CN112926827A - 一种基于性能影响算法的多无人机任务重分配方法 - Google Patents
一种基于性能影响算法的多无人机任务重分配方法 Download PDFInfo
- Publication number
- CN112926827A CN112926827A CN202110085669.5A CN202110085669A CN112926827A CN 112926827 A CN112926827 A CN 112926827A CN 202110085669 A CN202110085669 A CN 202110085669A CN 112926827 A CN112926827 A CN 112926827A
- Authority
- CN
- China
- Prior art keywords
- task
- unmanned aerial
- aerial vehicle
- list
- tasks
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于性能影响算法的多无人机任务重分配方法,针对动态环境中两种动态事件:新任务的添加、旧任务信息的变化,在动态环境下以较少的通信量与计算量完成对动态事件的快速响应。本发明提出了一个可根据动态事件类型确定响应方法的框架,并在基本性能影响算法的基础上修改了任务添加的标准,使更多任务可以在更短的时间内被分配,同时提出了一个子团队形成机制,使得部分无人机释放部分已经分配的任务来响动态事件,在考虑原有任务分配方案的基础上大大降低了计算资源和通信资源的消耗,通过实例验证了本专利所提算法的有效性。
Description
技术领域
本发明涉及多无人机任务分配领域,尤其是在动态环境下的任务重分配方法。
背景技术
近年来,无人机种类越来越多,任务类型越来越广泛,单架无人机由于有限的载荷和飞行能力已无法独自完成复杂任务环境中的多类型任务,因此采用多无人机协同完成各类复杂任务已成为必然趋势,其中任务分配技术是多无人机协同执行任务的关键技术之一。而在动态环境下,任务的状态信息会随着动态环境的变化而不断更改,导致在静态环境下求解的原始任务分配方案不能执行。
现阶段的多无人机任务分配问题研究主要面向静态及已知的环境信息,而忽略了动态环境中各类突发事件对原有任务分配方案的影响将会导致原有方案不能执行的事实。除此之外,现有的任务分配方法在求解重分配问题时都忽略了原始已得到的多无人机任务分配方案,导致计算资源和通信资源的增加,求解效率不高,难以适应动态环境中的实时性要求,使得现有的许多多无人机任务重分配算法难以直接应用到实际的动态任务环境中。
发明内容
为了克服现有技术的不足,本发明提供一种基于性能影响算法的多无人机任务重分配方法。为了克服现有技术的不足,本发明提供一种基于性能影响算法的多无人机任务重分配方法,针对动态环境中两种动态事件:新任务的添加、旧任务信息的变化(包括变化的位置信息、执行时常信息和最晚开始执行时间信息),在动态环境下以较少的通信量与计算量完成对动态事件的快速响应。
本发明解决其技术问题所采用的技术方案包括以下步骤:
步骤1:设任务环境中有Nt个任务,Nu个无人机,首先通过任务分配算法,根据任务环境中的无人机和任务的实际信息得到初始静态环境下任务预分配方案即确定每个无人机vi的任务列表和列表中每个任务的开始时间以及所有无人机都获得相同的针对所有任务的移除性能影响值列表和所有任务的获胜无人机列表其中每个任务的移除性能影响值γi,k由公式(1)确定:
其中表示从任务列表ai中删除任务tk,表示当无人机vi顺着自身的任务列表ai执行任务tk时获得的回报,为根据任务tk对整个任务的重要性而确定的任务静态回报;βi,k为获胜无人机列表中无人机vi认为任务tk被分配给的无人机序号,根据每个无人机已分配的任务列表推测得到;
步骤2:每个无人机在根据已分配的任务列表执行任务的过程中,不断对在探测半径rd内探测所遇到的任务tc进行探测和信息处理,得到更新的任务信息元组ηc new=[IDc,Tyc,xc,yc,zc,sc,Dc],其中IDc各元素分别表示探测到的任务tc的ID,Tyc表示任务类型为探测任务或打击任务,xc,yc,zc分别表示任务tc的x,y,z坐标,sc表示任务tc的最晚开始执行时间,Dc表示任务tc的任务执行时长;探测到任务的无人机与自身所知的原始任务信息元组对比,判断更新的任务信息元组中的任一元素在原始任务信息元组的基础上是否有数值变化,判断此任务是否有动态事件的发生,并根据变化元素在信息元组中的位置确定动态事件的类型;
判断是否有动态事件发生,若有则确定动态事件的类型,并设定探测到动态任务的时刻ψ为动态事件出现的时刻;
步骤3:根据动态事件的类型选择应对方案;
若动态事件为新添加的任务,则跳转到步骤5;若动态事件为原有任务的信息改变,则探测到动态事件的无人机vd首先根据所有任务的获胜无人机列表βi确定原始分配到此改变任务tc(ID为c)的无人机vb=βi,c,然后将探测到的新任务信息元组和动态事件的出现时刻ψ发送给无人机vb;
