CN110471445B - 多无人平台通信能耗的多阶段多目标优化方法和装置 - Google Patents
多无人平台通信能耗的多阶段多目标优化方法和装置 Download PDFInfo
- Publication number
- CN110471445B CN110471445B CN201910778615.XA CN201910778615A CN110471445B CN 110471445 B CN110471445 B CN 110471445B CN 201910778615 A CN201910778615 A CN 201910778615A CN 110471445 B CN110471445 B CN 110471445B
- Authority
- CN
- China
- Prior art keywords
- graph
- unmanned platform
- dimensional linear
- met
- formation
- 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
- 230000006854 communication Effects 0.000 title claims abstract description 96
- 238000004891 communication Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005457 optimization Methods 0.000 title claims abstract description 21
- 238000005265 energy consumption Methods 0.000 title claims abstract description 20
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 145
- 230000003993 interaction Effects 0.000 claims abstract description 81
- 239000011159 matrix material Substances 0.000 claims description 41
- 238000010586 diagram Methods 0.000 claims description 27
- 230000009191 jumping Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 12
- 230000035515 penetration Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000002035 prolonged effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种多无人平台通信能耗的多阶段多目标优化方法和装置,涉及人工智能领域。本发明基于无人平台编队的二维队形和无人平台的初始能量获取通信网络;基于通信网络获取加权有向图;基于加权有向图获取二维线性无关图;基于二维线性无关图获取无人平台编队的信息交互拓扑;将无人平台编队的信息交互拓扑发送给无人平台;当无人平台工作的实时时间差大于预设的调度周期时,判断每个无人平台的剩余能量是否均大于维持无人平台工作的最低能量;若是,则基于当前剩余能量更新无人平台编队的信息交互拓扑,并不断循环上述过程直至不满足条件;若否,则命令无人平台停止工作。本发明可以延长无人平台编队执行任务时的可工作时间。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种多无人平台通信能耗的多阶段多目标优化方法和装置。
背景技术
无人平台是指无人驾驶的、完全按遥控操作或者按预编程序自主运作的一种平台,具体包括机器人和智能体等等,由于其不需要人为操作的特点而被广泛应用于各种领域。相比较于单个无人平台完成任务,多个无人平台协作完成任务更加高效,因此多无人平台技术也被广泛的应用,而如何控制多个无人平台编队完成工作是当前研究的一大热点。
无人平台上一般搭载有数据运算处理装置,使每个无人平台构成网络计算节点。无人平台在编队工作时,相互之间可以向其他无人平台发送信号以及接收来自于其他无人平台的信号,从而实现多无人平台间的信息交流,并构建信息交互拓扑。
然而本申请的发明人发现,由于每个无人平台可用的能量是有限的,但处于发送状态的无人平台消耗能量的速度比处于接收状态的无人平台消耗能量的速度快,因此在无人平台编队执行任务时间较长时,会出现一个或几个无人平台能量消耗过大的情况。即现有技术在实际应用中存在无人平台编队在执行任务时的可工作时间短的缺点。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种多无人平台通信能耗的多阶段多目标优化方法和装置,解决了无人平台编队在执行任务时的可工作时间短的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
本发明解决其技术问题所提供的一种多无人平台通信能耗的多阶段多目标优化方法,所述优化方法由计算机执行,包括以下步骤:
S1、基于无人平台编队的二维队形和无人平台的初始能量获取通信网络;
S2、基于所述通信网络获取加权有向图;
S3、基于所述加权有向图获取二维线性无关图;
S4、基于所述二维线性无关图获取无人平台编队的信息交互拓扑;
S5、将所述无人平台编队的信息交互拓扑发送给无人平台,并记录初始时间;
S6、记录无人平台的每一个工作时间,基于所述初始时间和所述每一个工作时间获取无人平台的实时时间差;
