情况，容错性与鲁棒性低。并且实际无人船编队的应用中，受无人船在某些海域的可通讯距离影响，当无人船编队与通讯中心或者基站之间的距离超出某一范围时，集中式的分配方法可行性大幅降低。

第二，现有的分配方法中针对无人船到目标点的距离代价问题的研究较少。现有的无人船编队技术研究大多将无人船当作全驱动船舶，无人船质点到目标点的直线路径距离当作距离代价。如图8所示，以目标位置点为圆心，r为半径的圆上分布着两条艏向角度不同的无人船。若以直线距离作为两条无人船到目标点的代价，那么船1与船2到目标点距离均为r，代价相同。然而无人船2受到由欠驱动性及惯性和最大方向舵偏角的约束所构成的运动学约束影响，无法在原地完成转向后直线到达目标点，实际路径距离L₂远大于船1到目标点的路径距离L₁，相应的代价也将增加。若以直线路径距离作为代价用来分配目标，不能真实的量化无人船到目标点的实际代价，则分配结果的可行性较低，会出现无人船无法到达所分配目标点的情况。

发明内容

根据上述提出现有的无人船编队重构分配方法，对通信中心的依赖度较高，通信控制中心计算量大，并且缺少考虑欠驱动无人船固有的运动学约束的技术问题，而提供一种无人船编队重构的分布式目标协同分配方法。本发明主要利用Dubins曲线的代价函数，将无人船到目标点之间的距离代价量化描述，以及无通信中心的分布式协同拍卖分配算法，使得分配结果更具可执行性，减小了通讯带宽，分散了系统计算量，而且降低了对通信中心的依赖性，从而提高了系统鲁棒性与容错性。

本发明采用的技术手段如下：

一种无人船编队重构的分布式目标协同分配方法，包括：

S1、在初始化模块中，建立无人船编队重构中目标点分配模型：编队中无人船集合U，发布预设队形中目标点集M的位姿状态信息。

S2、在自主计算与投标决策模块中，无人船u_i根据代价函数计算方式得出代价向量c_i。

S3、在自主计算与投标决策模块中，无人船u_i根据代价向量c_i与出价规则自主决策选择目标点进行出价，得到各自的一组价格向量P_oldi。

S4、在信息交换更新模块中，无人船u_i将各自的价格向量信息P_oldi广播给各自的邻居无人船，接受邻居无人船的价格信息并更新每个点的价格向量信息为P_i。

S5、在一致性判断模块中，无人船u_i将更新后的价格向量信息P_i与决策阶段的价格向量信息P_oldi进行对比，若两者相同则计数器count_i加一，若两者不同则计数器count_i置零，并返回步骤S3，在下一轮迭代的投标决策阶段，再次挑选兴趣目标点做出出价；当计数器count_i加一后，判断count_i和D是否相等，若count_i和D不相等，返回步骤S3，在下一轮迭代的投标决策阶段，再次挑选兴趣目标点做出出价，直至count_i计数达到D时，确保每只无人船所记录价格向量达成一致，均获得各个目标点全局价格，每只无人船所得目标点即是各自所分配到的目标位置点，从而完成分配。

进一步地，在步骤S1中，具体包括，建立无人船编队重构中目标点分配模型：编队中n条无人船构成无人船集合U＝{u₁,u₂,…,u_n}，预设队形中的n个目标位置点构成目标点集合M＝{m₁,m₂,…,m_n}，每条无人船能够到达任意一点。

进一步地，在步骤S2中，具体包括，队形重构中目标点的分配即根据无人船到目标点的代价将集合M中的目标位置点m_j，分配给集合U中无人船u_i，使得总代价最小，路径距离最短，如式(1)所示：