无人机vb在接受到信息元组和动态事件的出现时刻ψ后,首先判断自身的状态,以得到自身当前的位置信息,若无人机vb正在执行任务,则无人机vb当前位置即为正在执行的任务的位置;若vb正在前往下一个即将执行的任务的位置,则根据式(2)计算在时刻ψ无人机vb的位置:
其中tp和tn分别表示无人机vb上一个已经执行完成的任务和下一个即将执行的任务,χx(tp)、χz(tp)和χz(tp)表示任务tp的x,y,z坐标,和Dp分别表示任务tp的开始执行时间和执行时长,注意若无人机vb即将去执行第一个任务(不存在tp),则任务tp视为vb的起始位置,和Dp分别为0;
步骤4:针对无人机vb需尝试添加的首先通过式(3)计算得到将插入无人机vb的任务列表ab的所有可插入位置l得到的性能影响值Wb,new,l,其中l为任务列表ab的第一个位置l=1到最后一个位置l=|ab|+1;然后利用式(4),选择最大的性能影响值为无人机vb添加的的添加性能影响值性能影响值Wb,new,l最大的位置L为最佳插入位置;
若则存在一个最佳插入位置L添加任务无论添加性能影响值的正与负;无人机vb将插入至任务列表ab的位置L后,更新的移除性能影响值γbnew为添加性能影响值即并同时根据后续各任务的位置和执行顺序,更新后续任务的开始时间,至此完成多无人机系统对变化任务tc的动态事件的响应;若即不存在位置L,且最大的添加性能影响值为-U,即没有满足后续任务时间约束的可插入位置,则无人机vb不能添加至自身的任务列表ab,进入步骤5进一步响应此动态事件;
其中rd是探测无人机vd的探测半径,Rmax为所有任务设置的最大回报,即Rmax=100,smax为所有任务最晚开始执行时间的最大值,设置所有任务的最晚开始执行时间s在[1000s,3000s]范围内,所以smax=3000,ω1和ω2分别为控制变化任务的静态回报和最晚开始执行时间对响应范围影响的权重;
选定所有满足条件的无人机vi组成响应变化任务tc的无人机子团队Ωc,子团队Ωc中的每一个无人机vi首先确定自身工作负载(即所分配的任务数量)Wi=|ai|并与子团队中其他无人机进行通讯,从而获得子团队中无人机的平均工作负载然后子团队中的每架无人机vi都释放ni,rel=|ai|-μWavg个移除性能影响值最低的任务,其中比例参数μ用来控制每架无人机释放任务的比例,取μ=0.8;子团队Ωc中每架无人机释放的任务以及变化任务tc共同组成待重分配任务集合
步骤6:子团队Ωc中的每架无人机vi都执行步骤4尝试添加待重分配任务集合中的任务,且每架无人机都形成了只针对中的任务的移除性能影响值列表和获胜无人机列表为使子团队中Ωc中的每一个无人机vi都能就和达成一致,进入通信更新阶段:
首先子团队Ωc中的每架无人机vi利用全连接通信网络与子团队Ωc中的其他无人机vj进行通讯,其中j≠i,同时,定义一个时间戳si表示无人机vi最后更新移除性能影响列表与获胜无人机列表的时间,在接收到其他无人机vj的移除性能影响列表和无人机vj认为的获胜无人机列表后,利用附录更新的值和对应的获胜无人机βi,k,直至所有无人机对三个信息列表,获胜的无人机列表更新的移除性能影响列表与时间戳列表si达到一致;
步骤7:经步骤6更新后进入冲突任务删除阶段:
步骤8:重复步骤6-7,若在M个迭代循环中所有无人机都不能再添加任何任务,则得到一个无冲突多无人机任务重分配方案然后各无人机vi按照此任务重分配方案中自身的任务列表ai更新自身的任务分配方案,并依据任务列表ai中存储的任务顺序来执行任务列表ai中的各任务,完成在动态环境下对不同动态事件的响应及任务的重分配。
所述步骤2中,其中,若IDc>Nt,则动态事件类型为新添加的任务,新添加任务的任务序号为IDc,元组中的后续元素Tyc,xc,yc,zc,sc,Dc分别表示新任务的类型、坐标、最晚开始时间和任务执行时长;若IDc≤Nt,且x,y,z坐标发生了变化,则表示任务IDc的位置信息发生了变化;若IDc≤Nt,且sc发生了变化,则表示任务IDc的最晚开始执行时间变化;若IDc≤Nt,且Dc发生了变化,则表示任务IDc的任务执行时长发生变化;若任务信息元组中没有元素改变,则没有动态事件发生。
所述步骤5中,ω1和ω2满足ω1+ω2=1,取ω1=0.4,ω2=0.6。
所述步骤8中,M个迭代循环的M取值为5。
本发明的有益效果在于提出了一个可根据动态事件类型确定响应方法的框架,并在基本性能影响算法的基础上修改了任务添加的标准,使更多任务可以在更短的时间内被分配,同时提出了一个子团队形成机制,使得部分无人机释放部分已经分配的任务来响动态事件,在考虑原有任务分配方案的基础上大大降低了计算资源和通信资源的消耗,通过实例验证了本专利所提算法的有效性。
附图说明
图1是本发明基于性能影响算法的多无人机任务重分配方法流程图。
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。
本发明包括以下几个步骤:
1.获得多无人机任务预分配方案
