CN109740954A - 一种面向灾难救援任务的大规模无人机快速编组方法 - Google Patents
一种面向灾难救援任务的大规模无人机快速编组方法 Download PDFInfo
- Publication number
- CN109740954A CN109740954A CN201910024043.6A CN201910024043A CN109740954A CN 109740954 A CN109740954 A CN 109740954A CN 201910024043 A CN201910024043 A CN 201910024043A CN 109740954 A CN109740954 A CN 109740954A
- Authority
- CN
- China
- Prior art keywords
- task
- unmanned plane
- class
- ability
- value
- 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.)
- Granted
Links
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种针对大规模无人机灾难救援任务的资源组合配置方法,该方法在考虑无人机执行任务的能力约束以及同一无人机只能同时执行一个任务的约束的前提下,根据救援任务的资源需求和无人机执行任务的效果,为每个救援任务分配无人机;本发明提出的基于规则的构造型资源组合配置方法,在优化最大化所有任务完成率总和目标的同时,尽量避免了资源组合配置不均衡的问题,能够快速生成一个近似最优解,使方法的实时性和有效性得到了保证;本发明方法可以解决多种不同资源和任务需求比例条件下的资源组合配置问题,包括无人机集群能力分别低于、匹配和超过灾难救援任务需求三种情形下的资源配置组合。
Description
技术领域
本发明属于无人机编组的研究领域,具体涉及一种面向灾难救援任务的大规模无人机快速编组方法。
背景技术
随着人工智能等理论的发展,无人机性能的提高,使用大规模无人机(上千架无人机)进行灾难救援已经成为未来趋势。大规模无人机可以有效提高救援效率,并减少救援人员的所需数量和伤亡。大规模无人机灾难救援是通过给多个无人机搭载不同传感器,以使无人机获得不同的能力,从而协同完成复杂多变的救援任务。通常救援任务对无人机有着多种能力的需求,如续航时间、侦察半径、救援物资载荷等,功能单一的无人机已经不能满足复杂救援任务需求,需要利用多个功能不同(即搭载不同传感器)的无人机一起协同完成这些给定的救援任务。大规模无人机灾难救援将提高单体能力,进行群体行为控制,已达到预期救援效果。
面向灾难救援任务的大规模无人机快速编组方法是指将多个搭载不同传感器的无人机进行编组并分配给救援区域内的多个救援任务的问题。此问题是灾难救援中的一个关键问题,而设计一个实时且高效的算法是求解面向灾难救援任务的大规模无人机快速编组问题的重要前提。
发明内容
有鉴于此,本发明提供了一种面向灾难救援任务的大规模无人机快速编组方法,能够在考虑无人机执行任务的能力约束以及同一无人机只能同时执行一个任务的约束的前提下,根据救援任务的资源需求及任务紧急程度和问题的两类指标,对大规模无人机进行编组并分配救援区域内的多个救援任务。
实现本发明的技术方案如下:
一种面向灾难救援任务的大规模无人机快速编组方法,包括以下步骤:
步骤一、确定无人机信息和救援任务信息,具体包括:无人机的数量、救援任务的数量、无人机的第一类能力矩阵、救援任务的第一类能力需求矩阵;无人机的第二类能力矩阵、救援任务的第二类能力需求矩阵、救援任务的紧急程度、救援任务每维能力的预期完成率;
所述第一类能力矩阵,其规模为无人机数量乘以第一类能力种类数量,第一类能力表示无人机不可叠加的属性;所述第一类能力需求矩阵,其规模为救援任务数量乘以第一类能力需求;当某驾无人机某一维第一类能力不满足某个救援任务此维第一类能力需求时,则不能将该无人机分配给该救援任务;所述第二类能力矩阵,其规模为无人机数量乘以第二类能力种类数量,第二类能力表示无人机可叠加的属性;所述第二类能力需求矩阵,其规模为救援任务数量乘以第二类能力需求;当某驾无人机某一维第二类能力不满足某个救援任务此维第二类能力需求时,则仍能将该无人机分配给该救援任务;