其中，C(·)为无人船从起始点到目标位置点的距离代价函数，为无人船u_i的起点位姿状态，为无人船u_j的目标位置点位姿状态，满足约束：

所述距离代价函数：无人船从初始点到目标位置点的路径距离认为是无人船到目标点的代价，距离越短则代价越小。

针对受运动学约束的欠驱动无人船设计一种基于Dubins曲线的代价函数，从而更加贴近无人船到相应目标点的路径距离，使得分配结果更具可执行性；基于Dubins曲线的代价函数设计基于以下思想：在起始位置点与目标位置点的艏向角和最小转向半径已知的情况下，从起始点到目标点的最短路径由一段直线以及最小半径转向圆弧构成，那么任意目标位置点m_j与无人船u_i之间均有一条对应的Dubins曲线L_ij使得无人船u_i到达目标点m_j，L_ij的长度即是无人船u_i到目标点m_j的代价c_ij。

无人船u_i在起始点位姿状态向量目标位置点m_j终止位姿状态向量最小转向半径r；分别在无人船起始点A处与终止位置点C处，以无人船前向速度方向为切线做切圆；

圆心O₁,O₂坐标分别可以求得：

切点B坐标为：

无人船从起始点A到目标位置点B的Dubins曲线由直线AB与圆弧BC构成代价c_ij为：

n条无人船与n个目标点之间将会产生n²个代价元素c_ij；

定义决策变量x_ij如下：

公式(1)、(2)可转化为：

其中(8)为分配目标点所需实现的目标函数，即总代价最小，行程距离最短；约束条件(9)表示每条无人船只能分配到一个目标点。

所述分布式架构如下：用无向树G(V,E)抽象描述无人船编队分布式通讯网络拓扑，其中V为拓扑中节点的集合，即无人船集合U；E是任意连接通信节点的边，若(u_i,u_k)∈E，则无人船u_i与无人船u_k可实现通信。

无人船u_i的邻居节点定义为：编队中各无人船作为独立的智能体节点，仅与邻居节点进行通信来完成信息的交换，不依赖通讯中心。

所述分布式目标协同分配方法如下：

在编队队形重构的目标点分配问题中，将构成预设队形的目标点当作竞拍物品，目标点集合M＝{m₁,m₂,…,m_n}即一系列竞拍物品组成的商品集；将编队中无人船当作竞拍智能体，无人船集合U＝{u₁,u₂,…,u_n}即一系列智能体组成的竞拍智能体集合；由代价函数产生的一系列代价值c_ij看作是目标点对无人船产生的收益值；

收益值c_ij是根据代价函数计算得到，代价值越大说明距离越远，目标点m_j对无人船u_i的吸引力越小，代价向量C_i＝[c_im1,c_im2,c_im3,…c_imn]看作无人船u_i到一系列目标点的代价。

将价格向量P_i＝[p_im1,p_im2,p_im3,…p_imn]看作无人船u_i对一系列目标点标价的记录，起始P_i均为零向量。

将构成预设队形的n个目标点坐标信息发送至各无人船后开始拍卖过程，拍卖分配过程中每次迭代主要分为三个阶段：投标决策阶段、价格信息交换更新阶段、一致性阶段，三个阶段中所有的计算均在本地执行；

进一步地，在步骤S3中，具体包括，在投标决策阶段，无人船u_i根据公式(10)挑选出总代价最小的兴趣目标点j_i，记录最小总代价为v_i以及除去目标点j_i以外的最小总代价w_i，并对目标点j_i根据式(13)进行出价

公式(13)中ε为每次出价中的一个补增量，其作用是保证每次出价都至少增加ε，避免在w_i与v_i相等的情况下，出价恒定不变；无人船u_i自主选择出兴趣目标点并出价后，生成一组的价格向量P_oldi。

进一步地，在步骤S4中，具体包括，在价格信交息换更新阶段，无人船u_i将投标决策阶段生成的一组价格向量P_oldi向邻居船只发送，同时接受邻居船只所发送的价格信息，并根据式(14)记录更新每个目标点的价格信息用作下轮迭代中的一组目标点的竞拍起始价格向量P_i。