首先设定一个静态多无人机任务分配场景,其中待分配任务数量Nt=32,限定无人机和任务都平均分成探测和打击两类,无人机数量Nu=8,假设每个无人机都能自主识别任务的类型。依据表1的具体参数随机生成所有无人机的参数如表2所示,生成所有任务的参数如表3所示,通过已有的多无人机任务分配算法得到的任务预分配方案如表4所示。
在静态任务分配方案的基础上,本发明提出一个动态实例来验证本算法的可用性:假设在ψ=700s时,出现了两个动态事件:新增任务t33,任务类型为类型1(探测任务),其x,y,z坐标分别为6026m,1230m和563m,其最晚开始执行事件是2500s,执行时长为350s;任务t25的y坐标平移了4000m。
表1任务分配场景参数
表2所有无人机的初始参数
序号 | 类型 | 初始位置 | 巡航速度 |
1 | 探测 | (3145.2,1345.4,0) | 30m/s |
2 | 探测 | (1404.3,2457.5,0) | 30m/s |
3 | 探测 | (3885.5,3391.1,0) | 30m/s |
4 | 探测 | (4183.1,4784.2,0) | 30m/s |
5 | 打击 | (8738.6,8960.2,0) | 50m/s |
6 | 打击 | (4845.9,5510.0,0) | 50m/s |
7 | 打击 | (6269.9,8177.5,0) | 50m/s |
8 | 打击 | (8566.6,8654.5,0) | 50m/s |
表3所有任务的属性及参数
序号 | 类型 | 执行时常 | 时间窗口 | 静态回报 | 位置坐标 |
1 | 探测 | 300s | (0,2535.6) | 100 | (2736.6,3515.6,673.30) |
2 | 探测 | 300s | (0,2813.0) | 100 | (5818.9,9024.3,214.48) |
3 | 探测 | 300s | (0,2757.9) | 100 | (5753.5,8385.2,19.19) |
4 | 探测 | 300s | (0,2656.7) | 100 | (1603.3,6338.4,905.64) |
5 | 探测 | 300s | (0,2104.3) | 100 | (6910.9,2298.3,751.05) |
6 | 探测 | 300s | (0,2935.6) | 100 | (5761.8,9099.0,727.70) |
7 | 探测 | 300s | (0,2467.7) | 100 | (8717.7,8245.1,479.90) |
8 | 探测 | 300s | (0,2736.8) | 100 | (1144.6,8062.2,169.84) |
9 | 探测 | 300s | (0,2578.3) | 100 | (6452.6,8991.2,480.96) |
10 | 探测 | 300s | (0,2547.1) | 100 | (6858.8,5038.6,398.31) |
11 | 探测 | 300s | (0,2989.0) | 100 | (7812.0,6265.7,734.17) |
12 | 探测 | 300s | (0,2188.5) | 100 | (2887.7,4290.7,441.98) |
13 | 探测 | 300s | (0,2362.6) | 100 | (145.45,4675.1,518.63) |
14 | 探测 | 300s | (0,2774.6) | 100 | (9356.6,6742.6,319.26) |
15 | 探测 | 300s | (0,2932.4) | 100 | (3744.7,7790.1,893.14) |
16 | 探测 | 300s | (0,2074.8) | 100 | (8508.8,7966.9,892.98) |
17 | 打击 | 350s | (0,2428.8) | 100 | (2923.9,2381.5,539.08) |
18 | 打击 | 350s | (0,2415.7) | 100 | (1327.6,3002.1,597.87) |
19 | 打击 | 350s | (0,2528.2) | 100 | (2891.1,1508.5,271.97) |
20 | 打击 | 350s | (0,2102.0) | 100 | (808.43,7343.5,171.21) |
21 | 打击 | 350s | (0,2576.0) | 100 | (4626.5,8043.1,13.86) |
22 | 打击 | 350s | (0,2082.8) | 100 | (9705.1,4029.4,182.8576) |
23 | 打击 | 350s | (0,2288.1) | 100 | (8355.3,7287.4,952.24) |
24 | 打击 | 350s | (0,2393.5) | 100 | (9169.8,6417.3,514.59) |
25 | 打击 | 350s | (0,2760.5) | 100 | (192.54,6060.2,430.95) |