S7、当所述实时时间差大于预设的调度周期时,获取每个无人平台的剩余能量,并判断:每个无人平台的剩余能量是否均大于维持无人平台工作的最低能量;
若满足条件,则基于所述二维队形和所述剩余能量生成当前时间的无人平台编队的信息交互拓扑;将所述无人平台编队的信息交互拓扑更新为当前时间的无人平台编队的信息交互拓扑,将所述初始时间更新为当前时间,并跳转到S5中,重复步骤S5-S7;
若不满足条件,则命令无人平台停止工作。
优选的,在S2中,所述加权有向图的获取方法为:
获取所述通信网络的第一最小树形图,并将所述第一最小树形图中的弧及其反向弧从所述通信网络中删除,得到第一通信网络;
获取所述第一通信网络的第二最小树形图,并将所述第二最小树形图中的弧及其反向弧从所述第一通信网络中删除,得到第二通信网络;
将所述第一最小树形图和所述第二最小树形图合并,获得所述加权有向图。
优选的,在S3中,所述二维线性无关图的获取方法为:
S301、按照权值从高到低的顺序对所述加权有向图中的弧进行排序,赋值h=1;
S302、判断所述加权有向图中的弧的数量是否大于所述加权有向图对应的加权无向图的刚度矩阵的秩r,若满足条件,删除所述加权有向图中的第h条弧,得到第一加权有向图;若不满足条件,则所述加权有向图即为二维线性无关图;
S303、判断所述第一加权有向图对应的加权无向图的刚度矩阵的秩是否小于r,若满足条件,则将所述第h条弧重新加入到第一加权有向图中,得到第二加权有向图;若不满足条件,则不进行处理,得到第二加权有向图;
S304、更新h的取值;
S305、判断所述第二加权有向图中的弧的数量是否大于r,若满足条件,则将所述加权有向图中的数据更新为所述第二加权有向图中的数据,并跳转到步骤S302,重复步骤S302-S305;若不满足条件,则所述第二加权有向图即为二维线性无关图。
优选的,在S4中,所述无人平台编队的信息交互拓扑的获取方法为:
S401、判断所述二维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述二维线性无关图的节点集合V是否满足r0<2×|V|-3,若满足条件,按照权值从低到高的顺序对所述第二通信网络中的弧进行排序,获取所述第二通信网络中的第k条弧aij,其中,k=1;若不满足条件,则所述二维线性无关图即为无人平台编队的信息交互拓扑;
S402、判断所述二维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述二维线性无关图的节点集合V是否满足r0<2×|V|-3,若不满足条件,则所述二维线性无关图即为无人平台编队的信息交互拓拓扑;
若满足条件,则判断:所述第k条弧aij的终点vj在所述二维线性无关图中的入度是否小于2并且所述第k条弧aij的反向弧aji是否不在所述二维线性无关图中,若两个条件均满足,将所述第k条弧aij添加到所述二维线性无关图中,得到第一二维线性无关图,并跳转到步骤S403;若两个条件不能全部满足,则更新k的取值,并重复步骤S402;
S403、判断所述第一二维线性无关图对应的加权无向图的刚度矩阵的秩是否为满秩,若不满足条件,则将所述第k条弧aij从所述第一二维线性无关图中删除,得到第二二维线性无关图,且,令r1=r0;若满足条件,则令r1=r0+1,保留所述第k条弧aij,得到第二二维线性无关图;
S404、更新所述k的取值;
S405、判断所述r1是否满足r1<2×|V|-3,若满足条件,则将所述二维线性无关图中的数据更新为所述第二二维线性无关图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二二维线性无关图即为无人平台编队的信息交互拓扑。
本发明解决其技术问题所提供的一种多无人平台通信能耗的多阶段多目标优化装置,所述优化装置包括计算机,所述计算机包括:
至少一个存储单元;
至少一个处理单元;
其中,所述至少一个存储单元中存储有至少一条指令,所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤:
S1、基于无人平台编队的二维队形和无人平台的初始能量获取通信网络;
S2、基于所述通信网络获取加权有向图;
S3、基于所述加权有向图获取二维线性无关图;
S4、基于所述二维线性无关图获取无人平台编队的信息交互拓扑;
S5、将所述无人平台编队的信息交互拓扑发送给无人平台,并记录初始时间;
S6、记录无人平台的每一个工作时间,基于所述初始时间和所述每一个工作时间获取无人平台的实时时间差;
S7、当所述实时时间差大于预设的调度周期时,获取每个无人平台的剩余能量,并判断:每个无人平台的剩余能量是否均大于维持无人平台工作的最低能量;
若满足条件,则基于所述二维队形和所述剩余能量生成当前时间的无人平台编队的信息交互拓扑;将所述无人平台编队的信息交互拓扑更新为当前时间的无人平台编队的信息交互拓扑,将所述初始时间更新为当前时间,并跳转到S5中,重复步骤S5-S7;
若不满足条件,则命令无人平台停止工作。
优选的,在S2中,所述加权有向图的获取方法为:
获取所述通信网络的第一最小树形图,并将所述第一最小树形图中的弧及其反向弧从所述通信网络中删除,得到第一通信网络;
获取所述第一通信网络的第二最小树形图,并将所述第二最小树形图中的弧及其反向弧从所述第一通信网络中删除,得到第二通信网络;
将所述第一最小树形图和所述第二最小树形图合并,获得所述加权有向图。
优选的,在S3中,所述二维线性无关图的获取方法为:
S301、按照权值从高到低的顺序对所述加权有向图中的弧进行排序,赋值h=1;
S302、判断所述加权有向图中的弧的数量是否大于所述加权有向图对应的加权无向图的刚度矩阵的秩r,若满足条件,删除所述加权有向图中的第h条弧,得到第一加权有向图;若不满足条件,则所述加权有向图即为二维线性无关图;