进一步地，在步骤S5中，具体包括，与邻居船只进行信息交换更新后，进入一致性阶段，无人船u_i将更新后的价格P_i与决策阶段的价格P_oldi进行对比，若两者相同则计数器count_i加一，若两者不同则计数器count_i置零，并在下一轮迭代的投标决策阶段根据式(10)再次挑选兴趣目标点做出出价，直至count_i计数达到D时，确保每只无人船所记录价格向量达成一致，均获得各个目标点全局价格，每只无人船根据式(10)所得目标点即是各自所分配到的目标位置点，从而完成分配。

进一步地，在步骤S5中，D的取值如式(15)：

本发明所述的无人船编队重构的分布式目标协同分配方法，针对无人船编队队形重构中目标点分配问题，提出了一种无人船编队重构中分布式协同目标分配方法。第一，本发明考虑欠驱动无人船的实际运动学特性，设计出一种基于Dubins曲线的代价函数，将无人船到目标点之间的距离代价量化描述，解决基于直线的代价函数所忽略的运动学约束。使得分配结果更具可执行性。

第二，本发明将市场竞拍机制的思想应用到无人船编队重构中目标点分配问题上，设计出一种无通信中心的分布式协同拍卖分配算法，与集中式分配方法相比，本发明所提分布式协同竞拍分配方法，仅需要通过编队中无人船之间的局部通信交互信息，即可完成分配，不依赖于通信中心或者基站。当编队中某一条无人船出现通讯故障时，其他无人船也可通过与其他无人船的通讯来交互信息完成分配，提高了系统的容错性与鲁棒性，同时也提高了无人船的自主性与智能化水平。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是基于dubins曲线的距离代价示意图。

图2是无人船编队分布式通信拓扑结构图。

图3是无人船分布式协同分配方法示意图。

图4是无人船编队从I字型重构到D字型的目标分配结果示意图。

图5是无人船编队从D字型重构到M字型的目标分配结果示意图。

图6是无人船编队从M字型重构到U字型的目标分配结果示意图。

图7是无人船编队从M字型重构到U字型带dubins曲线路径的分配结果示意图。

图8是艏向角度不同的无人船示意图。

图9是集中式通信拓扑示意图。

图10是分布式通信拓扑示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

一种无人船编队重构的分布式目标协同分配方法，包括：

S1、在初始化模块中，建立无人船编队重构中目标点分配模型：编队中n条无人船构成无人船集合U＝{u₁,u₂,…,u_n}，预设队形中的n个目标位置点构成目标点集合M＝{m₁,m₂,…,m_n}，每条无人船能够到达任意一点。

S2、在自主计算与投标决策模块中，无人船u_i根据代价函数计算方式得出代价向量c_i；具体包括，队形重构中目标点的分配即根据无人船到目标点的代价将集合M中的目标位置点m_j，分配给集合U中无人船u_i，使得总代价最小，路径距离最短，如式(1)所示：

其中，C(·)为无人船从起始点到目标位置点的距离代价函数，为无人船u_i的起点位姿状态，为无人船u_j的目标位置点位姿状态，满足约束：

所述距离代价函数：无人船从初始点到目标位置点的路径距离认为是无人船到目标点的代价，距离越短则代价越小；

针对受运动学约束的欠驱动无人船设计一种基于Dubins曲线的代价函数，从而更加贴近无人船到相应目标点的路径距离，使得分配结果更具可执行性；

基于Dubins曲线的代价函数设计基于以下思想：在起始位置点与目标位置点的艏向角和最小转向半径已知的情况下，从起始点到目标点的最短路径由一段直线以及最小半径转向圆弧构成，那么任意目标位置点m_j与无人船u_i之间均有一条对应的Dubins曲线L_ij使得无人船u_i到达目标点m_j，L_ij的长度即是无人船u_i到目标点m_j的代价c_ij；

