CN109901616B - 一种异构无人机群分布式任务规划方法 - Google Patents
一种异构无人机群分布式任务规划方法 Download PDFInfo
- Publication number
- CN109901616B CN109901616B CN201910248847.4A CN201910248847A CN109901616B CN 109901616 B CN109901616 B CN 109901616B CN 201910248847 A CN201910248847 A CN 201910248847A CN 109901616 B CN109901616 B CN 109901616B
- Authority
- CN
- China
- Prior art keywords
- task
- unmanned aerial
- aerial vehicle
- drone
- heterogeneous
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种异构无人机群分布式任务规划方法,属于无人机任务规划技术领域。包括如下步骤:步骤一:建立异构多无人机异质时序任务规划组合优化模型;步骤二:基于已有的任务规划模型确定模型中使用的信息结构;步骤三:基于任务规划模型与信息结构分布式构建无人机集群任务包;步骤四:基于构建的无人机集群任务包进行异步通信冲突消解。本发明提供的方法,可以针对无人机异构、任务异质且时序的复杂情况,这种分布式、异步通信的一致性包方法,优化了任务规划方案,弥补了现有任务规划模型与方法的不足。
Description
技术领域
本发明属于无人机任务规划技术领域,具体涉及一种异构无人机群分布式任务规划方法。
背景技术
无人机,即无人机驾驶飞机(UAV,Unmanned Aerial Vehicle),是采用无线电设备及机载程序控制装置操纵的不载人飞行器。自1917年第一架无人机诞生至今,随着无人机技术的不断发展,无人机在民用领域和军用领域都起着越来越重要的作用。与载人飞机相比,无人机具有成本低、体积小、生存能力强等特点,这些特点使得运用无人机进行应急救援具有广阔前景。且随着实际应用的深入,无人机应急救援向着集群式、专业性发展,负责的救援任务也愈发艰巨、复杂。
当无人机集群处理应急救援任务时,无人机首先需要被分配不同的任务,才能前往相应地点实施救援,合理地任务分配可以提高救援效率,更多地挽救生命财产损失。因此,任务规划是无人机应急救援值得优先考虑的问题之一。现有研究方法普遍使用集中式或分布式方法,建立不同的优化模型,处理简单多无人机多任务的任务规划问题。但在实际中,同一应急救援事件中存在多个待救援目标点,不同目标点需要的救援也有所不同,同一目标点往往需要采取多个步骤依次进行。另一方面,随着无人机技术的发展,不同无人机的功能亦在不断细化,同一应急救援事件需要多种无人机相互配合完成。然而,现有的方法在进行异构无人机集群的应急救援异质任务规划仍有所欠缺。上述应急救援任务规划的必要性与优缺点广泛地存在于各类无人机应用的任务规划中。
发明内容
本发明的技术解决问题:克服现有技术的不足,提供一种异构无人机群分布式任务规划方法,在不同功能异质无人机执行异质时序任务,得到可执行、高效率的任务规划。
本发明建立了一种可以刻画上述问题的组合优化模型,并提出了一种分布式、异步通信的一致性包方法,弥补了现有任务规划模型与方法的不足。鉴于无人机应急救援任务规划与其他无人机各种任务(如农用灌溉、辅助通信等)的任务规划具有本质相同而任务不同,为方便叙述任务类别,本发明将以应急救援任务规划为例,对任务名称等的替换不改变本发明的本质内容。
本发明提供的异构无人机群分布式任务规划方法,包括如下步骤:
步骤一:建立异构多无人机异质时序任务规划组合优化模型;
步骤二:基于已有的任务规划模型确定模型中使用的信息结构;
步骤三:基于任务规划模型与信息结构分布式构建无人机集群任务包;
步骤四:基于构建的无人机集群任务包进行异步通信冲突消解,得到无冲突可执行的无人机集群任务包,最终完成异构无人机群分布式任务规划。
所述步骤一具体实现如下:
步骤1.1:任务场景设置
设共有NU架无人机,将无人机编号为:
设共有NA个目标点,将目标点编号为:
设无人机集群中有多种类型的无人机,每个目标点各有多个异质时序任务;
步骤1.2:异质时序任务设置
多个异质时序任务由涉及的任务类型集合(Mission Class Set),表示为:
M={M1,M2,…,Mm}
步骤1.3,异质无人机类型设置
多个具有异质功能的无人机类型集合(UAV Class Set),表示为:
UAVClass={D1,D2,…,Du}
不同类型的无人机完成任务集合M中一种或多种任务;
步骤1.4目标函数设置
采用到达目标点完成救援任务的静态收益与到达时间导致收益递减两个因素进行目标函数设计,如下:
其中,目标函数内各变量含义分别为:表示为无人机i执行目标j的第k项任务,xi表示无人机i的任务列表,pi(xi)表示无人机i完成列表中任务的先后顺序;表示无人机到达相应任务点时已经过的时间,为非负的收益函数,NU,NA分别为无人机和目标点数量;
所述步骤二,基于已有的任务规划模型确定模型中使用的信息结构的具体实现如下:
步骤2.4,获胜无人机矩阵构建:使用矩阵Zi表示无人机i记录的各目标点各任务当前的获胜无人机编号,该矩阵Zi各元素的取值范围仅在{0,1,2,…,NU}中;
所述步骤三:基于任务规划模型与信息结构分布式构建无人机集群任务包的具体实现如下:
步骤3.1若当前任务包长度|bi|小于无人机任务上限Lt,则进入步骤3.2,否则进入步骤3.9;
步骤3.5若Hi≠0,则转入步骤3.6,否则转入步骤3.9;
步骤3.8将上述步骤获得的新信息,更新至{bi,pi,Ri,Zi};
步骤3.9退出任务包构建方法。
所述步骤四:基于构建的无人机集群任务包进行异步通信冲突消解的实现如下:
当每个无人机自主完成任务包构建后,设计的任务规划方法存在冲突,需要无人机与其相邻无人机进行异步通信,进行冲突消解,此环节中通信的信息为每个无人机的广播数据:{获胜标价矩阵, 获胜无人机矩阵, 时间戳},任务包与任务逻辑路径将随着无人机通信的过程在无人机内部进行更新,但无需让其他无人机知晓,无人机i和无人机i′对于目标点j任务k的获胜与否为例进行冲突消解的解释,其中i作为发送方,i′作为接收方,i″表示不与二者相同的第三方,指任务暂无无人机胜出,接收方采取的操作以下 5种:
操作4.1,更新并转播:接受者根据发送者的信息,更新本地信息,并转播此次更新;
操作4.2,丢弃并转播:接受者不改变已有信息,并转播自身原有的信息;
操作4.3,丢弃并中止转播:接受者不改变已有信息,由于已有信息冗余不转播任何信息;
操作4.4,重置并转播:接受者清零已有的关于该任务的信息,并转播接受的信息;
操作4.5,局部更新并转播:接受者认定自己胜出,仅更新时间戳,并将自身新信息进行转播;
由发送方和接收方对任务目标点j任务k的获胜无人机的不同认定,得到17条冲突消解规则,将此规则运用于不同无人机间的不同任务,至冲突消除,即得到一个可执行的且满足条件的所需的任务规划方案。
本发明的优点以及带来的有益效果在于:
(1)本发明针对异质无人机的分布式任务规划问题,建立了一种可以准确刻画问题的组合优化模型,考虑了多种实际因素,使得建立的模型进一步贴近现实情况,具有实际的应用价值;
(2)本发明通过提出分布式、异步通信的一致性包算法,有效解决上述异质无人机的分布式任务规划问题,获得了切实可行的任务规划方案,且方案内各无人机协调有序进行救援任务,各无人机获得各自最优任务执行方计划;各个待救援点的时序任务被依次序完成,整体任务亦被高效地完成。
(3)本发明提出的分布式、异步通信的一致性包算法,具有分布式与异步通信的特点,分布式相较集中式不需要中央处理器,减少数据运算,灵活处理突发状况,充分运用无人机自身的性能,各无人机更好地自主协同;异步通信相较同步通信,可以使得无人机不需要全局状态信息,有效减少无人机网络间的通信数据传输。
附图说明
图1是本发明异构无人机群分布式任务规划方法实现流程图;
图2是本发明具体实施示例步骤三任务包构建的详细流程示意图;
图3是本发明具体实施示例步骤三与步骤四具体实施任务规划的框架示意图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
本发明提供的方法,可以针对无人机异构、任务异质且时序的复杂情况,这种分布式、异步通信的一致性包方法,优化了任务规划方案,弥补了现有任务规划模型与方法的不足。
如图1所示,本发明具体如下:
步骤一:建立异构多无人机异质时序任务规划组合优化模型:
步骤1.1任务场景设置:
设共有NU架无人机,将无人机编号为:
设共有NA个目标点,将目标点编号为:
设无人机集群中有多种类型的无人机,设每个目标点各有多个异质时序任务。
步骤1.2异质时序任务设置:
以3种常见的需要先后执行的任务为例(更多数量的任务序列可以很容易地代入),使用如下记号表示需要被执行的时序任务:(1)侦察分类(Classification Task,记为C); (2)排险救援(Rescue Task,记为R);(3)效果评估(Evaluation Task,记为E)。通常,排险救援任务(R)具有两种类型,按完成该任务所需的无人机数量分类为:单无人机 (SingleUAV)救援RS,双无人机(Double UAVs)救援RD,更多架次的无人机救援亦可由双无人机救援情形进行拓展。
因此,涉及的任务集合(Mission Set)为:
M={C,R,E}
对于任意的目标点Aj,需要被完成的任务集合应为总集合的子集。
对于设置的异质时序任务,可以得到如下任务数量限制:设需要完成C任务的目标点共有需要完成R任务的目标点共有其中需完成RS任务的目标点有需完成RD任务的目标点有需要完成E任务的目标点共有于是可以定义总任务数量NM为:
此外,各任务的数量需满足以下限制条件:
其中,NA为上文所述的目标点总数。由此可以定义出任意具体情况下的任务集合:
并定义映射关系f:
步骤1.3异质无人机类型设置:
根据现有无人机功能和本场景设定的3种异质任务,同时为方便介绍本发明的流程,将应急救援场景中使用的无人机划分为侦察巡逻型(Surveillance,记为S)、专业救援型 (Profession,记为P)和综合功能型(Integration,记为I)共3种类型,不同类型的UAV可以完成的任务类型整理如下表所示:
类型 | 功能 | 可完成任务 | |
1 | 侦察巡逻型(S) | 探测救援地区、检查救援成效 | {C,E} |
2 | 专业救援型(P) | 专项情况特有任务救援 | {R} |
3 | 综合功能型(I) | 大型综合多功能无人机 | {C,R,E} |
其中,NU为上文所述的UAV总数。
因此在本发明设定的场景中,UAV集合可以按不同功能具体表示为:
步骤1.4目标函数设置:
结合实际意义与理论模型,本发明采用到达目标点完成救援任务的静态收益与到达时间导致收益递减两个因素进行目标函数设计,如下:
其中,目标函数内各变量含义分别为:表示为无人机i执行目标j的第k项任务(k=1表示任务C,k=2表示任务R,k=3表示任务E),xi表示无人机i的任务列表,pi(xi)表示无人机i完成列表中任务的先后顺序;表示无人机到达相应任务点时已经过的时间,为非负的收益函数,NU,NA分别为所述的无人机和目标点数量。
1)该约束保证了每一个目标T的所有任务都被执行,且被执行正确次数;
2)该约束保证了每架无人机执行任务次数存在限制;
3)该约束保证了理论上该场景中可以被完成的任务数目;
4)该约束保证了每个任务被执行的先后顺序正确。
至此,建立了异构多无人机异质时序任务规划组合优化模型。
步骤二:基于已有的任务规划模型确定模型中使用的信息结构:
对于每个无人机i,构建信息结构{bi,pi,Ri,Zi,TSi}如下,示意图如图2:
步骤2.3获胜标价矩阵构建:使用矩阵Si表示无人机i记录的各目标点各任务当前的获胜标价,例如:矩阵Si的第j行第k列元素表示无人机i当前所知的第j个目标点第 k个任务的获胜标价。显然在本示例中(任务R具有两种形式)。值得一提的是,在实际情况中,若某目标点不具有某些某任务(比如某区域经探测确定未发生险情,即可不进行该目标点的救援和检验任务),则在处理中可以将对应元素的获胜标价定为某个极大值,使得无人机不对其进行竞争。
步骤2.4:获胜无人机矩阵构建:使用矩阵Zi表示无人机i记录的各目标点各任务当前的获胜无人机编号,例如:矩阵Zi的第j行第k列元素表示无人机i当前所知的第j 个目标点第k个任务的获胜无人机编号。显然该矩阵各元素的取值范围仅在{0,1,2,…,NU}中。
至此,建立了本发明中所需的信息结构。
步骤三:基于任务规划模型与信息结构分布式构建无人机集群任务包:
步骤三、四的整体示意图如图2所示。定义无人机i完成其逻辑路径包中目标点j任务k的任务收益如下:
接下来,本步骤以无人机i为例介绍任务包构建算法。在实际中,每个无人机可以分布式地自行、独立构建各自任务包。在具体介绍任务包构建算法前,首先明确算法的输入、输出如下:
输入:上次迭代{任务包bi,任务逻辑路径包pi,获胜标价矩阵Ri,获胜无人机矩阵Zi};
输出:本次迭代{任务包bi,任务逻辑路径包pi,获胜标价矩阵Ri,获胜无人机矩阵Zi};
具体地,任务包构建方法如下:
步骤3.1若当前任务包长度|bi|小于无人机任务上限Lt,则进入步骤3.2,否则进入步骤3.9;
步骤3.5若Hi≠0,则转入步骤3.6,否则转入步骤3.9;
步骤3.8将上述步骤获得的新信息,更新至{bi,pi,Ri,Zi};
步骤3.9退出任务包构建方法。
步骤四:基于构建的无人机集群任务包进行异步通信冲突消解:
当每个无人机自主完成任务包构建后,由于信息的不共享性,设计的任务规划方法存在冲突,因此需要无人机与其相邻无人机进行异步通信,进行冲突消解。此环节中通信的信息为每个无人机的广播数据:{获胜标价矩阵, 获胜无人机矩阵, 时间戳},任务包与任务逻辑路径将随着无人机通信的过程在无人机内部进行更新,但无需让其他无人机知晓,因此在本环节中不赘述。以下以无人机i和无人机i′对于目标点j任务k的获胜与否为例进行冲突消解的解释。其中i作为发送方,i′作为接收方,i″表示不与二者相同的第三方,指任务暂无无人机胜出。接收方可以采取的操作以下5种:
操作4.1更新并转播:接受者根据发送者的信息,更新本地信息,并转播此次更新;
操作4.2丢弃并转播:接受者不改变已有信息,并转播自身原有的信息;
操作4.3丢弃并中止转播:接受者不改变已有信息,由于已有信息冗余不转播任何信息;
