CN112465318B - 一种异构水下航行器编队的任务分配方法 - Google Patents

一种异构水下航行器编队的任务分配方法 Download PDF

Info

Publication number
CN112465318B
CN112465318B CN202011283808.7A CN202011283808A CN112465318B CN 112465318 B CN112465318 B CN 112465318B CN 202011283808 A CN202011283808 A CN 202011283808A CN 112465318 B CN112465318 B CN 112465318B
Authority
CN
China
Prior art keywords
solution
task
target point
mother boat
path
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
Application number
CN202011283808.7A
Other languages
English (en)
Other versions
CN112465318A (zh
Inventor
宋保维
董华超
王鹏
黄桥高
杜晓旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202011283808.7A priority Critical patent/CN112465318B/zh
Publication of CN112465318A publication Critical patent/CN112465318A/zh
Application granted granted Critical
Publication of CN112465318B publication Critical patent/CN112465318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311Scheduling, planning or task assignment for a person or group
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/25Design optimisation, verification or simulation using particle-based methods
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供了一种异构水下航行器编队的任务分配方法,确定母艇的任务路线,采用具有邻域搜索操作的模拟退火算法以各水下航行器总路径之和最小为优化目标进行优化,将具有邻域搜索的模拟退火算法输出的最优结果进行可视化处理。本发明将母艇的运动考虑到了任务分配中,并且采用了易于实现、求解效果好的模拟退火算法进行任务分配,该模式贴合工程实际,对该任务模式的任务分配具有重要的工程实践意义,本发明具有易于实现,求解效果好,鲁棒性强等优点,可以很好地解决异构水下航行器编队的任务分配问题。

