CN111222764A - 一种基于分布协同拍卖的无人机蜂群任务分配算法 - Google Patents

Abstract

本发明公开了一种基于分布协同拍卖的无人机蜂群任务分配算法，步骤1、目标分配算法在启动之前进行初始化，确定任务目标；各UAV针对所有目标构造所有可能的单机方案，并计算这些方案的价值、代价和竞拍函数等参数；步骤2、初始化计算结束后，算法随机生成UAV的竞拍顺序，启动拍卖过程，轮到竞拍的UAV根据贪婪法则竞拍到自己的方案，然后各UAV更新其目标价值参数；步骤3、所有的UAV完成竞拍后，一轮拍卖结束，得到目标分配方案。本发明针对协同防御的协同任务分配更加注重无人机蜂群对于目标的响应和动态应对能力。

Description

一种基于分布协同拍卖的无人机蜂群任务分配算法

技术领域

本发明属于无人机蜂群任务分配算法技术领域，具体涉及一种基于分布协同拍卖的无人机蜂群任务分配算法。

背景技术

任务分配是一个复杂的多目标优化问题，根据应用背景的不同，又分为任务预分配和动态任务分配。任务预分配一般是指在战前任务控制站根据全局战场信息给各UAV下发任务指派，是UAV后续执行任务的重要参考；动态任务分配一般用于当作战环境发生变化时，原先的任务分配方案已不再适用，则需要对已有的任务分配方案进行在线更改，以适应新的战场环境。

发明内容

本发明的目的是提供一种基于分布协同拍卖的无人机蜂群任务分配算法，针对协同防御的协同任务分配更加注重无人机蜂群对于目标的响应和动态应对能力。

本发明所采用的技术方案是，一种基于分布协同拍卖的无人机蜂群任务分配算法，具体按照以下步骤实施：

步骤1、目标分配算法在启动之前进行初始化，确定任务目标；各UAV针对所有目标构造所有可能的单机方案，并计算这些方案的价值、代价和竞拍函数等参数；

步骤2、初始化计算结束后，算法随机生成UAV的竞拍顺序，启动拍卖过程，轮到竞拍的UAV根据贪婪法则竞拍到自己的方案，然后各UAV更新其目标价值参数；

步骤3、所有的UAV完成竞拍后，一轮拍卖结束，得到目标分配方案；

步骤4、当时间或资源允许时，算法生成新的竞拍顺序，展开新一轮拍卖，拍卖结果若优于以前的方案则取代之。当时间或资源超出限制时，算法停止，给出当前最好的分配方案。

本发明的特点还在于：

无人机为：侦察型无人机、攻击型无人机和诱导型无人机。

与无人机对应的任务类型如下：

(1)目标的威胁度属性高于预定阈值，对作战任务存在较大威胁，对应诱导任务；

(2)目标的价值度属性高于预定阈值，对作战任务具有较大价值，对应打击任务；

(3)待探知目标：执行任务途中突发未提前探知的目标,在侦察无人机探知之前该任务的威胁度与价值均未知，对应侦察任务。

步骤2中的算法为“两阶段”拍卖算法；包括上层决策函数和下层报价函数。

上层决策函数的功能在于利用态势判断决定下层拍卖的任务类型；上层决策公式T_j具体如下：

式中，V_score是战场价值分；Th_score是战场威胁分；Hr_score是战场盲区分；通过影响因素归一化系数k_v，k_th，k_hr将三者统一量纲，并在比较中取最大分当作战场当前主要因素Class_{T}并选取对应的任务类型子集{T_classi}作为拍卖任务集。

下层报价函数用来在众多无人机的报价中寻找最优报价作为拍卖的中标者；在“二阶段”法动态拍卖算法中，各无人机对于带拍卖的任务T_typical来说，其报价函数具体如下：

式中，报价函数f(U_i(T_typical))由收益函数Benefit(U_i(T_typical))与类型代价函数Cost^type(U_i(T_typical))组成；类型代价函数的计算中k_matchcost(U_iT_j)表示类型匹配代价系数，由无人机U_i和T_typical的类型对应关系有关，在一些特殊情况下类型交叉的无人机也能给出最高的报价；D(U_i(T_typical))表示规划距离，由于异构无人机拥有不同的速度因此用距离除以速度当作执行任务的时间代价而非同构时使用的距离代价。

算法伪代码如下：

Step1：初始化任务空间，生成类型任务集{T_atc,T_inv,T_cht}，无人机集{U_atc,U_inv,U_cht}，与约束集{R}，设定交叉代价系数矩阵K_matchcost；

Step2：检查结束条件，若不满足则循环执行Step3～Step6；

Step3：开始上层决策：计算态势分V_score,Th_score,Hr_score，确定待拍任务子集{T_classi}

Step4：在任务子集中寻找对应属性分最高的典型任务T_typical，发布任务；

Step5：其他无人机给出对于该任务的报价函数f(U_i(T_typical))；

Step6：最高报价者成功中标获得该任务，并更新战场属性与态势评估；

Step7：满足结束条件后输出最后结果，程序结束。

本发明的有益效果是：

分布式动态分配是无人机蜂群协同任务分配的关键算法，决定了协同作战的效果好坏。由于战场环境瞬息万变，协同作战的最终目标是打击敌方目标，因此针对协同防御的协同任务分配更加注重无人机蜂群对于目标的响应和动态应对能力，而非目标函数的优化。因此分布协同拍卖的任务分配方案最为合适。

附图说明

图1是本发明基于分布协同拍卖的无人机蜂群任务分配算法的流程图；

图2是本发明基于分布协同拍卖的无人机蜂群任务分配算法中两阶段算法框图；

图3是本发明基于分布协同拍卖的无人机蜂群任务分配算法中三种无人机的类型约束。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

如图1所示，本发明一种基于分布协同拍卖的无人机蜂群任务分配算法，其特征在于，具体按照以下步骤实施：

步骤1、目标分配算法在启动之前进行初始化，确定任务目标；各UAV针对所有目标构造所有可能的单机方案，并计算这些方案的价值、代价和竞拍函数等参数；

步骤2、初始化计算结束后，算法随机生成UAV的竞拍顺序，启动拍卖过程，轮到竞拍的UAV根据贪婪法则竞拍到自己的方案，然后各UAV更新其目标价值参数；

如图2所示，步骤2中的算法为“两阶段”拍卖算法；包括上层决策函数和下层报价函数。

上层决策函数的功能在于利用态势判断决定下层拍卖的任务类型；上层决策公式T_j具体如下：

式中，V_score是战场价值分；Th_score是战场威胁分；Hr_score是战场盲区分；通过影响因素归一化系数k_v，k_th，k_hr将三者统一量纲，并在比较中取最大分当作战场当前主要因素Class_{T}并选取对应的任务类型子集{T_classi}作为拍卖任务集。

下层报价函数用来在众多无人机的报价中寻找最优报价作为拍卖的中标者；在“二阶段”法动态拍卖算法中，各无人机对于带拍卖的任务T_typical来说，其报价函数具体如下：

式中，报价函数f(U_i(T_typical))由收益函数Benefit(U_i(T_typical))与类型代价函数Cost^type(U_i(T_typical))组成；类型代价函数的计算中k_matchcost(U_iT_j)表示类型匹配代价系数，由无人机U_i和T_typical的类型对应关系有关，在一些特殊情况下类型交叉的无人机也能给出最高的报价；D(U_i(T_typical))表示规划距离，由于异构无人机拥有不同的速度因此用距离除以速度当作执行任务的时间代价而非同构时使用的距离代价。

算法伪代码如下：

Step1：初始化任务空间，生成类型任务集{T_atc,T_inv,T_cht}，无人机集{U_atc,U_inv,U_cht}，与约束集{R}，设定交叉代价系数矩阵K_matchcost；

Step2：检查结束条件，若不满足则循环执行Step3～Step6；

Step3：开始上层决策：计算态势分V_score,Th_score,Hr_score，确定待拍任务子集{T_classi}

Step4：在任务子集中寻找对应属性分最高的典型任务T_typical，发布任务；

Step5：其他无人机给出对于该任务的报价函数f(U_i(T_typical))；

Step6：最高报价者成功中标获得该任务，并更新战场属性与态势评估；

Step7：满足结束条件后输出最后结果，程序结束。

步骤3、所有的UAV完成竞拍后，一轮拍卖结束，得到目标分配方案；

步骤4、当时间或资源允许时，算法生成新的竞拍顺序，展开新一轮拍卖，拍卖结果若优于以前的方案则取代之；当时间或资源超出限制时，算法停止，给出当前最好的分配方案。

无人机为：侦察型无人机、攻击型无人机和诱导型无人机。

与无人机对应的任务类型如下：

(1)目标的威胁度属性高于预定阈值，对作战任务存在较大威胁，对应诱导任务；

(2)目标的价值度属性高于预定阈值，对作战任务具有较大价值，对应打击任务；

(3)待探知目标：执行任务途中突发未提前探知的目标,在侦察无人机探知之前该任务的威胁度与价值均未知，对应侦察任务。

侦察型无人机、攻击型无人机和诱导型无人机的类型约束如图3所示。

分布协同拍卖不同于一般拍卖其原理是:随机生成竞拍顺序，各Agent按顺序竞拍到自己要执行的任务，一轮完成后得到任务分配方案。若时间和资源允许，则生成新的竞拍顺序进行新一轮竞拍，得出的分配方案优于旧方案则取代之。重复多轮竞拍，直到时间或资源超出限制，得出当前最好的分配方案。

拍卖机制设计

将每个UAV看成一个Agent，设计拍卖机制。由于允许UAV可以执行多个任务，同一个任务也会由多个无人机执行。拍卖过程为:先确定各UAV的竞拍顺序，轮到某个UAV竞拍时，UAV根据贪婪法则竞拍任务，而任务也可以反向拍卖UAV，取决于拍卖顺序。所有UAV竞拍完成后，多UAV系统将得到一个目标分配方案。

分布式动态分配是无人机蜂群协同任务分配的关键算法，决定了协同作战的效果好坏。由于战场环境瞬息万变，协同作战的最终目标是打击敌方目标，因此针对协同防御的协同任务分配更加注重无人机蜂群对于目标的响应和动态应对能力，而非目标函数的优化。因此分布协同拍卖的任务分配方案最为合适。

Claims (7)

1.一种基于分布协同拍卖的无人机蜂群任务分配算法，其特征在于，具体按照以下步骤实施：

步骤1、目标分配算法在启动之前进行初始化，确定任务目标；各UAV针对所有目标构造所有可能的单机方案，并计算这些方案的价值、代价和竞拍函数等参数；

步骤2、初始化计算结束后，算法随机生成UAV的竞拍顺序，启动拍卖过程，轮到竞拍的UAV根据贪婪法则竞拍到自己的方案，然后各UAV更新其目标价值参数；

步骤3、所有的UAV完成竞拍后，一轮拍卖结束，得到目标分配方案；

步骤4、当时间或资源允许时，算法生成新的竞拍顺序，展开新一轮拍卖，拍卖结果若优于以前的方案则取代之；当时间或资源超出限制时，算法停止，给出当前最好的分配方案。

2.如权利要求1所述的基于分布协同拍卖的无人机蜂群任务分配算法，其特征在于，所述无人机为：侦察型无人机、攻击型无人机和诱导型无人机。

3.如权利要求2所述的基于分布协同拍卖的无人机蜂群任务分配算法，其特征在于，与无人机对应的任务类型如下：

(1)目标的威胁度属性高于预定阈值，对作战任务存在较大威胁，对应诱导任务；

(2)目标的价值度属性高于预定阈值，对作战任务具有较大价值，对应打击任务；

(3)待探知目标：执行任务途中突发未提前探知的目标,在侦察无人机探知之前该任务的威胁度与价值均未知，对应侦察任务。

4.如权利要求3所述的基于分布协同拍卖的无人机蜂群任务分配算法，其特征在于，所述步骤2中的算法为“两阶段”拍卖算法；包括上层决策函数和下层报价函数。

5.如权利要求4所述的基于分布协同拍卖的无人机蜂群任务分配算法，其特征在于，所述上层决策函数的功能在于利用态势判断决定下层拍卖的任务类型；上层决策公式T_j具体如下：

式中，V_score是战场价值分；Th_score是战场威胁分；Hr_score是战场盲区分；通过影响因素归一化系数k_v，k_th，k_hr将三者统一量纲，并在比较中取最大分当作战场当前主要因素Class_{T}并选取对应的任务类型子集{T_classi}作为拍卖任务集。

6.如权利要求5所述的基于分布协同拍卖的无人机蜂群任务分配算法，其特征在于，所述下层报价函数用来在众多无人机的报价中寻找最优报价作为拍卖的中标者；在“二阶段”法动态拍卖算法中，各无人机对于带拍卖的任务T_typical来说，其报价函数具体如下：

式中，报价函数f(U_i(T_typical))由收益函数Benefit(U_i(T_typical))与类型代价函数Cost^type(U_i(T_typical))组成；类型代价函数的计算中k_matchcost(U_iT_j)表示类型匹配代价系数，由无人机U_i和T_typical的类型对应关系有关，在一些特殊情况下类型交叉的无人机也能给出最高的报价；D(U_i(T_typical))表示规划距离，由于异构无人机拥有不同的速度因此用距离除以速度当作执行任务的时间代价而非同构时使用的距离代价。

7.如权利要求6所述的基于分布协同拍卖的无人机蜂群任务分配算法，其特征在于，所述算法伪代码如下：

Step1：初始化任务空间，生成类型任务集{T_atc,T_inv,T_cht}，无人机集{U_atc,U_inv,U_cht}，与约束集{R}，设定交叉代价系数矩阵K_matchcost；

Step2：检查结束条件，若不满足则循环执行Step3～Step6；

Step3：开始上层决策：计算态势分V_score,Th_score,Hr_score，确定待拍任务子集{T_classi}

Step4：在任务子集中寻找对应属性分最高的典型任务T_typical，发布任务；

Step5：其他无人机给出对于该任务的报价函数f(U_i(T_typical))；

Step6：最高报价者成功中标获得该任务，并更新战场属性与态势评估；

Step7：满足结束条件后输出最后结果，程序结束。

Images