S303、判断所述第一加权有向图对应的加权无向图的刚度矩阵的秩是否小于r,若满足条件,则将所述第h条弧重新加入到第一加权有向图中,得到第二加权有向图;若不满足条件,则不进行处理,得到第二加权有向图;
S304、更新h的取值;
S305、判断所述第二加权有向图中的弧的数量是否大于r,若满足条件,则将所述加权有向图中的数据更新为所述第二加权有向图中的数据,并跳转到步骤S302,重复步骤S302-S305;若不满足条件,则所述第二加权有向图即为二维线性无关图。
优选的,在S4中,所述无人平台编队的信息交互拓扑的获取方法为:
S401、判断所述二维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述二维线性无关图的节点集合V是否满足r0<2×|V|-3,若满足条件,按照权值从低到高的顺序对所述第二通信网络中的弧进行排序,获取所述第二通信网络中的第k条弧aij,其中,k=1;若不满足条件,则所述二维线性无关图即为无人平台编队的信息交互拓扑;
S402、判断所述二维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述二维线性无关图的节点集合V是否满足r0<2×|V|-3,若不满足条件,则所述二维线性无关图即为无人平台编队的信息交互拓扑;
若满足条件,则判断:所述第k条弧aij的终点vj在所述二维线性无关图中的入度是否小于2并且所述第k条弧aij的反向弧aji是否不在所述二维线性无关图中,若两个条件均满足,将所述第k条弧aij添加到所述二维线性无关图中,得到第一二维线性无关图,并跳转到步骤S403;若两个条件不能全部满足,则更新k的取值,并重复步骤S402;
S403、判断所述第一二维线性无关图对应的加权无向图的刚度矩阵的秩是否为满秩,若不满足条件,则将所述第k条弧aij从所述第一二维线性无关图中删除,得到第二二维线性无关图,且,令r1=r0;若满足条件,则令r1=r0+1,保留所述第k条弧aij,得到第二二维线性无关图;
S404、更新所述k的取值;
S405、判断所述r1是否满足r1<2×|V|-3,若满足条件,则将所述二维线性无关图中的数据更新为所述第二二维线性无关图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二二维线性无关图即为无人平台编队的信息交互拓扑。
(三)有益效果
本发明提供了一种多无人平台通信能耗的多阶段多目标优化方法和装置。与现有技术相比,具备以下有益效果:
本发明基于无人平台编队的二维队形和无人平台的初始能量获取无人平台编队的通信网络;基于通信网络获取加权有向图;基于加权有向图获取二维线性无关图;基于二维线性无关图获取无人平台编队的信息交互拓扑;将无人平台编队的信息交互拓扑发送给无人平台;当无人平台的工作时间和初始时间的实时时间差大于预设的调度周期时,获取每个无人平台的剩余能量,并判断:每个无人平台的剩余能量是否均大于维持无人平台工作的最低能量;若满足条件,则基于当前剩余能量更新无人平台编队的信息交互拓扑,并不断循环上述过程直至不满足条件;当不满足条件时,则命令无人平台停止工作。本发明可以根据每个无人平台的剩余能量和编队的队形,按照设定的周期更新无人平台编队的信息交互拓扑,使得所有无人平台在工作时的能量消耗均衡,提高了无人平台编队的能量利用率,延长了无人平台编队执行任务时的可工作时间。
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作简单地介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所述的多无人平台通信能耗的多阶段多目标优化方法的整体流程图;
图2为本发明一实施例中无人平台编队初始的信息交互拓扑;
图3为本发明一实施例中更新一个调度周期后的无人平台编队的信息交互拓扑。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例通过提供一种多无人平台通信能耗的多阶段多目标优化方法和装置,解决了无人平台编队在执行任务时的可工作时间短的问题,实现了无人平台编队均衡消耗能量,延长了无人平台编队在执行任务时的可工作时间。
本申请实施例中的技术方案为解决上述技术问题,总体思路如下:
本发明实施例基于无人平台编队的二维队形和无人平台的初始能量获取无人平台编队的通信网络;基于通信网络获取加权有向图;基于加权有向图获取二维线性无关图;基于二维线性无关图获取无人平台编队的信息交互拓扑;将无人平台编队的信息交互拓扑发送给无人平台;当无人平台的工作时间和初始时间的实时时间差大于预设的调度周期时,获取每个无人平台的剩余能量,并判断:每个无人平台的剩余能量是否均大于维持无人平台工作的最低能量;若满足条件,则基于当前剩余能量更新无人平台编队的信息交互拓扑,并不断循环上述过程直至不满足条件;当不满足条件时,则命令无人平台停止工作。本发明实施例可以根据每个无人平台的剩余能量和编队的队形,按照设定的周期更新无人平台编队的信息交互拓扑,使得所有无人平台在工作时的能量消耗均衡,提高了无人平台编队的能量利用率,延长了无人平台编队执行任务时的可工作时间。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
本发明实施例提供了一种多无人平台通信能耗的多阶段多目标优化方法,如图1所示,所述优化方法由计算机执行,包括以下步骤:
S1、基于无人平台编队的二维队形和无人平台的初始能量获取通信网络;
S2、基于上述通信网络获取加权有向图;
S3、基于上述加权有向图获取二维线性无关图;
S4、基于上述二维线性无关图获取无人平台编队的信息交互拓扑;
S5、将上述无人平台编队的信息交互拓扑发送给无人平台,并记录初始时间;
S6、记录无人平台的每一个工作时间,基于上述初始时间和上述每一个工作时间获取无人平台的实时时间差;
S7、当上述实时时间差大于预设的调度周期时,获取每个无人平台的剩余能量,并判断:每个无人平台的剩余能量是否均大于维持无人平台工作的最低能量;
若满足条件,则基于上述二维队形和上述剩余能量生成当前时间的无人平台编队的信息交互拓扑;将上述无人平台编队的信息交互拓扑更新为当前时间的无人平台编队的信息交互拓扑,将上述初始时间更新为当前时间,并跳转到S5中,重复步骤S5-S7;
若不满足条件,则命令无人平台停止工作。
本发明实施例基于无人平台编队的二维队形和无人平台的初始能量获取无人平台编队的通信网络;基于通信网络获取加权有向图;基于加权有向图获取二维线性无关图;基于二维线性无关图获取无人平台编队的信息交互拓扑;将无人平台编队的信息交互拓扑发送给无人平台;当无人平台的工作时间和初始时间的实时时间差大于预设的调度周期时,获取每个无人平台的剩余能量,并判断:每个无人平台的剩余能量是否均大于维持无人平台工作的最低能量;若满足条件,则基于当前剩余能量更新无人平台编队的信息交互拓扑,并不断循环上述过程直至不满足条件;当不满足条件时,则命令无人平台停止工作。本发明实施例可以根据每个无人平台的剩余能量和编队的队形,按照设定的周期更新无人平台编队的信息交互拓扑,使得所有无人平台在工作时的能量消耗均衡,提高了无人平台编队的能量利用率,延长了无人平台编队执行任务时的可工作时间。
具体的,本方法由地面控制中心的计算机执行,继而将计算结果发给每个无人平台,实现多无人平台的二维编队。
下面对各步骤进行详细描述:
在步骤S1中,基于无人平台编队的二维队形和无人平台的初始能量获取通信网络。
具体的,本发明实施例在实际应用中根据无人平台预设编队的队形和无人平台的通信范围,确定编队中无人平台之间的可用通信链接,以无人平台作为节点,以可用通信链接作为弧,构建编队的通信网络拓扑。其中,任意两个无人平台之间的距离在无人平台的通信范围之内,则该两无人平台之间具有双向的通信链接,每个通信链接的通信代价由相应的通信距离决定。
本发明实施例设定共n个AGENT通过AGENT之间的单向通信以形成并保持一个二维的编队队形S。该编队队形S中n个位置分别编号为{1,2,…,n},n个无人平台共同构成二维队形。
此编队的通信网络根据队形S和每个无人平台的初始能量y0确定。
具体的,表示为D=(V,A,W)。其中:
V={vi},1≤i≤n是无人平台代表的节点的集合,其中vi表示AGENTi,即第i个无人平台。
W={wij},其中wij表示从无人平台AGENTi到AGENTj的通信链接aij的权值,即从节点vi到节点vj的通信链接aij的权值,具体的,wij等于dij/yi,其中dij为节点vi到节点vj的距离。yi为无人平台当前时间的剩余能量。
在步骤S2中,基于上述通信网络获取加权有向图。
具体的,本发明实施例先获取上述通信网络D的第一最小树形图T1,并将第一最小树形图T1中的弧及其反向弧从上述通信网络D中删除,得到第一通信网络D1。
获取第一通信网络D1的第二最小树形图T2,并将第二最小树形图T2中的弧及其反向弧从第一通信网络D1中删除,得到第二通信网络D2。
将第一最小树形图和第二最小树形图合并,即得到加权有向图。加权有向图为T=(V,A*,W*)。
具体的,本发明实施例在获取最小树形图时采用Edmonds最小树形图优化算法。
本发明实施例还根据加权有向图得到加权无向图。
具体的,本发明实施例首先根据刚度矩阵理论,求出加权无向图的刚度矩阵,进一步求得刚度矩阵的秩r。
在步骤S3中,基于上述加权有向图获取二维线性无关图。
具体的,二维线性无关图的获取方法如下:
S301、按照权值从高到低的顺序对上述加权有向图T中的弧进行排序,赋值h=1。
S302、判断加权有向图T中的弧的数量是否大于加权无向图的刚度矩阵的秩r,若满足条件,删除加权有向图T中的第h条弧,得到第一加权有向图。若不满足条件,则加权有向图T即为二维线性无关图。
S303、判断上述第一加权有向图对应的加权无向图的刚度矩阵的秩是否小于r,若满足条件,则将所述第h条弧重新加入到第一加权有向图中,得到第二加权有向图;若不满足条件,则不进行处理,得到第二加权有向图。
S304、更新h的取值。具体的,令h=h+1。
S305、判断所述第二加权有向图中的弧的数量是否大于r,若满足条件,则将所述加权有向图T中的数据更新为所述第二加权有向图中的数据,并跳转到步骤S302,重复步骤S302-S305;若不满足条件,则所述第二加权有向图即为二维线性无关图。
需要说明的是,二维线性无关图是指:假设M是二维空间中有向图T=(V,A)对应无向图G=(V,E)的二维刚度矩阵。仅当二维刚度矩阵的秩和无向图的边数|E|满足r=|E|时,此有向图T为二维线性无关图。
上述获取方法采用的算法步骤如表1所示:
表1
在步骤S4中,基于上述二维线性无关图获取无人平台编队的信息交互拓扑。
具体的,无人平台二维编队的最优信息交互拓扑的获取方法为:
S401、当二维线性无关图对应的加权无向图的刚度矩阵的秩r0和二维线性无关图T0的节点集合V满足r0<2×|V|-3时,按照权值从低到高的顺序对第二通信网络D2中的弧进行排序,获取第二通信网络D2的第k条弧aij,其中,k=1。当上述条件不满足时,二维线性无关图T0即为无人平台编队的信息交互拓扑。
需要说明的是,本发明实施例中,二维线性无关图的刚度矩阵的秩r0和加权无向图的刚度矩阵的秩r的数值相等。
S402、判断:二维线性无关图对应的加权无向图的刚度矩阵的秩r0和二维线性无关图T0的节点集合V是否满足r0<2×|V|-3。当上述条件不满足时,二维线性无关图T0即为无人平台编队的信息交互拓扑。
当上述条件满足时,判断:第k条弧aij的终点vj在二维线性无关图T0中的入度是否小于2并且第k条弧aij的反向弧aji是否不在二维线性无关图T0中。当上述两个条件均满足时,将第k条弧aij添加到二维线性无关图T0中,得到第一二维线性无关图并跳转到步骤S403。当上述两个条件不能全部满足时,则更新k的取值,具体的,令k=k+1,并重复进行步骤S402,对第k+1条弧进行上述操作。
S404、更新k的取值,具体的,令k=k+1。
S405、判断r1是否满足r1<2×|V|-3,若满足条件,则将二维线性无关图T0中的数据更新为第二二维线性无关图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则第二二维线性无关图即为无人平台二维编队的信息交互拓扑。
具体的,上述获取方法采用的算法步骤如表2所示:
表2
在步骤S5中,将上述无人平台编队的信息交互拓扑发送给无人平台,并记录初始时间,设为t0。
在步骤S6中,记录无人平台的每一个工作时间t1,基于上述初始时间t0和上述每一个工作时间t1获取无人平台的实时时间差t′。
在步骤S7中,当上述实时时间差t′大于预设的调度周期t时,获取每个无人平台的剩余能量yi,并判断:每个无人平台的剩余能量yi是否均大于维持无人平台工作的最低能量。具体的,调度周期可自行设定。
若满足条件,则基于上述二维队形S和上述剩余能量yi生成当前时间的无人平台编队的信息交互拓扑。具体的,更新信息交互拓扑的方法可参照步骤S1-S4。
将上述无人平台编队的信息交互拓扑更新为当前时间的无人平台编队的信息交互拓扑,将上述初始时间t0更新为当前时间t1,并跳转到S5中,重复步骤S5-S7。
若不满足条件,则命令无人平台停止工作。
具体的,下面以具体例子说明本发明实施例。
在本发明的一个实施例中,假设一个小规模的无人平台编队由3个AGENT组成,每个AGENT的通信范围是1600m,此编队的二维队形中3个AGENT:v1、v2和v3之间的欧氏距离相等,即d12=d13=d23。3个AGENT的初始能量相等,即y1=y2=y3。
根据步骤S1-S4获取的此无人平台编队初始的信息交互拓扑如图2所示。具体的,v2发送信息给v1,v3发送信息给v2和v1。由于无人平台发送信息消耗的能量比无人平台接收信息消耗的能量多,所以此无人平台编队工作一段时间后会出现y1>y2>y3的情况,此时根据步骤S7动态调整二维持久编队的信息交互拓扑。
由于w12=w13<w23=w21<w31=w32,所以更新后的此无人平台编队的信息交互拓扑,权值选择为w12、w13、w23,如图3所示。此时,v2发送信息给v3,v1发送信息给v2和v3。
本发明实施例还提供了一种多无人平台通信能耗的多阶段多目标优化装置,上述装置包括计算机,上述计算机包括:
至少一个存储单元;
至少一个处理单元;
其中,上述至少一个存储单元中存储有至少一条指令,上述至少一条指令由上述至少一个处理单元加载并执行以实现以下步骤:
S1、基于无人平台编队的二维队形和无人平台的初始能量获取通信网络;
S2、基于上述通信网络获取加权有向图;
S3、基于上述加权有向图获取二维线性无关图;
S4、基于上述二维线性无关图获取无人平台编队的信息交互拓扑;
S5、将上述无人平台编队的信息交互拓扑发送给无人平台,并记录初始时间;
S6、记录无人平台的每一个工作时间,基于上述初始时间和上述每一个工作时间获取无人平台的实时时间差;
S7、当上述实时时间差大于预设的调度周期时,获取每个无人平台的剩余能量,并判断:每个无人平台的剩余能量是否均大于维持无人平台工作的最低能量;
若满足条件,则基于上述二维队形和上述剩余能量生成当前时间的无人平台编队的信息交互拓扑;将上述无人平台编队的信息交互拓扑更新为当前时间的无人平台编队的信息交互拓扑,将上述初始时间更新为当前时间,并跳转到S5中,重复步骤S5-S7;
若不满足条件,则命令无人平台停止工作。
可理解的是,本发明实施例提供的上述优化装置与上述优化方法相对应,其有关内容的解释、举例、有益效果等部分可以参考多无人平台通信能耗的多阶段多目标优化方法中的相应内容,此处不再赘述。
综上所述,与现有技术相比,具备以下有益效果:
本发明实施例基于无人平台编队的二维队形和无人平台的初始能量获取无人平台编队的通信网络;基于通信网络获取加权有向图;基于加权有向图获取二维线性无关图;基于二维线性无关图获取无人平台编队的信息交互拓扑;将无人平台编队的信息交互拓扑发送给无人平台;当无人平台的工作时间和初始时间的实时时间差大于预设的调度周期时,获取每个无人平台的剩余能量,并判断:每个无人平台的剩余能量是否均大于维持无人平台工作的最低能量;若满足条件,则基于当前剩余能量更新无人平台编队的信息交互拓扑,并不断循环上述过程直至不满足条件;当不满足条件时,则命令无人平台停止工作。本发明实施例可以根据每个无人平台的剩余能量和编队的队形,按照设定的周期更新无人平台编队的信息交互拓扑,使得所有无人平台在工作时的能量消耗均衡,提高了无人平台编队的能量利用率,延长了无人平台编队执行任务时的可工作时间。
需要说明的是,通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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:其依然可以对前述各实施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各实施例技术方案的精神和范围。
Claims (2)
1.一种多无人平台通信能耗的多阶段多目标优化方法,其特征在于,所述优化方法由计算机执行,包括以下步骤:
S1、基于无人平台编队的二维队形和无人平台的初始能量获取通信网络;
S2、基于所述通信网络获取加权有向图;
S3、基于所述加权有向图获取二维线性无关图;
S4、基于所述二维线性无关图获取无人平台编队的信息交互拓扑;
S5、将所述无人平台编队的信息交互拓扑发送给无人平台,并记录初始时间;
S6、记录无人平台的每一个工作时间,基于所述初始时间和所述每一个工作时间获取无人平台的实时时间差;
S7、当所述实时时间差大于预设的调度周期时,获取每个无人平台的剩余能量,并判断:每个无人平台的剩余能量是否均大于维持无人平台工作的最低能量;
若满足条件,则基于所述二维队形和所述剩余能量生成当前时间的无人平台编队的信息交互拓扑;将所述无人平台编队的信息交互拓扑更新为当前时间的无人平台编队的信息交互拓扑,将所述初始时间更新为当前时间,并跳转到S5中,重复步骤S5-S7;
若不满足条件,则命令无人平台停止工作;
在S2中,所述加权有向图的获取方法为:
获取所述通信网络的第一最小树形图,并将所述第一最小树形图中的弧及其反向弧从所述通信网络中删除,得到第一通信网络;
获取所述第一通信网络的第二最小树形图,并将所述第二最小树形图中的弧及其反向弧从所述第一通信网络中删除,得到第二通信网络;
将所述第一最小树形图和所述第二最小树形图合并,获得所述加权有向图;
在S3中,所述二维线性无关图的获取方法为:
S301、按照权值从高到低的顺序对所述加权有向图中的弧进行排序,赋值h=1;
S302、判断所述加权有向图中的弧的数量是否大于所述加权有向图对应的加权无向图的刚度矩阵的秩r,若满足条件,删除所述加权有向图中的第h条弧,得到第一加权有向图;若不满足条件,则所述加权有向图即为二维线性无关图;
S303、判断所述第一加权有向图对应的加权无向图的刚度矩阵的秩是否小于r,若满足条件,则将所述第h条弧重新加入到第一加权有向图中,得到第二加权有向图;若不满足条件,则不进行处理,得到第二加权有向图;
S304、更新h的取值;
S305、判断所述第二加权有向图中的弧的数量是否大于r,若满足条件,则将所述加权有向图中的数据更新为所述第二加权有向图中的数据,并跳转到步骤S302,重复步骤S302-S305;若不满足条件,则所述第二加权有向图即为二维线性无关图;
在S4中,所述无人平台编队的信息交互拓扑的获取方法为:
S401、判断所述二维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述二维线性无关图的节点集合V是否满足r0<2×|V|-3,若满足条件,按照权值从低到高的顺序对所述第二通信网络中的弧进行排序,获取所述第二通信网络中的第k条弧aij,其中,k=1;若不满足条件,则所述二维线性无关图即为无人平台编队的信息交互拓扑;
S402、判断所述二维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述二维线性无关图的节点集合V是否满足r0<2×|V|-3,若不满足条件,则所述二维线性无关图即为无人平台编队的信息交互拓扑;
若满足条件,则判断:所述第k条弧aij的终点vj在所述二维线性无关图中的入度是否小于2并且所述第k条弧aij的反向弧aji是否不在所述二维线性无关图中,若两个条件均满足,将所述第k条弧aij添加到所述二维线性无关图中,得到第一二维线性无关图,并跳转到步骤S403;若两个条件不能全部满足,则更新k的取值,并重复步骤S402;
S403、判断所述第一二维线性无关图对应的加权无向图的刚度矩阵的秩是否为满秩,若不满足条件,则将所述第k条弧aij从所述第一二维线性无关图中删除,得到第二二维线性无关图,且,令r1=r0;若满足条件,则令r1=r0+1,保留所述第k条弧aij,得到第二二维线性无关图;
S404、更新所述k的取值;
S405、判断所述r1是否满足r1<2×|V|-3,若满足条件,则将所述二维线性无关图中的数据更新为所述第二二维线性无关图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二二维线性无关图即为无人平台编队的信息交互拓扑。
2.一种多无人平台通信能耗的多阶段多目标优化装置,其特征在于,所述优化装置包括计算机,所述计算机包括:
至少一个存储单元;
至少一个处理单元;
其中,所述至少一个存储单元中存储有至少一条指令,所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤:
S1、基于无人平台编队的二维队形和无人平台的初始能量获取通信网络;
S2、基于所述通信网络获取加权有向图;
S3、基于所述加权有向图获取二维线性无关图;
S4、基于所述二维线性无关图获取无人平台编队的信息交互拓扑;
S5、将所述无人平台编队的信息交互拓扑发送给无人平台,并记录初始时间;
S6、记录无人平台的每一个工作时间,基于所述初始时间和所述每一个工作时间获取无人平台的实时时间差;
S7、当所述实时时间差大于预设的调度周期时,获取每个无人平台的剩余能量,并判断:每个无人平台的剩余能量是否均大于维持无人平台工作的最低能量;
若满足条件,则基于所述二维队形和所述剩余能量生成当前时间的无人平台编队的信息交互拓扑;将所述无人平台编队的信息交互拓扑更新为当前时间的无人平台编队的信息交互拓扑,将所述初始时间更新为当前时间,并跳转到S5中,重复步骤S5-S7;
若不满足条件,则命令无人平台停止工作;
在S2中,所述加权有向图的获取方法为:
获取所述通信网络的第一最小树形图,并将所述第一最小树形图中的弧及其反向弧从所述通信网络中删除,得到第一通信网络;
获取所述第一通信网络的第二最小树形图,并将所述第二最小树形图中的弧及其反向弧从所述第一通信网络中删除,得到第二通信网络;
将所述第一最小树形图和所述第二最小树形图合并,获得所述加权有向图;
在S3中,所述二维线性无关图的获取方法为:
S301、按照权值从高到低的顺序对所述加权有向图中的弧进行排序,赋值h=1;
S302、判断所述加权有向图中的弧的数量是否大于所述加权有向图对应的加权无向图的刚度矩阵的秩r,若满足条件,删除所述加权有向图中的第h条弧,得到第一加权有向图;若不满足条件,则所述加权有向图即为二维线性无关图;
S303、判断所述第一加权有向图对应的加权无向图的刚度矩阵的秩是否小于r,若满足条件,则将所述第h条弧重新加入到第一加权有向图中,得到第二加权有向图;若不满足条件,则不进行处理,得到第二加权有向图;
S304、更新h的取值;
S305、判断所述第二加权有向图中的弧的数量是否大于r,若满足条件,则将所述加权有向图中的数据更新为所述第二加权有向图中的数据,并跳转到步骤S302,重复步骤S302-S305;若不满足条件,则所述第二加权有向图即为二维线性无关图;
在S4中,所述无人平台编队的信息交互拓扑的获取方法为:
S401、判断所述二维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述二维线性无关图的节点集合V是否满足r0<2×|V|-3,若满足条件,按照权值从低到高的顺序对所述第二通信网络中的弧进行排序,获取所述第二通信网络中的第k条弧aij,其中,k=1;若不满足条件,则所述二维线性无关图即为无人平台编队的信息交互拓扑;
S402、判断所述二维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述二维线性无关图的节点集合V是否满足r0<2×|V|-3,若不满足条件,则所述二维线性无关图即为无人平台编队的信息交互拓扑;
若满足条件,则判断:所述第k条弧aij的终点vj在所述二维线性无关图中的入度是否小于2并且所述第k条弧aij的反向弧aji是否不在所述二维线性无关图中,若两个条件均满足,将所述第k条弧aij添加到所述二维线性无关图中,得到第一二维线性无关图,并跳转到步骤S403;若两个条件不能全部满足,则更新k的取值,并重复步骤S402;
S403、判断所述第一二维线性无关图对应的加权无向图的刚度矩阵的秩是否为满秩,若不满足条件,则将所述第k条弧aij从所述第一二维线性无关图中删除,得到第二二维线性无关图,且,令r1=r0;若满足条件,则令r1=r0+1,保留所述第k条弧aij,得到第二二维线性无关图;
S404、更新所述k的取值;
S405、判断所述r1是否满足r1<2×|V|-3,若满足条件,则将所述二维线性无关图中的数据更新为所述第二二维线性无关图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二二维线性无关图即为无人平台编队的信息交互拓扑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910778615.XA CN110471445B (zh) | 2019-08-22 | 2019-08-22 | 多无人平台通信能耗的多阶段多目标优化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910778615.XA CN110471445B (zh) | 2019-08-22 | 2019-08-22 | 多无人平台通信能耗的多阶段多目标优化方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110471445A CN110471445A (zh) | 2019-11-19 |
CN110471445B true CN110471445B (zh) | 2023-02-21 |
Family
ID=68513350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910778615.XA Active CN110471445B (zh) | 2019-08-22 | 2019-08-22 | 多无人平台通信能耗的多阶段多目标优化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110471445B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111314879B (zh) * | 2020-01-19 | 2023-07-04 | 合肥工业大学 | 突发事件下无人平台信息感知网络快速响应方法和装置 |
CN117555350B (zh) * | 2024-01-12 | 2024-04-05 | 沈阳赫霆科技有限公司 | 一种无人机集群监控方法及相关设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105979540A (zh) * | 2016-06-14 | 2016-09-28 | 昆明理工大学 | 一种三维无线传感器网络实时定位拓扑控制方法 |
CN107135104A (zh) * | 2017-05-08 | 2017-09-05 | 合肥工业大学 | 无人‑有人机编队信息交互拓扑优化方法及装置 |
CN108307444A (zh) * | 2018-01-19 | 2018-07-20 | 扬州大学 | 基于优化粒子群算法的无线传感网无人机系统通信方法 |
CN108600942A (zh) * | 2018-04-04 | 2018-09-28 | 清华大学 | 一种无人机自组网的路由方法 |
CN108924788A (zh) * | 2018-06-21 | 2018-11-30 | 西安理工大学 | 无线紫外光协作无人机编队网络中能耗均衡方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9092741B1 (en) * | 2014-04-21 | 2015-07-28 | Amber Flux Private Limited | Cognitive platform and method for energy management for enterprises |
-
2019
- 2019-08-22 CN CN201910778615.XA patent/CN110471445B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105979540A (zh) * | 2016-06-14 | 2016-09-28 | 昆明理工大学 | 一种三维无线传感器网络实时定位拓扑控制方法 |
CN107135104A (zh) * | 2017-05-08 | 2017-09-05 | 合肥工业大学 | 无人‑有人机编队信息交互拓扑优化方法及装置 |
CN108307444A (zh) * | 2018-01-19 | 2018-07-20 | 扬州大学 | 基于优化粒子群算法的无线传感网无人机系统通信方法 |
CN108600942A (zh) * | 2018-04-04 | 2018-09-28 | 清华大学 | 一种无人机自组网的路由方法 |
CN108924788A (zh) * | 2018-06-21 | 2018-11-30 | 西安理工大学 | 无线紫外光协作无人机编队网络中能耗均衡方法 |
Non-Patent Citations (2)
Title |
---|
卫星编队飞行相对轨迹优化与控制;王有亮;《工程科技Ⅱ辑(博士)》;20190115;全文 * |
面向队形保持的无人机编队信息交互拓扑优化问题的研究;王国强;《工程科技Ⅱ辑(博士)》;20171215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110471445A (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111191934A (zh) | 一种基于强化学习策略的多目标云工作流调度方法 | |
CN110471445B (zh) | 多无人平台通信能耗的多阶段多目标优化方法和装置 | |
CN110609572B (zh) | 无人机编队信息交互拓扑的启发式优化方法和装置 | |
CN111290390A (zh) | 一种基于天牛须搜索的智能船舶路径规划方法 | |
Zhang et al. | Learning to cooperate: Application of deep reinforcement learning for online AGV path finding | |
CN111831355A (zh) | 权重精度配置方法、装置、设备及存储介质 | |
Dai et al. | Data-efficient control barrier function refinement | |
Zhang et al. | Danger-aware adaptive composition of drl agents for self-navigation | |
CN111314119B (zh) | 不确定环境下无人平台信息感知网络快速重构方法和装置 | |
Yasuda et al. | Response threshold-based task allocation in a reinforcement learning robotic swarm | |
CN110609548B (zh) | 多无人平台协同队形保持的快速优化方法和装置 | |
CN110647166B (zh) | 均衡能耗的无人机编队信息交互拓扑在线优化方法和装置 | |
CN110536266B (zh) | 无人机编队通信能耗的周期性在线均衡方法和装置 | |
CN111107604B (zh) | 无人平台信息感知网络的快速优化方法和装置 | |
CN111104561B (zh) | 启发式的无人平台信息感知网络拓扑生成方法和装置 | |
CN116828541A (zh) | 基于多智能体强化学习的边缘计算依赖任务动态卸载方法及系统 | |
CN110618626B (zh) | 多无人平台协同队形保持的通信能耗均衡方法和装置 | |
CN110598272B (zh) | 多无人平台信息交互拓扑的启发式生成方法和装置 | |
CN111314879B (zh) | 突发事件下无人平台信息感知网络快速响应方法和装置 | |
CN111934901A (zh) | 无人平台信息感知网络的拓扑控制方法及系统 | |
CN110647167B (zh) | 无人机编队最优信息交互拓扑快速生成方法和装置 | |
Asadi et al. | A dynamic hierarchical task transfer in multiple robot explorations | |
CN112801548B (zh) | 一种航班调度的系统 | |
CN110989653B (zh) | 无人机协同态势感知的信息交互拓扑快速生成方法和装置 | |
Nor et al. | Broadcast control of multi-agent systems for assembling at unspecified point with collision avoidance |
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 |