无人船u_i在起始点位姿状态向量目标位置点m_j终止位姿状态向量最小转向半径r；

分别在无人船起始点A处与终止位置点C处，以无人船前向速度方向为切线做切圆；

圆心O₁,O₂坐标分别可以求得：

切点B坐标为：

无人船从起始点A到目标位置点B的Dubins曲线由直线AB与圆弧BC构成代价c_ij为：

n条无人船与n个目标点之间将会产生n²个代价元素c_ij；

定义决策变量x_ij如下：

公式(1)、(2)可转化为：

其中(8)为分配目标点所需实现的目标函数，即总代价最小，行程距离最短；约束条件(9)表示每条无人船只能分配到一个目标点；

所述分布式架构如下：用无向树G(V,E)抽象描述无人船编队分布式通讯网络拓扑，其中V为拓扑中节点的集合，即无人船集合U；E是任意连接通信节点的边，若(u_i,u_k)∈E，则无人船u_i与无人船u_k可实现通信；

无人船u_i的邻居节点定义为：编队中各无人船作为独立的智能体节点，仅与邻居节点进行通信来完成信息的交换，不依赖通讯中心。

所述分布式目标协同分配方法如下：

在编队队形重构的目标点分配问题中，将构成预设队形的目标点当作竞拍物品，目标点集合M＝{m₁,m₂,…,m_n}即一系列竞拍物品组成的商品集；将编队中无人船当作竞拍智能体，无人船集合U＝{u₁,u₂,…,u_n}即一系列智能体组成的竞拍智能体集合；由代价函数产生的一系列代价值c_ij看作是目标点对无人船产生的收益值；

收益值c_ij是根据代价函数计算得到，代价值越大说明距离越远，目标点m_j对无人船u_i的吸引力越小，代价向量C_i＝[c_im1,c_im2,c_im3,…c_imn]看作无人船u_i到一系列目标点的代价；

将价格向量P_i＝[p_im1,p_im2,p_im3,…p_imn]看作无人船u_i对一系列目标点标价的记录，起始P_i均为零向量。

将构成预设队形的n个目标点坐标信息发送至各无人船后开始拍卖过程，拍卖分配过程中每次迭代主要分为三个阶段：投标决策阶段、价格信息交换更新阶段、一致性阶段，三个阶段中所有的计算均在本地执行；

S3、在自主计算与投标决策模块中，无人船u_i根据代价向量c_i与出价规则自主决策选择目标点进行出价，得到各自的一组价格向量P_oldi；

在投标决策阶段，无人船u_i根据公式(10)挑选出总代价最小的兴趣目标点j_i，记录最小总代价为v_i以及除去目标点j_i以外的最小总代价w_i，并对目标点j_i根据式(13)进行出价

公式(13)中ε为每次出价中的一个补增量，其作用是保证每次出价都至少增加ε，避免在w_i与v_i相等的情况下，出价恒定不变；

无人船u_i自主选择出兴趣目标点并出价后，生成一组的价格向量P_oldi。

S4、在信息交换更新模块中，无人船u_i将各自的价格向量信息P_oldi广播给各自的邻居无人船，接受邻居无人船的价格信息并更新每个点的价格向量信息为P_i；在价格信交息换更新阶段，无人船u_i将投标决策阶段生成的一组价格向量P_oldi向邻居船只发送，同时接受邻居船只所发送的价格信息，并根据式(14)记录更新每个目标点的价格信息用作下轮迭代中的一组目标点的竞拍起始价格向量P_i。

S5、在一致性判断模块中，与邻居船只进行信息交换更新后，进入一致性阶段，无人船u_i将更新后的价格向量信息P_i与决策阶段的价格向量信息P_oldi进行对比，

若两者相同则计数器count_i加一，

若两者不同则计数器count_i置零，并返回步骤S3，在下一轮迭代的投标决策阶段，根据式(10)再次挑选兴趣目标点做出出价，

当计数器count_i加一后，判断count_i和D是否相等，若count_i和D不相等，返回步骤S3，根据式(10)再次挑选兴趣目标点做出出价，直至count_i计数达到D时，确保每只无人船所记录价格向量达成一致，均获得各个目标点全局价格，每只无人船根据式(10)所得目标点即是各自所分配到的目标位置点，从而完成分配。D的取值如式(15)：