操作4.4重置并转播:接受者清零已有的关于该任务的信息,并转播接受的信息;
操作4.5局部更新并转播:接受者认定自己胜出,仅更新时间戳,并将自身新信息进行转播。
由发送方和接收方对任务目标点j任务k的获胜无人机的不同认定,可得如下17条冲突消解规则:
将此规则运用于不同无人机间的不同任务,至冲突消除,即可得到一个可执行的任务规划方案。至此,便得到了满足条件的、所需的任务规划方案。
最后应说明的是:以上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:其依然可以对前述实施示例所记载的技术方案进行修改,或者对其中部分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实施示例技术方案的精神和范围。
Claims (3)
1.一种异构无人机群分布式任务规划方法,其特征在于,包括以下步骤:
步骤一:建立异构多无人机异质时序任务规划组合优化模型;
步骤二:基于已有的任务规划模型确定模型中使用的信息结构;
步骤三:基于任务规划模型与信息结构分布式构建无人机集群任务包;
步骤四:基于构建的无人机集群任务包进行异步通信冲突消解,得到无冲突可执行的无人机集群任务包,最终完成异构无人机群分布式任务规划;
所述步骤一具体实现如下:
步骤1.1:任务场景设置
设共有NU架无人机,将无人机编号为:
设共有NA个目标点,将目标点编号为:
设无人机集群中有多种类型的无人机,每个目标点各有多个异质时序任务;
步骤1.2:异质时序任务设置
多个异质时序任务由涉及的任务类型集合(Mission Class Set),表示为:
M={M1,M2,…,Mm}
步骤1.3,异质无人机类型设置
多个具有异质功能的无人机类型集合(UAV Class Set),表示为:
UAVClass={D1,D2,…,Du}
不同类型的无人机完成任务集合M中一种或多种任务;
步骤1.4目标函数设置
采用到达目标点完成救援任务的静态收益与到达时间导致收益递减两个因素进行目标函数设计,如下:
其中,目标函数内各变量含义分别为:表示为无人机i执行目标j的第k项任务,xi表示无人机i的任务列表,pi(xi)表示无人机i完成列表中任务的先后顺序;表示无人机到达相应任务点时已经过的时间,为非负的收益函数,NU,NA分别为无人机和目标点数量;
所述步骤二,基于已有的任务规划模型确定模型中使用的信息结构的具体实现如下:
步骤2.4,获胜无人机矩阵构建:使用矩阵Zi表示无人机i记录的各目标点各任务当前的获胜无人机编号,该矩阵Zi各元素的取值范围仅在{0,1,2,…,NU}中;
2.根据权利要求1所述的异构无人机群分布式任务规划方法,其特征在于:所述步骤三:基于任务规划模型与信息结构分布式构建无人机集群任务包的具体实现如下:
步骤3.1若当前任务包长度|bi|小于无人机任务上限Lt,则进入步骤3.2,否则进入步骤3.9;
步骤3.5若Hi≠0,则转入步骤3.6,否则转入步骤3.9;
步骤3.8将上述步骤获得的新信息,更新至{bi,pi,Ri,Zi};
步骤3.9退出任务包构建方法。
3.根据权利要求1所述的异构无人机群分布式任务规划方法,其特征在于:所述步骤四:基于构建的无人机集群任务包进行异步通信冲突消解的实现如下:
当每个无人机自主完成任务包构建后,设计的任务规划方法存在冲突,需要无人机与其相邻无人机进行异步通信,进行冲突消解,此环节中通信的信息为每个无人机的广播数据:{获胜标价矩阵, 获胜无人机矩阵, 时间戳},任务包与任务逻辑路径将随着无人机通信的过程在无人机内部进行更新,但无需让其他无人机知晓,无人机i和无人机i′对于目标点j任务k的获胜与否为例进行冲突消解的解释,其中i作为发送方,i′作为接收方,i″表示不与二者相同的第三方,指任务暂无无人机胜出,接收方采取的操作以下5种:
操作4.1,更新并转播:接受者根据发送者的信息,更新本地信息,并转播此次更新;
操作4.2,丢弃并转播:接受者不改变已有信息,并转播自身原有的信息;
操作4.3,丢弃并中止转播:接受者不改变已有信息,由于已有信息冗余不转播任何信息;
操作4.4,重置并转播:接受者清零已有的关于该任务的信息,并转播接受的信息;
操作4.5,局部更新并转播:接受者认定自己胜出,仅更新时间戳,并将自身新信息进行转播;
由发送方和接收方对任务目标点j任务k的获胜无人机的不同认定,得到17条冲突消解规则,将此规则运用于不同无人机间的不同任务,至冲突消除,即得到一个可执行的且满足条件的所需的任务规划方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910248847.4A CN109901616B (zh) | 2019-03-29 | 2019-03-29 | 一种异构无人机群分布式任务规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910248847.4A CN109901616B (zh) | 2019-03-29 | 2019-03-29 | 一种异构无人机群分布式任务规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109901616A CN109901616A (zh) | 2019-06-18 |
CN109901616B true CN109901616B (zh) | 2020-04-14 |
Family
ID=66954174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910248847.4A Active CN109901616B (zh) | 2019-03-29 | 2019-03-29 | 一种异构无人机群分布式任务规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109901616B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852486B (zh) * | 2019-10-16 | 2022-04-15 | 中国人民解放军国防科技大学 | 一种无人机集群自主协同的任务规划方法 |
CN111294381B (zh) * | 2019-12-30 | 2021-03-23 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于任务规划的异构信息获取与分发方法 |
CN111665848B (zh) * | 2020-06-28 | 2020-12-11 | 北京航空航天大学 | 拓扑切换下无人机与无人车异构集群编队跟踪控制方法 |
CN113190038A (zh) * | 2021-04-19 | 2021-07-30 | 北京理工大学 | 一种无人机集群空中区域侦察任务的分配方法 |
CN114326824B (zh) * | 2022-03-16 | 2022-06-03 | 电子科技大学 | 一种基于仿生算法异构高密度混合无人机群拓扑控制方法 |
CN115329595B (zh) * | 2022-08-31 | 2023-04-14 | 哈尔滨工业大学 | 一种基于知识与经验的无人机集群任务规划方法及系统 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768518B (zh) * | 2012-07-11 | 2014-05-21 | 清华大学 | 多无人机平台协同控制系统 |
CN102901498B (zh) * | 2012-09-21 | 2015-03-25 | 北京航空航天大学 | 一种不确定环境下的无人飞行器编队协同搜索和动态任务分配方法 |
US20140324747A1 (en) * | 2013-04-30 | 2014-10-30 | Raytheon Company | Artificial continuously recombinant neural fiber network |
US9689696B1 (en) * | 2015-09-22 | 2017-06-27 | X Development Llc | Determining handoff checkpoints for low-resolution robot planning |
CN105302153B (zh) * | 2015-10-19 | 2018-04-17 | 南京航空航天大学 | 异构多无人机协同察打任务的规划方法 |
CN106600147B (zh) * | 2016-12-15 | 2017-10-13 | 合肥工业大学 | 面向可分解任务的多无人机任务分配方法和装置 |
CN107330588B (zh) * | 2017-06-19 | 2020-05-12 | 西北工业大学 | 一种多基地异构无人机协同侦察的任务规划方法 |
CN107330560B (zh) * | 2017-07-04 | 2020-05-12 | 北京理工大学 | 一种考虑时序约束的异构飞行器多任务协同分配方法 |
CN107515618B (zh) * | 2017-09-05 | 2020-07-07 | 北京理工大学 | 一种考虑时间窗口的异构无人机协同任务分配方法 |
CN107728643B (zh) * | 2017-11-10 | 2019-10-25 | 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 |
CN107977743B (zh) * | 2017-11-29 | 2021-01-26 | 安徽有云智能科技有限公司 | 多无人机协同任务分配方法及装置 |
CN108229719B (zh) * | 2017-11-29 | 2021-12-14 | 合肥工业大学 | 无人机编队任务分配与航迹规划的多目标优化方法及装置 |
CN108876086A (zh) * | 2018-04-12 | 2018-11-23 | 南安市创培电子科技有限公司 | 一种基于粒子群算法的多无人机任务分配方法 |
CN108664038B (zh) * | 2018-05-14 | 2021-01-22 | 中国人民解放军火箭军工程大学 | 一种多无人机分布式合同竞拍在线任务规划方法 |
CN109101721B (zh) * | 2018-08-03 | 2023-05-12 | 南京航空航天大学 | 不确定环境下基于区间直觉模糊的多无人机任务分配方法 |
-
2019
- 2019-03-29 CN CN201910248847.4A patent/CN109901616B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109901616A (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901616B (zh) | 一种异构无人机群分布式任务规划方法 | |
CN108664038B (zh) | 一种多无人机分布式合同竞拍在线任务规划方法 | |
CN109990790B (zh) | 一种无人机路径规划方法及装置 | |
Whitten et al. | Decentralized task allocation with coupled constraints in complex missions | |
CN109544998B (zh) | 一种基于分布估计算法的航班时隙分配多目标优化方法 | |
Rezwan et al. | A survey on applications of reinforcement learning in flying ad-hoc networks | |
CN108632831A (zh) | 一种基于动态航迹的无人机群频谱资源分配方法 | |
CN108181927A (zh) | 无人机编队表演控制的方法、装置及存储介质 | |
CN109506654A (zh) | 低空航路规划方法及装置、飞行器 | |
CN107562066B (zh) | 一种航天器多目标启发式排序任务规划方法 | |
CN105426964B (zh) | 一种卫星成像与传输的联合任务规划方法 | |
CN112783207B (zh) | 一种基于多目标粒子群优化的无人机航迹规划方法 | |
Mohamed et al. | Gateway selection in millimeter wave UAV wireless networks using multi-player multi-armed bandit | |
US11620501B2 (en) | Neural network apparatus | |
CN109189091A (zh) | 基于积分滑模与模型预测控制的多航天器协同控制方法 | |
CN114326827B (zh) | 一种无人机集群多任务动态分配方法及系统 | |
Tanaka et al. | Faithful implementations of distributed algorithms and control laws | |
Qin et al. | Trajectory planning for reconnaissance mission based on fair-energy UAVs cooperation | |
CN114142908A (zh) | 一种面向覆盖侦察任务的多无人机通信资源分配方法 | |
CN112965527A (zh) | 基于改进人工蜂群算法的无人机编队拓扑生成优化方法 | |
CN110322061B (zh) | 一种适用于载荷凝视成像的多目标观测轨迹智能感知方法 | |
CN116610144A (zh) | 基于扩展一致性包算法的无人机协同动态任务分配方法 | |
Xiang et al. | An effective memetic algorithm for UAV routing and orientation under uncertain navigation environments | |
Bauso et al. | Multiple UAV cooperative path planning via neuro-dynamic programming | |
WO2024001267A1 (zh) | 无人机飞行航线更新规划的方法、装置、设备及存储介质 |
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 |