步骤二、计算可执行判断矩阵,可执行判断矩阵表示无人机的第一类能力是否能满足救援任务的第一类能力需求,其规模为无人机数量乘以救援任务数量;其中每个元素表示该无人机可否执行该救援任务:
步骤三、计算两类回报值矩阵,其规模均为无人机数量乘以救援任务数量;两类回报值分别表示每个无人机执行不同救援任务在最大化任务完成率和最大化任务覆盖率的效果;每个无人机执行每个救援任务,均可获得两类回报值,分别构成对应的回报值矩阵;
步骤四、根据贪婪方法确定无人机执行救援任务的分配组合,方法如下:判断无人机—救援任务的所有组合的两类回报值,寻找两类回报值均为全部分配组合中最大的组合,如果存在,则选取该组合;否则,对两类回报值设定权重值,选取和为最大值的组合;
步骤五、更新救援任务的已分配能力矩阵,其规模为救援任务数量乘以第二类能力种类数量,已分配能力矩阵的初始值为0;该矩阵每一行表示在当前无人机编组情况下,已分配给该任务的无人机的第二类能力和,其不大于该任务的第二类能力需求值;
步骤六、更新救援任务的已分配预期能力矩阵,其规模为救援任务数量乘以第二类能力种类数量,已分配预期能力矩阵的初始值为0;该矩阵每一行表示在当前编组情况下,已分配给该任务的无人机的第二类能力和,其不大于该任务的第二类能力预期需求值;
步骤七、更新两类回报值矩阵;
步骤八、重复步骤四至步骤七,直到所有无人机均完成分配或者未被分配的无人机不能执行现有的任务;最后,输出无人机编组分配结果。
进一步地,可执行判断矩阵的计算方法为:判断某个无人机第一类能力的每一维能力值,是否都大于等于某个救援任务对应的第一类能力需求,如果满足,则该无人机可执行该救援任务,否则,该无人机不可执行该救援任务。
进一步地,步骤三中所述两类回报值的计算方式为:
第一类回报值计算方法为:(1)对每个无人机和每个救援任务,判断可执行判断矩阵中对应元素是否为1,若是,则执行步骤(2),否则将该无人机执行该任务的第一类回报值记为-1,表示该无人机不可执行该任务,不能获得回报;(2)计算每个无人机的每个第二类能力值占每个任务对应的第二类能力需求的比值,如果比值超过1,则将比值记为1;对每个无人机的所有第二类能力值占每个任务对应的第二类能力需求的比值求平均数,得到该无人机对该任务的平均完成率;将平均完成率乘以该救援任务的紧急程度,得到该无人机对执行该任务的第一类回报值;
第二类回报值计算方法为:①对每个无人机和每个救援任务,判断可执行判断矩阵中对应元素是否为1,若是,则执行步骤②,否则将该无人机执行该任务的第二类回报值记为-1,表示该无人机不可以执行该任务,不能获得回报;②将每个任务对应的每一维第二类能力需求乘以对应维能力的预期完成率,得到每个任务的第二类能力预期需求值;然后,计算每个无人机的每个第二类能力值占每个任务对应的第二类能力预期需求值的比值,如果比值超过1,则将比值记为1;对每个无人机的所有第二类能力值占每个任务对应的第二类能力预期需求值的比值求平均数,得到该无人机对该任务的平均完成预期率;将平均完成预期率乘以该救援任务的紧急程度,得到该无人机对执行该任务的第二类回报值。
进一步地,已分配能力矩阵的更新方法:将步骤四中针对某救援任务所选取无人机的第二类能力值,加入已分配能力矩阵中该救援任务的对应位置;若该救援任务的已分配能力值超过其第二类能力需求值,则将其已分配能力值记为第二类能力需求值。
进一步地,已分配预期能力矩阵的更新方法:将步骤四中针对某救援任务所选取无人机的第二类能力值,加入已分配预期能力矩阵中该救援任务的对应位置;若已分配预期能力值超过第二类能力预期需求值,则将已分配预期能力值记为第二类能力预期需求值;第二类能力预期需求值的计算方法:将每个任务对应的每一维第二类能力需求乘以对应维能力的预期完成率,得到每个任务的第二类能力预期需求值。
进一步地,步骤七中更新回报值的具体计算方式为:
首先,在上一次所选取组合中,无人机执行救援任务所获得的两类回报值均更新为-1;
其次,更新未被分配的无人机执行上一次所选取组合中的救援任务所获得的两类回报值;若判断可执行判断矩阵中对应元素为0,则不进行更新,两类回报值仍为-1;