本发明所述的无人船编队重构的分布式目标协同分配方法，降低对通信中心的依赖，减少计算负荷，提高系统的鲁棒性。并考虑了欠驱动无人船的运动学约束，将其与距离代价融合，从而提高分配结果的可执行性。这种编队重构的目标分配方法能够在编队护航、海上巡逻和目标监视等任务重发挥重要的作用。

如图10所示，本发明所提分布式协同竞拍分配方法，仅需要通过编队中无人船之间的局部通信交互信息，即可完成分配，不依赖于通信中心或者基站。当编队中某一条无人船出现通讯故障时，其他无人船也可通过与其他无人船的通讯来交互信息完成分配，提高了系统的容错性与鲁棒性。同时也提高了无人船的自主性与智能化。

实施例1，如图1至图7所示，下面以一个具体的由9艘无人船组成的无人船编队进行编队重构的目标点分配为例对本发明进一步说明。编队中9条无人船构成无人船集合U＝{u₁,u₂,…,u₉}，预设队形中的9个目标位置点构成目标点集合M＝{m₁,m₂,…,m₉}。队形重构中目标点的分配即根据无人船到目标点的距离代价将集合M中的9个目标位置点分配给集合U中9艘无人船，使得总代价最小，即总路径距离最短。

如图1，以在起始点的位姿状态为的无人船u₁到目标位置点m₁终止位姿状态为的距离代价计算为例。最小转向半径为r，从起始点到目标点的最短路径由一段直线以及最小半径转向圆弧构成，对应的Dubins曲线L₁₁使得无人船u₁到达目标点m₁，L₁₁的长度即是无人船u₁到目标点m₁的代价c₁₁。分别在无人船起始点A处与终止位置点C处，以无人船前向速度方向为切线做切圆。圆心O₁,O₂坐标分别可以求得：

切点B坐标为：

无人船u₁从起始点到目标位置点的Dubins曲线由直线AB与圆弧BC构成，代价c₁₁为：

任意无人船u_i与到目标点m_j的距离代价值c_ij采取上述代价函数计算方式得到。

本例仿真中分布式通讯架构如图2所示：无人船u₁可以接受无人船u₉的信息，无人船u₂可以接受无人船u₁的信息，无人船u₃可以接受无人船u₂的信息，无人船u₄可以接受无人船u₃的信息，无人船u₅可以接受无人船u₄的信息，无人船u₆可以接受无人船u₅的信息，无人船u₇可以接受无人船u₆的信息，无人船u₈可以接受无人船u₇的信息，无人船u₉可以接受无人船u₈的信息。

所述分布式目标协同分配方法如下：

将构成预设队形的9个目标点当作9个竞拍物品，目标点集合M＝{m₁,m₂,…,m₉}即一系列竞拍物品组成的商品集；将编队中9艘无人船当作竞拍智能体，无人船集合U＝{u₁,u₂,…,u₉}即一系列智能体组成的竞拍智能体集合；由代价函数产生的一系列代价值c_ij看作是目标点对无人船产生的收益值。以无人船u₁为例，代价向量C₁＝[c₁₁,c₂₂,c₁₃,…c₁₉]看作无人船u₁到9个目标点的代价。将价格向量P₁＝[p₁₁,p₁₂,p₁₃,…p₁₉]看作无人船u₁对一系列目标点标价的记录，起始P₁为零向量。其余无人船的代价向量与价格向量与无人船u₁的形式相同。

将构成预设队形的9个目标点坐标信息以及终止位姿状态信息发送至9艘无人船后开始分布式拍卖协同分配过程，过程中每次迭代主要分为三个阶段：自主计算与投标决策阶段、价格信息交换更新阶段、一致性阶段，三个阶段均在各艘无人船本地运行。如图3所示，以无人船u₁为例，其余无人船运行方式相同。