26 | 打击 | 350s | (0,2048.2) | 100 | (2493.4,7046.5,2.478) |
27 | 打击 | 350s | (0,2647.7) | 100 | (6834.8,2310.3,955.07) |
28 | 打击 | 350s | (0,2944.9) | 100 | (8948.0,9022.7,399.63) |
29 | 打击 | 350s | (0,2613.9) | 100 | (539.55,8147.7,889.05) |
30 | 打击 | 350s | (0,2357.8) | 100 | (9995.7,7920.4,801.72) |
31 | 打击 | 350s | (0,2587.9) | 100 | (5669.0,8986.2,92.73) |
32 | 打击 | 350s | (0,2661.2) | 100 | (4576.0,8789.7,797.92) |
表4初始任务预分配方案
得到任务预分配方案后,可根据公式(1)确定所有任务的移除性能影响值列表γi=[60.78 58.73 53.42 59.95 53.84 59.96 56.85 57.25 50.48 56.74 57.32 61.9660.74 55.73 58.52 57.29 46.73 47.54 48.14 49.77 54.93 50.26 55.50 54.04 54.3851.11 51.71 59.90 51.92 53.73 53.85 54.85]和所有任务的获胜无人机列表βi=[3 31 2 1 3 4 2 1 1 4 3 2 4 2 4 8 7 8 7 6 8 5 5 7 6 8 5 6 5 7 6]。
2.判断动态事件的类型
3.1针对新增任务t33,探测无人机v8根据和公式(4)确定响应此动态事件的响应半径,即然后无人机v8与其他无人机通信获得其他所有无人机的当前位置,然后根据公式(5)来计算其他各无人机与无人机v8之间的距离向量为rd=[4229.6,6015.8,1029.5,6648.3,4356.4,4445.1,7060,0],因此满足条件的无人机有v1和v3,因此子团队Ω33的成员有无人机v1、v3和v8,即Ω33=[v1,v3v8]。由于子团队Ωc中所有无人机的工作负载为4,即Wi=|ai|=4,因此平均工作负载为因此每架无人机释放ni,rel=|ai|-μWavg=4-0.8*4=0.8≈1个移除性能影响值最低的任务。根据完成初始任务预分配后得到的所有任务的移除性能影响值列表γi=[60.78 58.73 53.42 59.95 53.84 59.96 56.85 57.25 50.48 56.74 57.32 61.9660.74 55.73 58.52 57.29 46.73 47.54 48.14 49.77 54.93 50.26 55.50 54.04 54.3851.11 51.71 59.90 51.92 53.73 53.8554.85],无人机v1、v3和v8分别移除自身任务列表中的任务t9、任务t2和任务t17,接着与任务t33一同组成为重分配任务t33而形成的待分配任务集合即
子团队Ω33内的无人机v1、v3和v8,分别利用公式(3)计算添加中的任务t9、任务t2、任务t17和任务t33所得到的添加性能影响值, 无人机v1、v3和v8通过全连接的通信网络,彼此传递和并通过附录达到一致
无人机v1、v3和v8分别确定自身的冲突任务集合C1=t2,C3=[t9,t33],C8=Φ,并根据公式(6)选择冲突任务集合中移除性能影响值最大的任务删除。最终任务t9、任务t2、任务t17和任务t33分别被重分配给无人机v1、v3、v8和v1,至此完成多无人机系统对新添加任务t33的响应。
3.2.针对任务t25变化的位置信息元组 探测无人机v3将发送给原本分配到任务t25的无人机v7,此时无人机v7在700s时正在执行任务t20,则当前无人机v7的位置即为任务t20的位置(808.43,7343.5,171.21),并且此时无人机v7在任务列表中删除任务t25,并尝试以任务t25的新信息重新添加。
通过公式(3)计算无人机v7添加变化后的任务t25的添加性能影响值添加的位置为L=4,则将变化后任务t25插入至无人机v7任务列表a7中的第四个位置,即先完成任务t18再完成任务t25。至此完成多无人机对任务t25变化位置的动态重分配响应。
最终得到响应新添加任务t33和任务t25任务改变的多无人机任务重分配方案如表5所示:
表5任务重分配方案
其中与原始任务分配方案对比有更改的部分已被加粗表示,可看到新添加任务t33只被添加在无人机v1任务列表的最后,而位置信息被更改的任务t25可被原本分配给的无人机v7直接处理,通过调整任务t25和t18的执行顺序,可以成功应对此动态事件,而不需要其他无人机共同参与此重分配过程中,使得数据交换量和计算量被大大降低,提高了动态环境下多无人机任务重分配的计算效率,更适合应用于实际任务环境中。
冲突消解程序的决策规则如下:
无人机在接收到其他无人机传来的获胜移除性能影响值γ、获胜无人机列表β与时间戳s三个信息列表。此处为了简化符号表示,采用以下表示方式:γ=z,β=y。为简化表述,以发送者ak传递关于任务tj的信息至接收者ai为例,其中zij、zkj、yij、ykj分别表示接收无人机ai认为任务tj的获胜无人机序号,发送无人机ak认为任务tj的获胜无人机序号,接收无人机ai认为任务tj的获胜移除性能影响值,发送无人机ak认为任务tj的获胜无移除性能影响值;sik表示接收无人机ai最后根据发送无人机ak更新信息的时间。其中接收到信息的无人机ai通过发送信息的无人机ak所发送的关于任务tj的上述三个向量信息的内容,采取三个子规则更新自身的三个向量信息:
①更新:yij=ykj,zij=zkj;
②重置:yij=0,zij=0;
③离开:yij=yij,zij=zij。
针对发送信息的无人机ak认为分配到任务tj的获胜无人机编号zkj,与接收到信息的无人机ai认为分配到任务tj的获胜无人机编号zij,可能存在以下17种不同的组合:
1.发送信息的无人机ak认为分配到任务tj的获胜无人机是发送者自己,即zkj=k,而接收到信息的无人机ai认为分配到任务tj的获胜无人机是接收者自己,即zij=i,则接收到信息的无人机ai执行下列更新决策规则:若ykj>yij,则接收到信息的无人机ai采用子规则①更新自身的向量信息。
2.发送信息的无人机ak认为分配到任务tj的获胜无人机是发送者自己,即zkj=k,接收到信息的无人机ai也认为分配到任务tj的获胜无人机是发送者,即zij=k,则接收到信息的无人机ai采用子规则①更新自身的向量信息。
3.发送信息的无人机ak认为分配到任务tj的获胜无人机是发送者自己,即zkj=k,而接收到信息的无人机ai认为分配到任务tj的获胜无人机既不是接收者自己也不是发送者,即若skm>sim或ykj>yij,则采用子规则④和①;若ykj=yij且zij>zkj,则接收到信息的无人机ai采用子规则①更新自身的向量信息。
4.发送信息的无人机ak认为分配到任务tj的获胜无人机是发送者自己,即zkj=k,而接收到信息的无人机ai认为分配到任务tj的获胜无人机为空,即zij=none,则接收到信息的无人机ai采用子规则①更新自身的向量信息。
5.发送信息的无人机ak认为分配到任务tj的获胜无人机是接收者,即zkj=i,接收到信息的无人机ai也认为分配到任务tj的获胜无人机是接收者自己,即zij=i,则接收到信息的无人机ai采用子规则③,保持自身向量信息不变。
6.发送信息的无人机ak认为分配到任务tj的获胜无人机是接收者,即zkj=i,而接收到信息的无人机ai认为分配到任务tj的获胜无人机是发送者,即zij=k,则接收到信息的无人机ai采用子规则②重置自身的向量信息。
7.发送信息的无人机ak认为分配到任务tj的获胜无人机是接收者,即zkj=i,而接收到信息的无人机ai认为分配到任务tj的获胜无人机既不是接收者自己也不是发送者,即若skm>sim,则接收到信息的无人机ai采用子规则②重置自身的向量信息。
8.发送信息的无人机ak认为分配到任务tj的获胜无人机是接收者,即zkj=i,而接收到信息的无人机ai认为分配到任务tj的获胜无人机为空,即zij=none,则接收到信息的无人机ai采用子规则③,保持自身向量信息不变。
9.发送信息的无人机ak认为分配到任务tj的获胜无人机既不是发送者自己也不是接收者,即接收到信息的无人机ai认为分配到任务tj的获胜无人机是接收者自己,即zij=i,则接收到信息的无人机ai执行下列更新决策规则:若skm>sim且ykj>yij,则接收到信息的无人机ai采用子规则①更新自身的向量信息。
10.发送信息的无人机ak认为分配到任务tj的获胜无人机既不是发送者自己也不是接收者,即信息的无人机ak认为分配到任务tj的获胜无人机是发送者,即zij=k,若skm>sim,则接收到信息的无人机ai采用子规则①更新自身的向量信息,否则采用子规则②重置自身的向量信息。
11.发送信息的无人机ak认为分配到任务tj的获胜无人机既不是发送者自己也不是接收者,即接受信息的无人机ai也认为分配到任务tj的获胜无人机是m,即若skm>sim,则接收到信息的无人机ai采用子规则①更新自身的向量信息。
12.发送信息的无人机ak认为分配到任务tj的获胜无人机既不是发送者自己也不是接收者,即发送信息的无人机ai认为分配到任务tj的获胜无人机是除了发送者、接收者和无人机m的另一个无人机n,即则接收到信息的无人机ai执行下列更新决策规则:若skn>sin且skm>sim,则接收到信息的无人机ai采用子规则①更新自身的向量信息;若skm>sim且ykj>yij,则接收到信息的无人机ai采用子规则①更新自身的向量信息;若skn>sin且sim>skm,采用接收到信息的无人机ai子规则②重置自身的向量信息。
13.发送信息的无人机ak认为分配到任务tj的获胜无人机既不是发送者自己也不是接收者,即接受信息的无人机ai认为分配到任务tj的获胜无人机为空,即zij=none,若skm>sim,则接收到信息的无人机ai采用子规则①更新自身的向量信息。
