CN111199360A - 无人机任务分配规划方法 - Google Patents

Abstract

本发明公开了一种无人机任务分配规划方法，主要解决现有技术在进行任务分配时通信消耗和时延大的问题。其方案是：当无人机执行任务过程中有新任务P需要执行时，将该任务的分配分为预分配和协商两个阶段，即在预分配阶段由中心节点根据个体满意函数和个体拒绝函数选择出一个可执行任务的满意集集合Φ_P，并判断Φ_P是否为空：如果Φ_P不为空，则由满足条件的无人机集合通过相互之间的协商，选择出最合适的一架无人机执行任务P；如果Φ_P为空，则由多架无人机组合共同执行同一任务。本发明减少了中心节点的计算时间，保证了任务的实时动态分配和无人机任务的负载均衡，提升了无人机执行任务的整体性能，可用于多种类无人机实时分配的场景中。

Description

无人机任务分配规划方法

技术领域

本发明属于无线通信技术领域，特别涉及一种任务分配方法，可用于无人机任务实时分配场景中。

背景技术

多无人机任务分配是指：可以将动态的任务分配看成是在不同的时刻下，选择合适的无人机来完成任务。无人机任务分配的方式主要有集中式、分布式两种方式。集中式指的是编队中所有无人机通过唯一的一个控制中心进行通信，实现信号传输以及控制的一种系统结构。编队内所有无人机将其采集的外部信息以及自身状态信息传输至控制中心，再由控制中心对这些信息进行分类、融合、分析与决策，并形成新的控制指令，随后发送给编队内的无人机，实现多无人机的任务分配。分布式指的是编队中所有无人机不仅能通过控制中心进行通信，还能在编队内的无人机之间实现通信的一种控制系统结构。与集中式系统相比，分布式系统具有以下优点：充分发挥无人机的自治性，能够降低对中心节点的依赖性；计算分布式在各个系统的各个计算节点，能够实现对态势变化的快速反应；系统具有较强的鲁棒性和容错性，可扩展性好。但分布式协商时当节点过多时，通信的信息量会过大，而且可能因为只获得局部信息而无法得到全局最优解。

作者龙涛在其发表的期刊“多无人机UCAV协同中基于协商的分布式任务分配研究”中，在对多UCAV任务分配问题进行分析的基础上,提出了基于市场协调机制的多UCAV分布式协同任务分配体系结构,设计了能够支持不同自主能力UCAV的任务控制模型,各UCAV在分布式计算的基础上进行相互协商实现动态任务分配。通过综合采用买卖合同、交换合同和聚类合同三种协调机制,实现了多UCAV协同作战中的分布式任务分配。分配方法能够快速有效地实现对态势变化的反应,对于解决作战过程中的动态任务分配具有突出优势，但该方法并没有对分配后的任务执行情况进行监督，如果分配任务后的无人机自身出现故障，则可能造成任务无法成功执行。同时该方法在竞标阶段可能导致竞标时间过长，无法进行任务的实时分配。

作者钱艳平在其发表的期刊“基于合同网的无人机协同目标分配方法”中，首先使用聚类算法，计算任务位置从无人机出发点和回收点的连线上的直线距离，将任务分配给距离直线距离最短的无人机，然后再使用基于合同网的目标分配方法，引入负载系数参数，最后通过迭代执行买卖合同与交换合同实现了任务的合理分配。但该方法仅仅适用于任务在分配前就已经明确的场景中，实际环境中，可能面临一些突发任务，该方法并不能很好的解决实时任务分配的问题。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种无人机任务分配规划方法，以实现任务的快速分配，提升无人机执行任务的总体效益。

本发明的技术思路是：通过将任务分配分为预分配和协商两个阶段进行规划，其中在预分配阶段，首先由中心节点快速选择出适合执行该任务的无人机子集；在协商阶段，由子集之间相互协商，选择最合适的一架或者多架无人机参与该任务的执行，实现任务的实时分配。具体实现步骤包括如下：

(1)设置前提条件：

假设有N架无人机组成的无人机集合U＝{u₁,u₂,...,u_i,...,u_N}和M个任务的任务集合T＝{t₁,t₂,...,t_x,...,t_M}，其中u_i表示无人机集合U中的第i架无人机，1≤i≤N，t_x表示任务集合T中的第x个任务，1≤x≤M；

假设M个任务已经分配给了N架无人机，M个任务中分配给无人机u_i的任务集合为S_i，即

假设某一时刻下发现一个新的突发任务P，需要将这个新突发任务P分配给N架无人机集合中的一架无人机单独执行或者由多架无人机协作执行；

(2)无人机集合中的中心节点即无人机集合执行任务过程中中心位置的无人机接收到新突发任务P，依次计算无人机集合U中各个无人机u_i执行该任务P的收益R_i和损耗C_i

R_i＝v_p.a_i,p，

C_i＝β.d_i,p+(1-β).r_i,p，

其中v_p表示执行任务P的价值量，0≤a_i,p≤1表示完成任务无人机u_i执行任务P的任务匹配度；0≤β≤1表示调整因子，d_i,p表示无人机u_i执行新突发任务P的路径代价损耗，r_i,p表示无人机u_i执行新突发任务P的风险代价损耗；

(3)中心节点计算无人机集合中各个无人机u_i执行任务P的个体接收值μ_A,i(P)和个体拒绝值μ_R,i(P)；

其中，R_i,min为u_i的任务集合S_i中最小的收益，R_i,max为u_i任务集合S_i中最大的收益C_i,min为u_i的任务集合S_i中最小的代价，C_i,max为u_i任务集合S_i中最大的代价；

(4)定义满意集约束条件为：

表示调节因子，将满足满意集约束条件f(i,p)＝1的无人机构成满意集Φ_P＝{u_i|f(i,p)＝1}；

(5)对满意集Φ_P进行判断；

如果满意集Φ_P不为空，则由满意集Φ_P内的无人机相互协商，选择出最合适的一架无人机单独执行任务P；

如果满意集Φ_p为空，则由集合U中的无人机相互协商，选择多架无人机协同参与任务P的执行；

本发明与现有技术相比具有以下优点：

1、本发明结合集中式和分布式计算的优点，将任务分配分为预分配和分布式协商两个阶段，预分配阶段中心节点只需以较快的速度计算出适合执行任务的子集，将任务分配给适合执行任务的一组无人机而不需要关心具体的执行者，减少了中心节点的计算时间和计算量。

2、本发明由于在预分配阶段中心节点通过计算各个无人机执行当前任务的收益和损耗，以及在不同无人机的任务序列中收益和损耗所占据的比重，在满意集的约束下筛选出适合执行任务的无人机子集，减小了分布式协商阶段参与协商的无人机数量，降低了分布式协商中通信的消耗。

3、本发明在分布式协商阶段中，针对不同性质的任务，会有不同的处理：当预分配阶段满意集不为空时，满意集内的无人机计算执行该任务前后收益的变化，通过相互协商，选择收益最大的一架无人机执行任务，保证整体效益的最大化；当满意集为空时，根据无人机的任务空闲时间窗，无人机自身载荷，协商出满足任务资源需求的一组无人机，不仅保证了任务的实时执行，而且提高了完成任务的质量和成功率。

附图说明

图1为本发明的实现流程图；

图2为本发明中进行任务协商的子流程图；

图3为本发明中组建集群协同完成任务的子流程图。

具体实施方式

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，都属于本发明保护的范围。

本发明方法适用于异构多类型无人机集群在多任务执行过程中，当检测到一个新的突发任务时，要将该新突发任务实时分配给集群中无人机的场景。

参照图1，本发明的实现步骤如下：

步骤一：设置前提条件。

假设有N架无人机组成的无人机集合U＝{u₁,u₂,...,u_i,...,u_N}和M个任务的任务集合T＝{t₁,t₂,...,t_x,...,t_M}，其中u_i表示无人机集合U中的第i架无人机，1≤i≤N，t_x表示任务集合T中的第x个任务，1≤x≤M；

假设M个任务已经分配给了N架无人机，M个任务中分配给无人机u_i的任务集合为S_i，即

假设某一时刻下发现一个新的突发任务P，需要将这个新突发任务P分配给N架无人机集合中的一架无人机单独执行或者由多架无人机协作执行。

步骤二：无人机集合中的中心节点依次计算无人机集合U中各个无人机u_i执行新突发任务P的收益R_i和损耗C_i。

所述无人机集合中的中心节点，是指无人机集合执行任务过程中中心位置的无人机；该中心位置的无人机在接收到新突发任务P后，首要计算各个无人机u_i执行该新突发任务任务P的收益R_i和损耗C_i，其计算过程如下：

(2.1)计算无人机u_i执行任务P时获得的收益R_i：

分别获取新突发任务P的价值量v_p和无人机u_i执行新突发任务P的任务匹配度a_i,p，根据这两个参数计算无人机u_i执行新突发任务P的收益R_i：

R_i＝v_p.a_i,p

(2.2)计算无人机u_i执行任务P时获得的损耗C_i：

(2.2.1)计算无人机u_i执行任务P的路径损耗代价d_i,p：

分别获取无人机u_i自身的位置到执行任务P的地点的直线距离c_i,p和路径损耗的比例系数k，根据这两个参数计算无人机u_i执行任务P的路径损耗代价d_i,p：

d_i,p＝k.c_i,p,

(2.2.2)计算无人机u_i执行任务P的风险损耗代价r_i,p：

分别获取无人机u_i自身价值ρ_i，u_i执行任务P的风险损耗的比例系数k'和无人机u_i执行任务P的地点和任务P的位置的直线距离d，根据这三个参数计算无人机u_i执行任务P的风险损耗代价r_i,p：

(2.2.3)根据调整因子β，d_i,p和r_i,p的值计算无人机u_i执行任务P时的损耗C_i：

C_i＝β.d_i,p+(1-β).r_i,p,其中，β为调整因子。

步骤三：中心节点计算无人机集合中各个无人机u_i执行任务P的个体接收值μ_A,i(P)和个体拒绝值μ_R,i(P)；

(3.1)中心节点计算无人机集群U中各个无人机u_i执行任务P的个体接收值μ_A,i(P)：

(3.1.1)获取无人机u_i的任务序列S_i中最小的收益值R_i,min和最大的收益值R_i,max，

(3.1.2)无人机u_i执行任务P时获得的收益R_i及(3.1.1)获得的参数，计算无人机集群U中各个无人机u_i执行任务P的个体接收值μ_A,i(P)：

(3.2)中心节点计算无人机集群U中各个无人机u_i执行任务P的个体拒绝值μ_R,i(P)：

(3.2.1)获取无人机u_i的任务序列S_i中最小的代价值C_i,min和最大的代价值C_i,max，

(3.2.2)根据无人机u_i执行任务P时的损耗C_i及(3.2.1)获得的参数，计算无人机集群U中各个无人机u_i执行任务P的个体拒绝值μ_R,i(P)：

步骤四：构建满意集集合Φ_P。

满意集集合Φ_P，是指在无人机集合U中，满足满意集约束条件f(i,p)＝1的无人机的集合。其构建过程如下：

(4.1)定义满意集约束：

表示满意集调节因子,α取值应适当，太大会使满意集合过小或为空集，太小则不能有效缩小搜索空间，本实例α取值0.6；

(4.2)计算无人机集群U中各个无人机u_i的满意集约束f(i,p)的值，并将f(i,p)＝1，的无人机u_i加入到满意集集合Φ_P中。

步骤五：对满意集Φ_P进行判断，如果满意集Φ_P不为空，则执行步骤六，如果满意集Φ_p为空，则执行步骤七。

步骤六：满意集Φ_P内的无人机相互协商，选择出最合适的一架无人机单独执行任务P。

参照图2，本步骤的实现如下：

(6.1)参数定义：

将无人机u_i执行任务序列S_i的总体效益定义为自身效益Z_i；

将任务P加入到u_i当前的任务集合S_i后u_i的效益定义为增加效益Z_i ⁺(P)；

将无人机u_q的任务序列S_q中的任务t_x替换为任务P以后无人机u_q的效益定义为交换效益Z_q

(6.2)由中心节点指定满意集合Φ_p中单一任务效益F_i＝R_i-C_i值最大的一架无人机u_i作为招标节点发布招标信息{u_i,P,Z_i,Z_i ⁺(P)}；

(6.3)接收到招标信息的无人机u_q判断自己是否在满意集集合Φ_P中：

如果在满意集集合Φ_P中，则执行(6.4)，

否则，执行(6.6)；

(6.4)满意集集合Φ_P中的无人机u_q计算自身的负载系数γ_q：

(6.4.1)获取无人机u_q的任务负载L_q，

(6.4.2)无人机u_q计算无人机集合当前的平均负载

其中，N为无人机集合U中无人机的总数：

(6.4.3)根据平均负载

和无人机u_q的任务负载L_q这两个参数，计算无人机u_q的任务负载系数γ_q：

(6.5)判断γ_q是否大于0：

如果γ_q＞0，则无人机节点u_q放弃本次竞标；

否则,无人机节点u_q参与本次竞标,u_q计算将任务P加入到u_q当前的任务集合S_q后的增加任务效益

执行(6.6)；

(6.6)无人机节点u_q在自己的任务序列S_q中选择任务t_x，该任务t_x满足交换效益

其中t_j为无人机u_q任务序列S_q中的任务；t_x为从任务序列S_q交换任务t_j给无人机u_i的同时将任务P加入到自己的任务序列S_q后，使得u_q的整体效益最大的那个任务；

(6.7)无人机节点u_q选择交换效益

和增加效益

中的较大值Z_q，max(P)，并判断Z_q，max(P)是否大于

如果

则提交竞标信息＜U_q,P,Z_q,Z_q,max(P)＞，并执行步骤(6.8)，

否则，无人机节点u_q放弃本次竞标；

(6.8)招标者节点u_i在收到竞标信息后，判断是否超过最长竞标等待时间；

如果超过最长等待时间，则招标者节点u_i放弃本次竞标合同信息,

否则，招标者节点u_i将竞标合同信息放入竞标集合中，并执行(6.9)；

(6.9)招标者节点u_i依次将竞标集合中的竞标信息按照收益大小排序，选择满意集集合Φ_p中整体效益最大的无人机节点u_n作为中标节点，并向中标节点u_n发送中标信息，同时u_i周期性询问任务P完成情况，并执行步骤(6.10)；

(6.10)招标者节点u_i根据中标者节点u_n的反馈信息进行判断：

如果中标节点u_n反馈的信息是任务成功信息，则协商过程结束，

否则，招标节点u_i进行任务分析并发起新一轮的招标信息。

步骤七：由集合U中的无人机相互协商，选择多架无人机协同参与任务P的执行。

参照图3，本步骤的实现如下：

(7.1)参数定义：

定义Q＝{q₁,q₂,...,q_k,...q_G}为完成任务P需要的任务资源集合，

定义Q'_t＝{q'₁,q'₂,...,q'_k,...q'_G}为无人机u_t剩余的自身有效资源集合，

定义Φ'_p＝{u₂,u₃，...,u_c,...u_N}表示协同执行任务P的无人机协同集合，

其中q_k为执行任务P所需要的第k种资源的数值，q'_k为无人机u_t第k种资源的数值，1≤k≤G,G为完成任务P所需要的资源的种类数，u_c表示协同执行任务P的无人机数量，2≤c≤N,N表示集合U中无人机的总数；

(7.2)无人机集群U中的无人机u_i作为组建集群发起节点，给无人机集群U中的其他无人机节点u_v发送组建集群信息；

(7.3)无人机集群U中接收到组建集群信息的无人机u_v，将自身资源集合Q'_v信息返回给集群发起节点u_i；

(7.4)无人机集群U中的组建集群发起节点u_i根据接收到的其他无人机u_v发送的资源集合Q'_v，组建无人机协同集合Φ'_p，其中，组建Φ'_p的约束条件为：对于任务资源集合Q中的任何一种资源q_k，无人机协同集合Φ_p'中各个无人机u_c的有效资源q'_k的总和要大于等于q_k的值，即

(7.5)判断无人机协同集合Φ'_p是否为空：

如果无人机协同集合Φ'_p不为空，则无人机协同集合Φ'_p中的无人机节点在接收到协商节点u_i发送的信息后，共同参与任务的执行，并执行步骤(7.6)，

否则，执行步骤(7.7)；

(7.6)判断任务执行是否成功，如果任务执行成功，则协商过程结束，否则，执行步骤(7.7)；

(7.7)无人机集群发起节点u_i重新进行任务分析，并发起新一轮的组建集群信息。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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,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 (4)

1.一种无人机任务分配规划方法，其特征在于，包括如下：

(1)设置前提条件：

假设有N架无人机组成的无人机集合U＝{u₁,u₂,...,u_i,...,u_N}和M个任务的任务集合T＝{t₁,t₂,...,t_x,...,t_M}，其中u_i表示无人机集合U中的第i架无人机，1≤i≤N，t_x表示任务集合T中的第x个任务，1≤x≤M；

假设M个任务已经分配给了N架无人机，M个任务中分配给无人机u_i的任务集合为S_i，即

假设某一时刻下发现一个新的突发任务P，需要将这个新突发任务P分配给N架无人机集合中的一架无人机单独执行或者由多架无人机协作执行；

(2)无人机集合中的中心节点即无人机集合执行任务过程中中心位置的无人机接收到新突发任务P，依次计算无人机集合U中各个无人机u_i执行该任务P的收益R_i和损耗C_i

R_i＝v_p.a_i,p，

C_i＝β.d_i,p+(1-β).r_i,p，

其中v_p表示执行任务P的价值量，0≤a_i,p≤1表示完成任务无人机u_i执行任务P的任务匹配度；0≤β≤1表示调整因子，d_i,p表示无人机u_i执行新突发任务P的路径代价损耗，r_i,p表示无人机u_i执行新突发任务P的风险代价损耗；

(3)中心节点计算无人机集合中各个无人机u_i执行任务P的个体接收值μ_A,i(P)和个体拒绝值μ_R,i(P)；

其中，R_i,min为u_i的任务集合S_i中最小的收益，R_i,max为u_i任务集合S_i中最大的收益C_i,min为u_i的任务集合S_i中最小的代价，C_i,max为u_i任务集合S_i中最大的代价；

(4)定义满意集约束条件为：

0<α＜1表示调节因子，将满足满意集约束条件f(i,p)＝1的无人机构成满意集Φ_P＝{u_i|f(i,p)＝1}；

(5)对满意集Φ_P进行判断；

如果满意集Φ_P不为空，则由满意集Φ_P内的无人机相互协商，选择出最合适的一架无人机单独执行任务P；

如果满意集Φ_p为空，则由集合U中的无人机相互协商，选择多架无人机协同参与任务P的执行。

2.根据权利要求1所述的方法，其中(2)中无人机执行任务的收益R_i和损耗C_i，分别计算如下：

R_i＝v_p.a_i,p

C_i＝β.d_i,p+(1-β).r_i,p

其中,R_i表示无人机u_i执行任务P时获得的收益,v_p表示任务P的价值量，a_i,p表示完成任务无人机i执行任务P的任务匹配度，C_i表示无人机u_i执行任务P时资源消耗,0≤β≤1表示调整因子，d_i,p＝k.c_i,p表示执行目标路途中消耗的代价包括燃油消耗以及时间上的代价；c_i,p表示无人机u_i自身的位置到执行任务P的地点的直线距离，k表示路径损耗的比例系数；

表示无人机u_i执行任务P时的风险代价，d表示无人机u_i执行任务P的地点和任务P的位置的直线距离，ρ_i为无人机u_i自身价值,k′表示风险损耗的比例系数。

3.根据权利要求1所述的方法，其中步骤(5)中选择出最合适的一架无人机单独执行任务P，其实现如下：

(5a)定义Z_i表示无人机u_i的任务序列S_i的总体效益，

表示将任务P加入到u_i当前的任务集合S_i后u_i的增加效益，

表示将无人机u_q的任务序列S_q中的任务t_x替换为任务P以后无人机u_q的交换效益；

(5b)将满意集合Φ_p中任务单一任务效益F_i＝R_i-C_i值最大的一架无人机u_i作为招标节点发布招标信息

(5c)满意集Φ_P中的其他无人机节点u_q接收到招标信息后，首先在自己的任务序列S_q中选择任务t_x，该任务t_x满足交换效能

其中t_j为无人机u_q任务序列S_q中的任务，t_x为从任务序列S_q交换任务t_j给无人机u_i同时将任务P加入到自己的任务序列S_q后u_q的整体效益最大的那个任务；

(5d)无人机节点u_q计算单独将任务P加入自身任务序列S_q后无人机节点u_q的整体效能

(5e)无人机节点u_q选择交换效益

和增加效益

中的较大值Z_q，max(P)做为竞标信息，提交给无人机招标节点u_i；

(5f)无人机招标节点u_i收到竞标信息后，将竞标信息按照效益大小排序，选择满意集集合Φ_p中整体效益最大的节点u_n作为中标节点；

(5g)无人机招标节点u_i向种标者节点u_n发送中标信息，并周期性询问任务完成情况；

(5h)无人机招标节点u_i对接收到的中标节点u_n的反馈信息进行判断；

如果中标节点u_n返回任务成功信息给招标节点u_i，则招标过程结束；

如果中标节点u_n返回任务失败信息给招标节点u_i，或者在较长时间内没有反馈成功信息给招标节点u_i，则无人机招标节点u_i进行任务分析并发起新一轮的招标信息。

4.根据权利要求1所述的一种无人机任务分配规划方法，其中步骤(5)中选择多架无人机协同参与任务P的执行，其实现如下：

(5i)定义Q＝{q₁,q₂,...,q_k,...q_G}表示完成任务P需要的任务资源集合，Q′_t＝{q′₁,q′₂,...,q′_k,...q′_G}为无人机u_t剩余的自身有效资源集合，Φ′_p＝{u₂,u₃，...,u_c,...u_N}表示协同执行任务P的无人机协同集合，其中q_k为执行任务P所需要的第k种资源的数值，q′_k为无人机u_t第k种资源的数值，1≤k≤G,G为完成任务P所需要的资源的种类数，u_c表示协同执行任务P的无人机数量，2≤c≤N,N表示集合U中无人机的总数，对于任务资源集合Q中的任何一种资源q_k，无人机协同集合Φ_p'中各个无人机u_c的有效资源q′_k的总和要大于等于q_k的值，即

(5j)无人机集群U中的无人机u_i作为协商发起节点发送协商信息给无人机集群U中的其他无人机节点u_v；

(5k)无人机集群U中接收到协商信息的无人机节点u_v将自身资源集合Q′_v信息发送给协商节点u_i；

(5l)无人机集群U中的协商节点u_i根据接收到的其他无人机发送的资源集合Q′_v，组建无人机协同集合Φ′_p；

(5m)无人机集群U中的协商节点u_i对集合Φ′_p进行判断；

如果无人机协同集合Φ′_p不为空，则无人机协同集合Φ′_p中的无人机节点在接收到协商节点u_i发送的信息后，共同参与任务的执行，任务执行成功后协商过程结束；

如果无人机协同集合Φ′_p为空，或者任务执行失败，则无人机协商节点u_i进行任务分析，并发起新一轮的协商信息。

Images