其中,未被分配的无人机更新第一类回报值,具体为:计算未被分配的无人机的每个第二类能力值占上一次所选取组合中的救援任务对应的第二类能力需求的比值;如果该无人机的某个第二类能力值,与相应的救援任务的已分配能力值求和,超过了第二类能力需求值,则不计算超出部分的占比值;如果比值超过1,则将比值记为1;对每个无人机的所有第二类能力值占比值求平均数,得到该无人机对该任务的平均完成率;将平均完成率乘以该救援任务的紧急程度,得到该无人机对执行该任务的第一类回报值;
未被分配的无人机更新第二类回报值,具体为:计算未被分配的无人机的每个第二类能力值占上一次所选取组合中的任务对应的第二类能力预期需求值的比值;如果该无人机的某个第二类能力值,与相应的任务的已分配预期能力值求和,超过了第二类能力预期需求值,则不计算超出部分的占比值;如果占比值超过1,则将比值记为1;对无人机的所有第二类能力值占任务对应的第二类能力预期需求值的比值求平均数,得到该无人机对该任务的平均完成预期率;将平均完成预期率乘以该救援任务的紧急程度,得到该无人机对执行该任务的第二类回报值。
有益效果:
一、本发明中提出的面向灾难救援任务的大规模无人机快速编组方法,同时考虑了两类指标,一是最大化任务的完成率,二是最大化任务的覆盖率,在优化最大化所有任务完成率总和的同时,尽量避免了无人机资源不均衡的问题。
二、本发明提供了一种面向灾难救援任务的大规模无人机快速编组方法,采用基于迭代排序计算的方法,能够快速生成一个近似最优解,使方法的实时性和有效性得到了保证。
三、本发明提供的面向灾难救援任务的大规模无人机快速编组方法中回报值的更新方式,只对分配过程中的变化量进行更新,进一步减少了计算代价。
四、本发明所提供的大规模无人机快速编组方法同时适用于灾难救援中无人机与任务需求的任意资源需求比的分配情形,包括无人机集群能力分别低于、匹配和超过灾难救援任务需求三种情形下的无人机编组。
附图说明
图1为面向灾难救援任务的大规模无人机快速编组方法流程图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种面向灾难救援任务的大规模无人机快速编组方法。该方法是在考虑无人机执行任务的能力约束以及同一无人机只能同时执行一个任务的约束的前提下,根据救援任务的资源需求及任务紧急程度和问题的两类指标,对大规模无人机进行编组并分配给救援区域内的多个救援任务。问题的两类指标分别为,最大化任务的完成率和最大化任务的覆盖率。最大化任务的完成率指,所分配的每个无人机组能满足对应任务需求的比例之和。最大化任务覆盖率是指,尽量为每个任务都分配一个无人机组合。为了保证方法的实时性和高效性,本方法采用了基于迭代排序计算的方法,该方法不依赖于参数,且可以快速获取近似最优解;
如图1所示,本发明是通过以下技术方案实现的,包括以下步骤:
步骤一、确定无人机信息和救援任务信息,具体包括:
S101、无人机的数量m、救援任务的数量n;
S102、无人机的第一类能力矩阵BI=[biij]m×p,其中p表示第一类能力种类的数量;第一类能力具有不可叠加的属性,即两个无人机不能共同作用提高效果,如无人机的飞行高度、续航时间要求等;当该无人机此类能力中某一维能力不满足该救援任务的此类能力需求时,则不能将该无人机分配给该救援任务;
S103、救援任务的第一类能力需求矩阵RI=[rirj]n×p,;
S104、无人机的第二类能力矩阵BA=[baij]m×q,其中q表示第二类能力种类的数量;第二类能力具有可叠加的属性,即两个无人机可以共同作用提高效果,如救援物资载重负荷、侦察半径等,即使该无人机此类能力不满足该救援任务的此类能力需求时,则仍能将该无人机分配给该救援任务;
S105、救援任务的第二类能力需求矩阵RA=[raij]n×q;
S106、救援任务的紧急程度V={v1,v2,...,vn},紧急程度取值范围为(0,1),任务越紧急,任务紧急程度值越大;
S107、每个救援任务第二类能力的预期完成率α=[α1,α2,..,αq],取值范围为(0,1);
步骤二、计算可执行判断矩阵F=[fbr]m×n,可执行判断矩阵用以表示无人机的第一类能力是否能满足任务的第一类能力需求,其规模为无人机的数量乘以救援任务数量,用0-1矩阵表示,其中fbr指无人机b是否可执行任务r,具体计算方法为:
计算每个无人机的第一类能力的每一维能力值,是否都大于等于每个任务对应的第一类能力需求,如果满足,则该无人机可以执行该任务,可执行判断矩阵中对应元素为1;否则,则该无人机不可以执行该任务,可执行判断矩阵中对应元素为0;