14.发送信息的无人机ak认为分配到任务tj的获胜无人机为空,即zkj=none,接收到信息的无人机ai认为分配到任务tj的获胜无人机是接收者自己,即zij=i,则接收到信息的无人机ai采用子规则③,保持自身向量信息不变。
15.发送信息的无人机ak认为分配到任务tj的获胜无人机为空,即zkj=none,而接收到信息的无人机ai认为分配到任务tj的获胜无人机是发送者,即zij=k,则接收到信息的无人机ai采用子规则①更新自身的向量信息。
16.发送信息的无人机ak认为分配到任务tj的获胜无人机为空,即zkj=none,而接收到信息的无人机ai认为分配到任务tj的获胜无人机既不是接收者自己也不是发送者,即若skm>sim,则接收到信息的无人机ai采用子规则①更新自身的向量信息。
17.发送信息的无人机ak认为分配到任务tj的获胜无人机为空,即zkj=none,而接收到信息的无人机ai也认为分配到任务tj的获胜无人机为空,即zij=none,则接收到信息的无人机ai采用子规则①,保持自身向量信息不变。
Claims (5)
1.一种基于性能影响算法的多无人机任务重分配方法,其特征在于包括下述步骤:
步骤1:设任务环境中有Nt个任务,Nu个无人机,首先通过任务分配算法,根据任务环境中的无人机和任务的实际信息得到初始静态环境下任务预分配方案即确定每个无人机vi的任务列表和列表中每个任务的开始时间以及所有无人机都获得相同的针对所有任务的移除性能影响值列表和所有任务的获胜无人机列表其中每个任务的移除性能影响值γi,k由公式(1)确定:
其中aiΘtk表示从任务列表ai中删除任务tk,表示当无人机vi顺着自身的任务列表ai执行任务tk时获得的回报,为根据任务tk对整个任务的重要性而确定的任务静态回报;βi,k为获胜无人机列表中无人机vi认为任务tk被分配给的无人机序号,根据每个无人机已分配的任务列表推测得到;
步骤2:每个无人机在根据已分配的任务列表执行任务的过程中,不断对在探测半径rd内探测所遇到的任务tc进行探测和信息处理,得到更新的任务信息元组其中IDc各元素分别表示探测到的任务tc的ID,Tyc表示任务类型为探测任务或打击任务,xc,yc,zc分别表示任务tc的x,y,z坐标,sc表示任务tc的最晚开始执行时间,Dc表示任务tc的任务执行时长;探测到任务的无人机与自身所知的原始任务信息元组对比,判断更新的任务信息元组中的任一元素在原始任务信息元组的基础上是否有数值变化,判断此任务是否有动态事件的发生,并根据变化元素在信息元组中的位置确定动态事件的类型;
判断是否有动态事件发生,若有则确定动态事件的类型,并设定探测到动态任务的时刻ψ为动态事件出现的时刻;
步骤3:根据动态事件的类型选择应对方案;
若动态事件为新添加的任务,则跳转到步骤5;若动态事件为原有任务的信息改变,则探测到动态事件的无人机vd首先根据所有任务的获胜无人机列表βi确定原始分配到此改变任务tc(ID为c)的无人机vb=βi,c,然后将探测到的新任务信息元组和动态事件的出现时刻ψ发送给无人机vb;
无人机vb在接受到信息元组和动态事件的出现时刻ψ后,首先判断自身的状态,以得到自身当前的位置信息,若无人机vb正在执行任务,则无人机vb当前位置即为正在执行的任务的位置;若vb正在前往下一个即将执行的任务的位置,则根据式(2)计算在时刻ψ无人机vb的位置:
其中tp和tn分别表示无人机vb上一个已经执行完成的任务和下一个即将执行的任务,χx(tp)、χz(tp)和χz(tp)表示任务tp的x,y,z坐标,和Dp分别表示任务tp的开始执行时间和执行时长,若无人机vb即将去执行第一个任务,则任务tp视为vb的起始位置,和Dp分别为0;
步骤4:针对无人机vb需尝试添加的首先通过式(3)计算得到将插入无人机vb的任务列表ab的所有可插入位置l得到的性能影响值Wb,new,l,其中l为任务列表ab的第一个位置l=1到最后一个位置l=|ab|+1;然后利用式(4),选择最大的性能影响值为无人机vb添加的的添加性能影响值性能影响值Wb,new,l最大的位置L为最佳插入位置;
若则存在一个最佳插入位置L添加任务无论添加性能影响值的正与负;无人机vb将插入至任务列表ab的位置L后,更新的移除性能影响值γb,new为添加性能影响值即并同时根据后续各任务的位置和执行顺序,更新后续任务的开始时间,至此完成多无人机系统对变化任务tc的动态事件的响应;若即不存在位置L,且最大的添加性能影响值为-U,即没有满足后续任务时间约束的可插入位置,则无人机vb不能添加至自身的任务列表ab,进入步骤5进一步响应此动态事件;
其中rd是探测无人机vd的探测半径,Rmax为所有任务设置的最大回报,smax为所有任务最晚开始执行时间的最大值,设置所有任务的最晚开始执行时间s在[1000s,3000s]范围内,ω1和ω2分别为控制变化任务的静态回报和最晚开始执行时间对响应范围影响的权重;