Description

一种异构水下航行器编队的任务分配方法
技术领域
本发明涉及水下航行器领域,还涉及一种水下航行器的任务分配方法,具体地说,提出了一种由母艇释放并回收其携带的水下航行器,并由释放的水下航行器访问若干目标点的任务分配方法。
背景技术
任务分配是运筹与优化学科研究的重要内容之一,为系统中的个体合理的分配任务能够极大地节省支出,从而使系统的整体性能更优。目前,水下航行器已被广泛应用于海洋信息侦察、海底资源勘探等复杂场景中,这些任务的时间敏感性往往较高,而且对任务的完成质量有一定的要求,故一艘水下航行器难以圆满完成任务,需要多艘异构的水下航行器编队协同完成上述任务。不同的水下航行器具有不同的功能,母艇作为一种可携带若干小型水下航行器的载体,在任务中主要起到将水下航行器携带至任务海域并对放出的水下航行器进行回收的作用,而小型水下航行器则需要对任务海域中需要勘探或者采样的点进行访问,并在燃料消耗完毕之前返回母艇。
在现有的任务分配方案中,都将携带水下航行器的母艇作为一个静止的点来考虑,以此为基础进行水下航行器的任务分配,从而达到某项所期望的指标最优。但是在实际任务执行中,母艇并非一直静止于某点,而是有着自己的任务背景,往往有着需要航行的起点与终点,现有技术中并无能良好解决这一任务模式的分配方法。此外,很多技术人员在求解任务分配问题时大多采用以分支限界法为代表的精确算法,这类算法求解速度慢,算法实现困难,无法有效解决任务分配的问题。考虑母艇在任务中的运动并且采用进化算法进行任务分配求解可以很好的解决异构水下航行器编队的任务分配问题,具有重大的工程实践意义。
发明内容
为了克服现有技术的不足,本发明提供一种异构水下航行器编队的任务分配方法。由于异构水下航行器编队的任务分配方法相对空白,尚未有技术人员对释放回收水下航行器的母艇进行运动化处理,此外,大多数任务分配的求解方法存在算法实现困难,求解效果不佳等缺点。本发明将母艇的运动也考虑到了任务分配中,并且采用了易于实现、求解效果好的模拟退火算法进行任务分配,对异构水下航行器编队的任务分配具有重要的工程实践意义。
本发明解决其技术问题所采用的技术方案通过以下步骤实现:
S1、确定母艇任务航行起点与终点位置,确定母艇所携带的水下航行器需要访问的目标点,并构建相应的任务场景图;
S2、确定母艇的任务路线;
假设母艇沿直线直接从任务起点行驶向任务终点所形成的路径最短;分别计算各个需访问的目标点到母舰行驶路径的直线距离,并计算各目标点之间的距离,以所计算的各目标点之间的距离之和作为路径代价;
其中,第i个目标点距母艇路线的最近距离记为di,则其中,第i个目标点的坐标为(xi,yi),第i个目标点在母艇行驶路线上的垂直交叉点的坐标为(x0i,y0i),第i个目标点与第j个目标点之间的直线距离记为di,j,i≠j,其中,第i个目标点的坐标为(xi,yi),第j个目标点的坐标为(xj,yj);
S3、采用具有邻域搜索操作的模拟退火算法以各水下航行器总路径之和最小为优化目标进行优化;具体步骤如下:
S301、初始化模拟退火算法,根据问题规模设置最大迭代次数、初始温度T0和温度阻尼率α;
S302、随机生成初始解;
若有N个需要访问的目标点,并且有A个可供使用的水下航行器,则问题维度为N+A,采用A-1个分隔符区分A航行器的路径;
S303、计算初始解的路径代价D:
若有A个可供使用的水下航行器,则将A个水下航行器按行驶路线逐次求和作为路径代价,并以作为路径总代价,其中Ai为第i个水下航行器的路径代价;
S304、采用邻域搜索操作产生新解,并计算新解的路径代价;
S305、如果新解比初始解的路径代价小,则采用新解;否则,按Metropolis准则接受新解;
S306、将路径代价最小的解作为当前最优解,按公式T′=α×T降温,其中T′为降温后的温度,α为阻尼率,并将迭代次数加1;
S307、重复步骤S304至S306,每次循环将迭代次数加1,直至满足S301中设定的迭代次数;
S308、输出最优结果;
S4、将具有邻域搜索的模拟退火算法输出的最优结果进行可视化处理。
所述阻尼率α取值范围为0<α<1。
所述邻域搜索操作包括交换或插入或翻转操作,交换操作是任意选取解中的两个位置,交换两个位置上的元素;插入操作是任意选取解中的两个位置,将靠后位置的元素放在靠前选取的元素之前,位于所选取两个元素之间的元素依次向后顺延一个位置;翻转操作是指任意选取解中的两个位置,最靠后位置的元素翻转至最前位置,次靠后位置的元素翻转至次靠前位置,以此类推,直至所选取两个位置之间的元素全部完成翻转。
所述Metropolis准则是先产生一个位于[0,1]区间内的随机数,如果该随机数小于p,则接受新解,其中ΔT表示新解与之前解的目标函数值之差,T为当前温度。
本发明的有益效果在于:
1.现有技术方案关注于同构编队的任务分配方法,本发明提出了一种异构水下航行器编队的任务模式,该模式贴合工程实际,对该任务模式的任务分配具有重要的工程实践意义。