步骤三、计算两类回报值矩阵,其规模均为无人机数量乘以救援任务数量;两类回报值计算方法分别依据问题的两类指标:最大化任务的完成率和最大化任务的覆盖率,两类回报值分别表示每个无人机执行不同任务在这两类指标上的效果;每个无人机执行每个任务,均可获得两类回报值,分别构成对应的回报值矩阵;并分别对两类回报值的所有非负回报值进行归一化,将所有非负回报值分别除以同类回报值矩阵中的最大值;
具体计算方法如下;
第一类回报值(完成率回报值)计算方法为:(1)对每个无人机和每个任务,判断可执行判断矩阵中对应元素是否为1,若是,则执行步骤(2),否则将该无人机执行该任务的第一类回报值(完成率回报值)置为-1,即表示该无人机不可以执行该任务,不能获得回报;(2)计算每个无人机的每个第二类能力值占每个任务对应的第二类能力需求的比值,如果比值超过1,则将比值记为1;对每个无人机的所有第二类能力值占每个任务对应的第二类能力需求的比值求平均数,得到该无人机对该任务的平均完成率;将平均完成率乘以该救援任务的紧急程度,得到该无人机对执行该任务的第一类回报值(完成率回报值);
第二类回报值(覆盖率回报值)计算方法为:①对每个无人机和每个任务,判断可执行判断矩阵中对应元素是否为1,若是,则执行步骤②,否则将该无人机执行该任务的第二类回报值(覆盖率回报值)置为-1,即表示该无人机不可以执行该任务,不能获得回报;②将每个任务对应的每一维第二类能力需求乘以对应维的能力的预期完成率,得到每个任务的第二类能力预期需求值;然后,计算每个无人机的每个第二类能力值占每个任务对应的第二类能力预期需求值的比值,如果比值超过1,则将比值记为1;对每个无人机的所有第二类能力值占每个任务对应的第二类能力预期需求值的比值求平均数,得到该无人机对该任务的平均完成预期率;将平均完成预期率乘以该救援任务的紧急程度,得到该无人机对执行该任务的第二类回报值(覆盖率回报值)。
步骤四、根据贪婪方法确定一个无人机执行任务的分配组合,方法如下:
判断所有无人机与任务的组合的两个回报值,是否有两类回报值均为全部分配组合中最大的组合,如果存在,则选取该组合;否则,由于两类指标重要程度相同,对两类回报值均给定0.5的权重值,求和后再选取最大值的组合;
步骤五、更新任务的已分配能力矩阵,其规模为救援任务数量乘以第二类能力种类数量(初始值为0);该矩阵每一行表示在当前编组情况下,已分配给该任务的无人机的第二类能力和(不大于第二类能力需求值);具体更新方式为,将步骤四中所选取无人机的第二类能力值,加入已分配能力矩阵的对应位置,即该无人机的被分配的救援任务所在行;若该救援任务的已分配能力值超过其第二类能力需求值,则将已分配能力值记为第二类能力需求值;
步骤六、更新救援任务的已分配预期能力矩阵,其规模为救援任务数量乘以第二类能力种类数量(初始值为0);该矩阵每一行表示在当前编组情况下,已分配给该任务的无人机的第二类能力和(不大于第二类能力预期需求值);更新方式为:将步骤四中所选取无人机的第二类能力值,加入已分配预期能力矩阵的对应位置,即该无人机的被分配的救援任务所在行;若已分配预期能力值超过第二类能力预期需求值,则将已分配预期能力值记为第二类能力预期需求值;第二类能力预期需求值的计算方法:将每个任务对应的每一维第二类能力需求乘以对应维能力的预期完成率,得到每个任务的第二类能力预期需求值;
步骤七、更新两类回报值矩阵;并分别对两类回报值的所有非负回报值进行归一化,将所有非负回报值分别除以同类回报值矩阵中的最大值;
更新两类回报值矩阵的具体方法如下:
S701、上一次所选取组合中,无人机执行所有任务所获得的两类回报值均更新为-1(表示该无人机不能再次被分配);
S702、更新未被分配的无人机执行上一次所确定组合中的任务所获得的两类回报值;若判断可执行判断矩阵中对应元素为0,则不进行更新,两类回报值仍为-1;
其中,未被分配的无人机更新第一类回报值,具体计算方法为:计算未被分配的无人机的每个第二类能力值占上一次所选取组合中的任务对应的第二类能力需求的比值;如果该无人机的某个第二类能力值,与相应的任务的已分配能力值求和,超过了第二类能力需求值,则不计算超出部分的占比值;如果比值超过1,则将比值记为1;对每个无人机的所有第二类能力值占比值求平均数,得到该无人机对该任务的平均完成率;将平均完成率乘以该救援任务的紧急程度,得到该无人机对执行该任务的第一类回报值(完成率回报值);