选定所有满足条件的无人机vi组成响应变化任务tc的无人机子团队Ωc,子团队Ωc中的每一个无人机vi首先确定自身工作负载Wi=|ai|并与子团队中其他无人机进行通讯,从而获得子团队中无人机的平均工作负载然后子团队中的每架无人机vi都释放ni,rel=|ai|-μWavg个移除性能影响值最低的任务,其中比例参数μ控制每架无人机释放任务的比例;子团队Ωc中每架无人机释放的任务以及变化任务tc共同组成待重分配任务集合
步骤6:子团队Ωc中的每架无人机vi都执行步骤4尝试添加待重分配任务集合中的任务,且每架无人机都形成了只针对中的任务的移除性能影响值列表和获胜无人机列表为使子团队中Ωc中的每一个无人机vi都能就和达成一致,进入通信更新阶段:
首先子团队Ωc中的每架无人机vi利用全连接通信网络与子团队Ωc中的其他无人机vj进行通讯,其中j≠i,同时,定义一个时间戳si表示无人机vi最后更新移除性能影响列表与获胜无人机列表的时间,在接收到其他无人机vj的移除性能影响列表和无人机vj认为的获胜无人机列表后,利用附录更新的值和对应的获胜无人机βi,k,直至所有无人机对三个信息列表,获胜的无人机列表更新的移除性能影响列表与时间戳列表si达到一致;
步骤7:经步骤6更新后进入冲突任务删除阶段:
4.根据权利要求1所述的基于性能影响算法的多无人机任务重分配方法,其特征在于:
所述步骤5中,ω1和ω2满足ω1+ω2=1,取ω1=0.4,ω2=0.6。
5.根据权利要求1所述的基于性能影响算法的多无人机任务重分配方法,其特征在于:
所述步骤8中,M个迭代循环的M取值为5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110085669.5A CN112926827B (zh) | 2021-01-22 | 2021-01-22 | 一种基于性能影响算法的多无人机任务重分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110085669.5A CN112926827B (zh) | 2021-01-22 | 2021-01-22 | 一种基于性能影响算法的多无人机任务重分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112926827A true CN112926827A (zh) | 2021-06-08 |
CN112926827B CN112926827B (zh) | 2023-05-02 |
Family
ID=76164414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110085669.5A Active CN112926827B (zh) | 2021-01-22 | 2021-01-22 | 一种基于性能影响算法的多无人机任务重分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112926827B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625779A (zh) * | 2021-10-11 | 2021-11-09 | 北京邮电大学 | 一种无人机控制系统以及地面控制系统 |
CN114019994A (zh) * | 2021-11-05 | 2022-02-08 | 四川一电航空技术有限公司 | 无人机调度方法、装置、系统与计算机可读存储介质 |
CN117314134A (zh) * | 2023-11-30 | 2023-12-29 | 深圳大学 | 救援时间限制下基于性能影响的多机器人任务分配方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017079623A1 (en) * | 2015-11-06 | 2017-05-11 | Massachusetts Institute Of Technology | Dynamic task allocation in an autonomous multi-uav mission |
CN110134146A (zh) * | 2019-06-14 | 2019-08-16 | 西北工业大学 | 一种不确定环境下的分布式多无人机任务分配方法 |
CN111665866A (zh) * | 2020-06-24 | 2020-09-15 | 西北工业大学 | 一种基于性能影响算法的多无人机任务分配方法 |
-
2021
- 2021-01-22 CN CN202110085669.5A patent/CN112926827B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017079623A1 (en) * | 2015-11-06 | 2017-05-11 | Massachusetts Institute Of Technology | Dynamic task allocation in an autonomous multi-uav mission |