2.现有技术所运用的任务分配方法具有理论复杂,难以实现,以及求解效果不佳等缺点。而本发明所提出的任务分配算法采用具有邻域搜索操作的模拟退火算法,具有易于实现,求解效果好,鲁棒性强等优点,可以很好地解决异构水下航行器编队的任务分配问题。
附图说明
图1是本发明提出的任务分配方法流程图。
图2是本发明的任务场景建模图。
图3是本发明解的构造形式示意图。
图4是本发明所采用的邻域搜索操作示意图。
图5是本发明在一种任务情景下的分配结果示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明的一部分实施例,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的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。
如图1所示,本发明实施例提供的一种异构水下航行器编队的任务分配方法,包括如下步骤:
S1、确定母艇航行起点与终点位置,确定母艇所携带的水下航行器需要访问的目标点;
S2、确定母艇路线,计算各需要访问的目标点到母艇路线的最近距离,计算各需要访问的目标点之间的距离,形成路径代价;
S3、在能够遍历所有目标点且每个水下航行器均不超过其最大航程的前提下,任务采用尽可能少的水下航行器进行目标点的访问,并以各水下航行器总路程之和最小为目标函数,采用具有邻域搜索的模拟退火算法(Simulated annealing algorithm,SA)进行任务分配方案的优化;
S4、将步骤S3中输出的最优结果进行可视化处理。
本发明的实施例如下:
S1、确定母艇任务航行起点与终点位置,确定母艇所携带的水下航行器需要访问的目标点,并构建相应的任务场景图(见图2)。
S2、确定母艇的任务路线;
本发明侧重于任务分配的方法,假设母艇沿直线直接从任务起点行驶向任务终点所形成的路径最短;分别计算各个需访问的目标点到母舰行驶路径的直线距离,并计算各目标点之间的距离,以所计算的各目标点之间的距离之和作为路径代价;
其中,第i个目标点距母艇路线的最近距离记为di,则其中,第i个目标点的坐标为(xi,yi),第i个目标点在母艇行驶路线上的垂直交叉点的坐标为(x0i,y0i),第i个目标点与第j个目标点之间的直线距离记为di,j(i≠j),其中,第i个目标点的坐标为(xi,yi),第j个目标点的坐标为(xj,yj);
S3、采用具有邻域搜索操作的模拟退火算法以各水下航行器总路径之和最小为优化目标进行优化;具体步骤如下:
S301、初始化模拟退火算法,根据问题规模设置最大迭代次数、初始温度T0和温度阻尼率α,且0<α<1;
S302、随机生成初始解;
若有N个需要访问的目标点,并且有A个可供使用的水下航行器,则问题维度为N+A,采用A-1个分隔符区分A航行器的路径,以三个水下航行器需要协同访问六个目标点为例,01至06分别表示目标点的编号,而采用07、08作为分隔符区分三个航行器的路径(见图3),则相应的问题维数为8维。
S303、计算初始解的路径代价D,以图3所示解为例:
若有A个可供使用的水下航行器,则将A个水下航行器按行驶路线逐次求和作为路径代价,并以作为路径总代价,其中Ai为第i个水下航行器的路径代价;图3中,D=d03+d03,02+d02+d04+d04,06+d06,05+d05+d01+d01
S304、采用邻域搜索操作产生新解,并计算新解的路径代价;
所述邻域搜索操作包括交换或插入或翻转操作,见图4,交换操作是任意选取解中的两个位置,交换两个位置上的元素;插入操作是任意选取解中的两个位置,将靠后位置的元素放在靠前选取的元素之前,位于所选取两个元素之间的元素依次向后顺延一个位置;翻转操作是指任意选取解中的两个位置,最靠后位置的元素翻转至最前位置,次靠后位置的元素翻转至次靠前位置,以此类推,直至所选取两个位置之间的元素全部完成翻转。
S305、如果新解比初始解的路径代价小,则采用新解;否则,按Metropolis准则接受新解;Metropolis准则是先产生一个位于[0,1]区间内的随机数,如果该随机数小于则接受新解,其中ΔT表示新解与之前解的目标函数值之差,T为当前温度;
S306、将路径代价最小的解作为当前最优解,按公式T′=α×T降温,其中T′为降温后的温度,α为阻尼率,并将迭代次数加1;
S307、重复步骤S304至S306,每次循环将迭代次数加1,直至满足S301中设定的迭代次数;
S308、输出最优结果;
S4、将具有邻域搜索的模拟退火算法输出的最优结果进行可视化处理,如图5所示。
以上实施例仅用于说明本发明而不用于限制本发明的保护范围。凡在本发明的精神和原则内,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)

1.一种异构水下航行器编队的任务分配方法,其特征在于包括下述步骤:
S1、确定母艇任务航行起点与终点位置,确定母艇所携带的水下航行器需要访问的目标点,并构建相应的任务场景图;
S2、确定母艇的任务路线;
假设母艇沿直线直接从任务起点行驶向任务终点所形成的路径最短;分别计算各个需访问的目标点到母舰行驶路径的直线距离,并计算各目标点之间的距离,以所计算的各目标点之间的距离之和作为路径代价;
其中,第i个目标点距母艇路线的最近距离记为di,则其中,第i个目标点的坐标为(xi,yi),第i个目标点在母艇行驶路线上的垂直交叉点的坐标为(x0i,y0i),第i个目标点与第j个目标点之间的直线距离记为di,j,i≠j,其中,第i个目标点的坐标为(xi,yi),第j个目标点的坐标为(xj,yj);
S3、采用具有邻域搜索操作的模拟退火算法以各水下航行器总路径之和最小为优化目标进行优化;具体步骤如下:
S301、初始化模拟退火算法,根据问题规模设置最大迭代次数、初始温度T0和温度阻尼率α;
S302、随机生成初始解;
若有N个需要访问的目标点,并且有A个可供使用的水下航行器,则问题维度为N+A,采用A-1个分隔符区分A个航行器的路径;
S303、计算初始解的路径代价D:
若有A个可供使用的水下航行器,则将A个水下航行器按行驶路线逐次求和作为路径代价,并以作为路径总代价,其中Ai为第i个水下航行器的路径代价;
S304、采用邻域搜索操作产生新解,并计算新解的路径代价;
S305、如果新解比初始解的路径代价小,则采用新解;否则,按Metropolis准则接受新解;
S306、将路径代价最小的解作为当前最优解,按公式T′=α×T降温,其中T′为降温后的温度,α为阻尼率,并将迭代次数加1;
S307、重复步骤S304至S306,每次循环将迭代次数加1,直至满足S301中设定的迭代次数;
S308、输出最优结果;
S4、将具有邻域搜索的模拟退火算法输出的最优结果进行可视化处理。
2.根据权利要求1所述的一种异构水下航行器编队的任务分配方法,其特征在于:所述阻尼率α取值范围为0<α<1。
3.根据权利要求1所述的一种异构水下航行器编队的任务分配方法,其特征在于:
所述邻域搜索操作包括交换、插入、翻转操作,交换操作是任意选取解中的两个位置,交换两个位置上的元素;插入操作是任意选取解中的两个位置,将靠后位置的元素放在靠前选取的元素之前,位于所选取两个元素之间的元素依次向后顺延一个位置;翻转操作是指任意选取解中的两个位置,最靠后位置的元素翻转至最前位置,次靠后位置的元素翻转至次靠前位置,以此类推,直至所选取两个位置之间的元素全部完成翻转。
4.根据权利要求1所述的一种异构水下航行器编队的任务分配方法,其特征在于:
所述Metropolis准则是先产生一个位于[0,1]区间内的随机数,如果该随机数小于p,则接受新解,其中ΔT表示新解与之前解的目标函数值之差,T为当前温度。
CN202011283808.7A 2020-11-17 2020-11-17 一种异构水下航行器编队的任务分配方法 Active CN112465318B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011283808.7A CN112465318B (zh) 2020-11-17 2020-11-17 一种异构水下航行器编队的任务分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011283808.7A CN112465318B (zh) 2020-11-17 2020-11-17 一种异构水下航行器编队的任务分配方法

Publications (2)

Publication Number Publication Date
CN112465318A CN112465318A (zh) 2021-03-09
CN112465318B true CN112465318B (zh) 2023-08-29

Family

ID=74836138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011283808.7A Active CN112465318B (zh) 2020-11-17 2020-11-17 一种异构水下航行器编队的任务分配方法

Country Status (1)

Country Link
CN (1) CN112465318B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700165A (zh) * 2015-03-27 2015-06-10 合肥工业大学 一种多无人机舰机协同路径规划方法
CN107330544A (zh) * 2017-06-05 2017-11-07 合肥工业大学 一种卫星对地成像任务规划问题处理的方法
WO2018036282A1 (zh) * 2016-08-24 2018-03-01 深圳市中兴微电子技术有限公司 一种任务调度方法、装置及计算机存储介质
CN108446497A (zh) * 2018-03-21 2018-08-24 郑州大学 一种舰载机集群运动建模仿真方法
CN109656136A (zh) * 2018-12-14 2019-04-19 哈尔滨工程大学 基于声学测量网络的水下多auv协同定位编队拓扑结构优化方法
CN110083173A (zh) * 2019-04-08 2019-08-02 合肥工业大学 无人机编队巡检任务分配的优化方法
CN110543190A (zh) * 2018-12-10 2019-12-06 西安电子科技大学 智能目标搜索中无人设备的路径规划方法
CN111290395A (zh) * 2020-03-10 2020-06-16 上海航天控制技术研究所 一种基于子母艇的无人艇自主回收方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700165A (zh) * 2015-03-27 2015-06-10 合肥工业大学 一种多无人机舰机协同路径规划方法
WO2018036282A1 (zh) * 2016-08-24 2018-03-01 深圳市中兴微电子技术有限公司 一种任务调度方法、装置及计算机存储介质
CN107330544A (zh) * 2017-06-05 2017-11-07 合肥工业大学 一种卫星对地成像任务规划问题处理的方法
CN108446497A (zh) * 2018-03-21 2018-08-24 郑州大学 一种舰载机集群运动建模仿真方法
CN110543190A (zh) * 2018-12-10 2019-12-06 西安电子科技大学 智能目标搜索中无人设备的路径规划方法
CN109656136A (zh) * 2018-12-14 2019-04-19 哈尔滨工程大学 基于声学测量网络的水下多auv协同定位编队拓扑结构优化方法
CN110083173A (zh) * 2019-04-08 2019-08-02 合肥工业大学 无人机编队巡检任务分配的优化方法
CN111290395A (zh) * 2020-03-10 2020-06-16 上海航天控制技术研究所 一种基于子母艇的无人艇自主回收方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于模拟退火算法的舰艇编队海上补给规划;罗朝晖;秦芙蓉;余鹏;;海军工程大学学报(04);全文 *

Also Published As

Publication number Publication date
CN112465318A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
CN108444482B (zh) 一种无人机自主寻路避障方法及系统
CN103106280B (zh) 一种道路网络环境下不确定时空轨迹数据的范围查询方法
CN104462190B (zh) 一种基于海量空间轨迹挖掘的在线的位置预测方法
CN106441303A (zh) 一种基于可搜索连续邻域a*算法的路径规划方法
CN110196602B (zh) 目标导向集中优化的快速水下机器人三维路径规划方法
CN107677279A (zh) 一种定位建图的方法及系统
CN111928867B (zh) 基于时间扩展的路径规划方法、系统、设备及存储介质
JP5905481B2 (ja) 判定方法及び判定装置
CN115077556B (zh) 一种基于多维度地图的无人车野战路径规划方法
CN110319837A (zh) 一种服务机器人室内复杂状况路径规划方法
CN104766346A (zh) 一种基于视频图像的斑马鱼跟踪方法
CN104050710A (zh) 用隐式几何体进行3d图形渲染
CN108803659B (zh) 基于魔方模型的多窗口启发式三维空间路径规划方法
JP6810432B2 (ja) 物体の条件に応じてモードを切り換えることができるcnn基盤で軍事目的、スマートフォン又は仮想走行に使用される疑似3dバウンディングボックスを検出する方法及びこれを利用した装置
CN112465318B (zh) 一种异构水下航行器编队的任务分配方法
CN116523970B (zh) 基于二次隐式匹配的动态三维目标跟踪方法及装置
CN109799817B (zh) 一种基于光反射特性的无人船全局路径规划方法
CN112827174B (zh) 一种分布式多机器人目标搜索方法
CN114690786A (zh) 一种移动机器的路径规划方法和装置
Gochev et al. Anytime tree-restoring weighted A* graph search
KR102464358B1 (ko) 머신러닝에 기반하여 이미지에 대응되는 공간 정보를 추정하기 위한 방법 및 이를 이용한 공간 추정 장치
CN110674687A (zh) 一种鲁棒高效的无人驾驶行人检测方法
CN116592897B (zh) 基于位姿不确定性的改进orb-slam2定位方法
CN113074730B (zh) 一种水下路径规划方法和系统
CN117506940B (zh) 机器人轨迹语言描述生成方法、装置和可读存储介质

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