未被分配的无人机更新第二类回报值,具体计算方法为:计算未被分配的无人机的每个第二类能力值占上一次所选取组合中的任务对应的第二类能力预期需求值的比值;如果该无人机的某个第二类能力值,与相应的任务的已分配预期能力值求和,超过了第二类能力预期需求值,则不计算超出部分的占比值;如果占比值超过1,则将比值记为1;对无人机的所有第二类能力值占任务对应的第二类能力预期需求值的比值求平均数,得到该无人机对该任务的平均完成预期率;将平均完成预期率乘以该救援任务的紧急程度,得到该无人机对执行该任务的第二类回报值(覆盖率回报值)。
步骤八、重复步骤四至步骤七,直到所有无人机均完成分配或者未被分配的无人机不能执行现有的任务;最后,输出无人机编组及分配结果。
下面结合实施例对面向灾难救援任务的大规模无人机快速编组方法进行说明。
采用二进制矩阵X表示无人机编组及任务分配方案,其中xbr表示是否将无人机b分配给任务r,
本问题考虑两个指标,指标一为最大化的完成概率,数学表示如下,其中表示任务r的第二类能力中第i项能力的完成率,
指标二为最大化任务的覆盖率,数学表示如下,其中Zr表示每个任务的预期完成率,
问题的约束条件为:
约束一指每个无人机最多分配给一个灾难救援任务,约束二指无人机必须可以执行某任务,才可以将其分配给该任务,约束三指决策变量xbr为取值范围为0或1。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种面向灾难救援任务的大规模无人机快速编组方法,其特征在于,包括以下步骤:
步骤一、确定无人机信息和救援任务信息,具体包括:无人机的数量、救援任务的数量、无人机的第一类能力矩阵、救援任务的第一类能力需求矩阵;无人机的第二类能力矩阵、救援任务的第二类能力需求矩阵、救援任务的紧急程度、救援任务每维能力的预期完成率;
所述第一类能力矩阵,其规模为无人机数量乘以第一类能力种类数量,第一类能力表示无人机不可叠加的属性;所述第一类能力需求矩阵,其规模为救援任务数量乘以第一类能力需求;当某驾无人机某一维第一类能力不满足某个救援任务此维第一类能力需求时,则不能将该无人机分配给该救援任务;所述第二类能力矩阵,其规模为无人机数量乘以第二类能力种类数量,第二类能力表示无人机可叠加的属性;所述第二类能力需求矩阵,其规模为救援任务数量乘以第二类能力需求;当某驾无人机某一维第二类能力不满足某个救援任务此维第二类能力需求时,则仍能将该无人机分配给该救援任务;
步骤二、计算可执行判断矩阵,可执行判断矩阵表示无人机的第一类能力是否能满足救援任务的第一类能力需求,其规模为无人机数量乘以救援任务数量;其中每个元素表示该无人机可否执行该救援任务:
步骤三、计算两类回报值矩阵,其规模均为无人机数量乘以救援任务数量;两类回报值分别表示每个无人机执行不同救援任务在最大化任务完成率和最大化任务覆盖率的效果;每个无人机执行每个救援任务,均可获得两类回报值,分别构成对应的回报值矩阵;
步骤四、根据贪婪方法确定无人机执行救援任务的分配组合,方法如下:判断无人机—救援任务的所有组合的两类回报值,寻找两类回报值均为全部分配组合中最大的组合,如果存在,则选取该组合;否则,对两类回报值设定权重值,选取和为最大值的组合;
步骤五、更新救援任务的已分配能力矩阵,其规模为救援任务数量乘以第二类能力种类数量,已分配能力矩阵的初始值为0;该矩阵每一行表示在当前无人机编组情况下,已分配给该任务的无人机的第二类能力和,其不大于该任务的第二类能力需求值;
步骤六、更新救援任务的已分配预期能力矩阵,其规模为救援任务数量乘以第二类能力种类数量,已分配预期能力矩阵的初始值为0;该矩阵每一行表示在当前编组情况下,已分配给该任务的无人机的第二类能力和,其不大于该任务的第二类能力预期需求值;
步骤七、更新两类回报值矩阵;
步骤八、重复步骤四至步骤七,直到所有无人机均完成分配或者未被分配的无人机不能执行现有的任务;最后,输出无人机编组分配结果。
2.如权利要求1所述的一种面向灾难救援任务的大规模无人机快速编组方法,其特征在于,可执行判断矩阵的计算方法为:判断某个无人机第一类能力的每一维能力值,是否都大于等于某个救援任务对应的第一类能力需求,如果满足,则该无人机可执行该救援任务,否则,该无人机不可执行该救援任务。
3.如权利要求1所述的一种面向灾难救援任务的大规模无人机快速编组方法,其特征在于,步骤三中所述两类回报值的计算方式为:
第一类回报值计算方法为:(1)对每个无人机和每个救援任务,判断可执行判断矩阵中对应元素是否为1,若是,则执行步骤(2),否则将该无人机执行该任务的第一类回报值记为-1,表示该无人机不可执行该任务,不能获得回报;(2)计算每个无人机的每个第二类能力值占每个任务对应的第二类能力需求的比值,如果比值超过1,则将比值记为1;对每个无人机的所有第二类能力值占每个任务对应的第二类能力需求的比值求平均数,得到该无人机对该任务的平均完成率;将平均完成率乘以该救援任务的紧急程度,得到该无人机对执行该任务的第一类回报值;
第二类回报值计算方法为:①对每个无人机和每个救援任务,判断可执行判断矩阵中对应元素是否为1,若是,则执行步骤②,否则将该无人机执行该任务的第二类回报值记为-1,表示该无人机不可以执行该任务,不能获得回报;②将每个任务对应的每一维第二类能力需求乘以对应维能力的预期完成率,得到每个任务的第二类能力预期需求值;然后,计算每个无人机的每个第二类能力值占每个任务对应的第二类能力预期需求值的比值,如果比值超过1,则将比值记为1;对每个无人机的所有第二类能力值占每个任务对应的第二类能力预期需求值的比值求平均数,得到该无人机对该任务的平均完成预期率;将平均完成预期率乘以该救援任务的紧急程度,得到该无人机对执行该任务的第二类回报值。
4.如权利要求1所述的一种面向灾难救援任务的大规模无人机快速编组方法,其特征在于,已分配能力矩阵的更新方法:将步骤四中针对某救援任务所选取无人机的第二类能力值,加入已分配能力矩阵中该救援任务的对应位置;若该救援任务的已分配能力值超过其第二类能力需求值,则将其已分配能力值记为第二类能力需求值。
5.如权利要求1所述的一种面向灾难救援任务的大规模无人机快速编组方法,其特征在于,已分配预期能力矩阵的更新方法:将步骤四中针对某救援任务所选取无人机的第二类能力值,加入已分配预期能力矩阵中该救援任务的对应位置;若已分配预期能力值超过第二类能力预期需求值,则将已分配预期能力值记为第二类能力预期需求值;第二类能力预期需求值的计算方法:将每个任务对应的每一维第二类能力需求乘以对应维能力的预期完成率,得到每个任务的第二类能力预期需求值。
6.如权利要求1所述的一种面向灾难救援任务的大规模无人机快速编组方法,其特征在于,步骤七中更新回报值的具体计算方式为:
首先,在上一次所选取组合中,无人机执行救援任务所获得的两类回报值均更新为-1;
其次,更新未被分配的无人机执行上一次所选取组合中的救援任务所获得的两类回报值;若判断可执行判断矩阵中对应元素为0,则不进行更新,两类回报值仍为-1;
其中,未被分配的无人机更新第一类回报值,具体为:计算未被分配的无人机的每个第二类能力值占上一次所选取组合中的救援任务对应的第二类能力需求的比值;如果该无人机的某个第二类能力值,与相应的救援任务的已分配能力值求和,超过了第二类能力需求值,则不计算超出部分的占比值;如果比值超过1,则将比值记为1;对每个无人机的所有第二类能力值占比值求平均数,得到该无人机对该任务的平均完成率;将平均完成率乘以该救援任务的紧急程度,得到该无人机对执行该任务的第一类回报值;
未被分配的无人机更新第二类回报值,具体为:计算未被分配的无人机的每个第二类能力值占上一次所选取组合中的任务对应的第二类能力预期需求值的比值;如果该无人机的某个第二类能力值,与相应的任务的已分配预期能力值求和,超过了第二类能力预期需求值,则不计算超出部分的占比值;如果占比值超过1,则将比值记为1;对无人机的所有第二类能力值占任务对应的第二类能力预期需求值的比值求平均数,得到该无人机对该任务的平均完成预期率;将平均完成预期率乘以该救援任务的紧急程度,得到该无人机对执行该任务的第二类回报值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910024043.6A CN109740954B (zh) | 2019-01-10 | 2019-01-10 | 一种面向灾难救援任务的大规模无人机快速编组方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910024043.6A CN109740954B (zh) | 2019-01-10 | 2019-01-10 | 一种面向灾难救援任务的大规模无人机快速编组方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109740954A true CN109740954A (zh) | 2019-05-10 |