自主计算与投标决策阶段：无人船u₁按照距离代价函数计算方式得到一组代价向量C₁＝[c₁₁,c₂₂,c₁₃,…c₁₉]，根据式(20)挑选出总代价最小的兴趣目标点j₁，记录最小总代价为v₁以及除去目标点j₁以外的最小总代价w₁，并对目标点j₁根据式(23)进行出价

本例仿真中ε取值为0.2。无人船u₁自主选择出兴趣目标点并出价后，生成一组的价格向量并保存为P_old1。进入价格信息交换更新阶段。

价格信息交换更新阶段：无人船u₁将投标决策阶段生成的一组价格向量P_oldi向邻居船只u₂发送，同时接受邻居船只u₉发送的价格信息，并根据式(24)记录更新每个目标点的邻居价格信息用作下轮迭代中的一组目标点的竞拍起始价格向量P₁。进入一致性阶段。

一致性判断阶段：无人船u₁将更新后的价格P₁与自主计算与投标决策阶段的价格P_old1进行对比，若两者相同则计数器count₁加一，若两者不同则计数器count₁置零，并在下一轮迭代的投标决策阶段根据式(23)再次挑选兴趣目标点做出出价，直至count₁计数达到D时，每只无人船根据式(20)所得目标点即是各自所分配到的目标位置点，完成分配。

图4所示为无人船编队从I字型重构到D字型的目标分配结果，图5所示为无人船编队从D字型重构到M字型的目标分配结果，图6所示为无人船编队从M字型重构到U字型的目标分配结果，图7所示无人船编队从M字型重构到U字型带dubins曲线路径的分配结果。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.一种无人船编队重构的分布式目标协同分配方法，其特征在于，包括：

S1、在初始化模块中，建立无人船编队重构中目标点分配模型：编队中无人船集合U，发布预设队形中目标点集M的位姿状态信息；

S2、在自主计算与投标决策模块中，无人船u_i根据代价函数计算方式得出代价向量c_i；

S3、在自主计算与投标决策模块中，无人船u_i根据代价向量c_i与出价规则自主决策选择目标点进行出价，得到各自的一组价格向量P_oldi；

S4、在信息交换更新模块中，无人船u_i将各自的价格向量信息P_oldi广播给各自的邻居无人船，接受邻居无人船的价格信息并更新每个点的价格向量信息为P_i；

S5、在一致性判断模块中，无人船u_i将更新后的价格向量信息P_i与决策阶段的价格向量信息P_oldi进行对比，

若两者相同则计数器count_i加一，

若两者不同则计数器count_i置零，并返回步骤S3，在下一轮迭代的投标决策阶段，再次挑选兴趣目标点做出出价；

当计数器count_i加一后，判断count_i和D是否相等，若count_i和D不相等，返回步骤S3，在下一轮迭代的投标决策阶段，再次挑选兴趣目标点做出出价，直至count_i计数达到D时，确保每只无人船所记录价格向量达成一致，均获得各个目标点全局价格，每只无人船所得目标点即是各自所分配到的目标位置点，从而完成分配。

2.根据权利要求1所述的无人船编队重构的分布式目标协同分配方法，其特征在于，

在步骤S1中，具体包括，建立无人船编队重构中目标点分配模型：

编队中n条无人船构成无人船集合U＝{u₁,u₂,…,u_n}，预设队形中的n个目标位置点构成目标点集合M＝{m₁,m₂,…,m_n}，每条无人船能够到达任意一点。

3.根据权利要求1所述的无人船编队重构的分布式目标协同分配方法，其特征在于，

在步骤S2中，具体包括，队形重构中目标点的分配即根据无人船到目标点的代价将集合M中的目标位置点m_j，分配给集合U中无人船u_i，使得总代价最小，路径距离最短，如式(1)所示：