CN110134146A (zh) * | 2019-06-14 | 2019-08-16 | 西北工业大学 | 一种不确定环境下的分布式多无人机任务分配方法 |
CN111665866A (zh) * | 2020-06-24 | 2020-09-15 | 西北工业大学 | 一种基于性能影响算法的多无人机任务分配方法 |
Non-Patent Citations (3)
Title |
---|
FENG PAN ETC.: "Research of UAVs Cooperative Tasks Assignment Model", 《 PROCEEDINGS OF THE 29TH CHINESE CONTROL CONFERENCE》 * |
杨尚君等: "动态环境下的多UCAV协同任务分配研究", 《电光与控制》 * |
王宇琦 等: "有人 /无人机编队打击时敏目标任务分配", 《电光与控制》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625779A (zh) * | 2021-10-11 | 2021-11-09 | 北京邮电大学 | 一种无人机控制系统以及地面控制系统 |
CN113625779B (zh) * | 2021-10-11 | 2022-02-01 | 北京邮电大学 | 一种无人机控制系统以及地面控制系统 |
CN114019994A (zh) * | 2021-11-05 | 2022-02-08 | 四川一电航空技术有限公司 | 无人机调度方法、装置、系统与计算机可读存储介质 |
CN117314134A (zh) * | 2023-11-30 | 2023-12-29 | 深圳大学 | 救援时间限制下基于性能影响的多机器人任务分配方法 |
CN117314134B (zh) * | 2023-11-30 | 2024-04-26 | 深圳大学 | 救援时间限制下基于性能影响的多机器人任务分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112926827B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112926827A (zh) | 一种基于性能影响算法的多无人机任务重分配方法 | |
CN111665866B (zh) | 一种基于性能影响算法的多无人机任务分配方法 | |
CN108595207B (zh) | 一种灰度发布方法、规则引擎、系统、终端和存储介质 | |
US20190332944A1 (en) | Training Method, Apparatus, and Chip for Neural Network Model | |
CN110134146B (zh) | 一种不确定环境下的分布式多无人机任务分配方法 | |
CN109617826B (zh) | 一种基于布谷鸟搜索的storm动态负载均衡方法 | |
CN112966832B (zh) | 基于多服务器的联邦学习系统 | |
CN111416774A (zh) | 网络拥塞控制方法、装置、计算机设备及存储介质 | |
CN113114581A (zh) | 基于多智能体深度强化学习的tcp拥塞控制方法及装置 | |
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 | |
CN113537509A (zh) | 协作式的模型训练方法及装置 | |
CN111489049B (zh) | 一种多智能体分布式任务分配方法 | |
CN101399708B (zh) | 一种建立网络性能模型的方法和设备 | |
CN106911777A (zh) | 一种数据处理方法及服务器 | |
CN113692052A (zh) | 一种网络边缘机器学习训练方法 | |
CN116361271B (zh) | 一种区块链数据修改迁移方法、电子设备及存储介质 | |
CN109089323B (zh) | 一种低开销的工业无线传感器选择方法 | |
CN114756385B (zh) | 一种深度学习场景下的弹性分布式训练方法 | |
CN112732960B (zh) | 一种基于在线联邦学习的图像分类方法 | |
CN112134812B (zh) | 一种基于网络带宽分配的分布式深度学习性能优化方法 | |
CN114118381B (zh) | 基于自适应聚合稀疏通信的学习方法、装置、设备及介质 | |
CN115564374A (zh) | 协同多任务重分配方法、装置、设备及可读存储介质 | |
CN111736461B (zh) | 基于q学习的无人机任务协同分配方法 | |
CN108429635B (zh) | 一种用于分布式环境下的数据传输方法 | |
CN110196750A (zh) | 一种设备的分配方法及其相关设备 |
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 |