CN109740954B CN109740954B (zh) | 2021-05-25 |
Family
ID=66364349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910024043.6A Active CN109740954B (zh) | 2019-01-10 | 2019-01-10 | 一种面向灾难救援任务的大规模无人机快速编组方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109740954B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597292A (zh) * | 2019-10-09 | 2019-12-20 | 朱彬 | 无人机集群作业规划方法及装置 |
CN110941283A (zh) * | 2019-11-20 | 2020-03-31 | 西北工业大学 | 一种基于任务需求的异构无人机集群协同最优配置方法 |
CN112053096A (zh) * | 2020-09-30 | 2020-12-08 | 北京理工大学 | 一种采用市场机制的分布式多异构无人平台编组方法 |
CN112163706A (zh) * | 2020-09-30 | 2021-01-01 | 北京理工大学 | 一种搜索任务下无人平台编组的混合优化方法 |
CN112965528A (zh) * | 2021-02-22 | 2021-06-15 | 广东电网有限责任公司 | 受灾点的救援策略确定方法、装置、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105659893B (zh) * | 2011-06-24 | 2014-06-04 | 北京理工大学 | 一种多无人机任务分配的作战管理方法 |
CN106681358A (zh) * | 2017-03-03 | 2017-05-17 | 合肥工业大学 | 集中式无人机编队任务分配方法和装置 |
CN107728643A (zh) * | 2017-11-10 | 2018-02-23 | 西安电子科技大学 | 一种动态环境下的无人机群分布式任务调度方法 |
CN108549402A (zh) * | 2018-03-19 | 2018-09-18 | 哈尔滨工程大学 | 基于量子乌鸦群搜索机制的无人机群任务分配方法 |
-
2019
- 2019-01-10 CN CN201910024043.6A patent/CN109740954B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105659893B (zh) * | 2011-06-24 | 2014-06-04 | 北京理工大学 | 一种多无人机任务分配的作战管理方法 |
CN106681358A (zh) * | 2017-03-03 | 2017-05-17 | 合肥工业大学 | 集中式无人机编队任务分配方法和装置 |
CN107728643A (zh) * | 2017-11-10 | 2018-02-23 | 西安电子科技大学 | 一种动态环境下的无人机群分布式任务调度方法 |
CN108549402A (zh) * | 2018-03-19 | 2018-09-18 | 哈尔滨工程大学 | 基于量子乌鸦群搜索机制的无人机群任务分配方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597292A (zh) * | 2019-10-09 | 2019-12-20 | 朱彬 | 无人机集群作业规划方法及装置 |
CN110941283A (zh) * | 2019-11-20 | 2020-03-31 | 西北工业大学 | 一种基于任务需求的异构无人机集群协同最优配置方法 |
CN110941283B (zh) * | 2019-11-20 | 2022-07-05 | 西北工业大学 | 一种基于任务需求的异构无人机集群协同最优配置方法 |