其中，C(·)为无人船从起始点到目标位置点的距离代价函数，为无人船u_i的起点位姿状态，为无人船u_j的目标位置点位姿状态，满足约束：

所述距离代价函数：无人船从初始点到目标位置点的路径距离认为是无人船到目标点的代价，距离越短则代价越小；

无人船u_i在起始点位姿状态向量目标位置点m_j终止位姿状态向量最小转向半径r；

分别在无人船起始点A处与终止位置点C处，以无人船前向速度方向为切线做切圆；

圆心O₁,O₂坐标分别可以求得：

切点B坐标为：

无人船从起始点A到目标位置点B的Dubins曲线由直线AB与圆弧BC构成代价c_ij为：

n条无人船与n个目标点之间将会产生n²个代价元素c_ij；

定义决策变量x_ij如下：

公式(1)、(2)可转化为：

其中(8)为分配目标点所需实现的目标函数，即总代价最小，行程距离最短；约束条件(9)表示每条无人船只能分配到一个目标点；

所述分布式架构如下：用无向树G(V,E)抽象描述无人船编队分布式通讯网络拓扑，其中V为拓扑中节点的集合，即无人船集合U；E是任意连接通信节点的边，若(u_i,u_k)∈E，则无人船u_i与无人船u_k可实现通信；

无人船u_i的邻居节点定义为：编队中各无人船作为独立的智能体节点，仅与邻居节点进行通信来完成信息的交换，不依赖通讯中心；

所述分布式目标协同分配方法如下：

在编队队形重构的目标点分配问题中，将构成预设队形的目标点当作竞拍物品，目标点集合M＝{m₁,m₂,…,m_n}即一系列竞拍物品组成的商品集；将编队中无人船当作竞拍智能体，无人船集合U＝{u₁,u₂,…,u_n}即一系列智能体组成的竞拍智能体集合；由代价函数产生的一系列代价值c_ij看作是目标点对无人船产生的收益值；

收益值c_ij是根据代价函数计算得到，代价值越大说明距离越远，目标点m_j对无人船u_i的吸引力越小，代价向量C_i＝[c_im1,c_im2,c_im3,…c_imn]看作无人船u_i到一系列目标点的代价；

将价格向量P_i＝[p_im1,p_im2,p_im3,…p_imn]看作无人船u_i对一系列目标点标价的记录，起始P_i均为零向量。

4.根据权利要求3所述的无人船编队重构的分布式目标协同分配方法，其特征在于，

在步骤S3中，具体包括，在投标决策阶段，无人船u_i根据公式(10)挑选出总代价最小的兴趣目标点j_i，记录最小总代价为v_i以及除去目标点j_i以外的最小总代价w_i，并对目标点j_i根据式(13)进行出价

公式(13)中ε为每次出价中的一个补增量，其作用是保证每次出价都至少增加ε，避免在w_i与v_i相等的情况下，出价恒定不变；

无人船u_i自主选择出兴趣目标点并出价后，生成一组的价格向量P_oldi。

5.根据权利要求4所述的无人船编队重构的分布式目标协同分配方法，其特征在于，

在步骤S4中，具体包括，在价格信交息换更新阶段，无人船u_i将投标决策阶段生成的一组价格向量P_oldi向邻居船只发送，同时接受邻居船只所发送的价格信息，并根据式(14)记录更新每个目标点的价格信息用作下轮迭代中的一组目标点的竞拍起始价格向量P_i；

6.根据权利要求5所述的无人船编队重构的分布式目标协同分配方法，其特征在于，

在步骤S5中，具体包括，与邻居船只进行信息交换更新后，进入一致性阶段，无人船u_i将更新后的价格P_i与决策阶段的价格P_oldi进行对比，若两者相同则计数器count_i加一，若两者不同则计数器count_i置零，并在下一轮迭代的投标决策阶段根据式(10)再次挑选兴趣目标点做出出价，直至count_i计数达到D时，确保每只无人船所记录价格向量达成一致，均获得各个目标点全局价格，每只无人船根据式(10)所得目标点即是各自所分配到的目标位置点，从而完成分配。

7.根据权利要求6所述的无人船编队重构的分布式目标协同分配方法，其特征在于，

在步骤S5中，D的取值如式(15)：