CN112053096A (zh) * | 2020-09-30 | 2020-12-08 | 北京理工大学 | 一种采用市场机制的分布式多异构无人平台编组方法 |
CN112163706A (zh) * | 2020-09-30 | 2021-01-01 | 北京理工大学 | 一种搜索任务下无人平台编组的混合优化方法 |
CN112053096B (zh) * | 2020-09-30 | 2022-11-04 | 北京理工大学 | 一种采用市场机制的分布式多异构无人平台编组方法 |
CN112965528A (zh) * | 2021-02-22 | 2021-06-15 | 广东电网有限责任公司 | 受灾点的救援策略确定方法、装置、设备和存储介质 |
CN112965528B (zh) * | 2021-02-22 | 2023-06-30 | 广东电网有限责任公司 | 受灾点的救援策略确定方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109740954B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740954A (zh) | 一种面向灾难救援任务的大规模无人机快速编组方法 | |
CN102780759B (zh) | 基于调度目标空间的云计算资源调度方法 | |
CN107831685B (zh) | 一种群体机器人的控制方法和系统 | |
CN107977740A (zh) | 一种现场运维智能调度方法 | |
CN107578199A (zh) | 一种求解二维装载约束物流车辆调度问题的方法 | |
CN109165808A (zh) | 一种电力通信网现场运维工单派发方法 | |
CN108989098A (zh) | 一种混合云环境面向时延优化的科学工作流数据布局方法 | |
CN104077634B (zh) | 基于多目标优化的主动‑反应式动态项目调度方法 | |
CN104572297A (zh) | 一种基于遗传算法的Hadoop作业调度方法 | |
CN110134007A (zh) | 多无人机协同目标分配方法 | |
CN114565239A (zh) | 用于产业园区的综合低碳能源调度方法及系统 | |
CN106371924B (zh) | 一种最小化MapReduce集群能耗的任务调度方法 | |
CN110162097A (zh) | 基于能耗的无人机分布式编队控制方法 | |
CN101231720A (zh) | 基于遗传算法的企业过程模型多目标参数优化方法 | |
CN103279818A (zh) | 基于启发式遗传算法的云工作流调度方法 | |
CN108647771A (zh) | 一种混合云环境下科学工作流数据的布局方法 | |
CN110300417A (zh) | 无人机通信网络的能量效率优化方法和装置 | |
CN110717684B (zh) | 一种基于任务分配协调策略与粒子群算法的任务分配方法 | |
CN113127176A (zh) | 一种用于工作平台的多角色任务分配方法及系统 | |
CN111260252A (zh) | 一种电力通信网现场运维作业工单调度方法 | |
Xing et al. | Partiele Swarm Optimization Algorithm Based on Different Inertia Weights for Solving the P-Hub Allocation Problem | |
Ramezani et al. | Task Scheduling in cloud environments: a survey of population‐based evolutionary algorithms | |
CN110297694A (zh) | 一种基于资源分类和任务优先级的启发式云计算调度方法 | |
CN109886574A (zh) | 一种基于改进阈值法的多机器人任务分配方法 | |
CN110119317A (zh) | 一种基于遗传算法的云计算任务调度方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |