CN113065225B - 面向军用无人机的多机多任务分配方法及装置 - Google Patents

Abstract

本发明公开一种面向军用无人机的多机多任务分配方法及装置。所述方法包括：基于威胁因素和任务执行时间窗因素对经典车辆路径问题模型的目标函数进行优化，得到多机多任务分配问题模型的目标函数；设置多机多任务分配问题模型的目标函数的约束条件，得到多机多任务分配问题模型，其中，约束条件包括用于对军用无人机的视距通信距离进行约束的第一约束条件；根据多机多任务分配问题模型进行多机多任务分配。所述装置包括一一对应实现上述步骤的目标函数获取模块、约束条件设置模块和任务分配模块。根据本发明，能够解决现有针对于军用无人机的多机多任务分配方法因无法保证任务规划的合理性而导致无人机任务执行效率低的问题。

Description

面向军用无人机的多机多任务分配方法及装置

技术领域

本发明属于任务分配技术领域，更具体地，涉及一种面向军用无人机的多机多任务分配方法及装置。

背景技术

目前我国在军用无人机的应用方面还处于比较传统的模式，原有单一无人机执行点对点的任务模式已经逐渐满足不了当前的需求，多无人机协同任务是今后发展的趋势。

复杂的任务模式使得传统依靠人工进行任务分配的方式已经不再适用，人工方式由于包含太多主观因素，因此容易出错，而且对任务规划的最优性得不到保证，导致任务分配工作效率低下。

发明内容

本发明的目的在于解决现有针对于军用无人机的多机多任务分配方法因无法保证任务规划的合理性而导致无人机任务执行效率低的问题。

为了实现上述目的，本发明提供一种面向军用无人机的多机多任务分配方法及装置。

根据本发明的第一方面，提供了一种面向军用无人机的多机多任务分配方法，该方法包括以下步骤：

基于威胁因素和任务执行时间窗因素对经典车辆路径问题模型的目标函数进行优化，得到多机多任务分配问题模型的目标函数；

设置所述多机多任务分配问题模型的目标函数的约束条件，得到所述多机多任务分配问题模型，其中，所述约束条件包括第一约束条件，所述第一约束条件用于对所述军用无人机的视距通信距离进行约束；

根据所述多机多任务分配问题模型进行多机多任务分配。

作为优选的是，所述多机多任务分配问题模型的目标函数为：

上式中，M为任务区域内机场的总数，Km为机场m的无人机数，N为任务目标的总数，k为机场m的无人机的序号，为节点i与节点j距离：

x_ij ^mk：机场m的无人机k从节点i到节点j时为1，否则为0，其中i≠j；

y_i ^mk：任务目标i由机场m的无人机k完成则为1，否则为0；

p_mk1为机场m无人机k早到的单位惩罚成本，p_mk2为机场m无人机k晚到的单位惩罚成本，ET_i为任务目标i允许的最早服务时间，T_i为到达任务目标i的时间，LT_i为任务目标i允许的最晚服务时间，X_ij为从节点i到节点j的直线与威胁区域相交后的弦长。

作为优选的是，所述第一约束条件具体为：

上式中，d_im为任务目标i与机场m之间的距离。

作为优选的是，所述约束条件还包括第二约束条件，所述第二约束条件具体为：

作为优选的是，所述约束条件还包括第三约束条件，所述第三约束条件具体为：

上式中，W_i(i＝1,2,…,n)为任务目标i的需求量，Q_mk为机场m无人机k的载重。

作为优选的是，所述约束条件还包括第四约束条件，所述第四约束条件具体为：

作为优选的是，所述约束条件还包括第五约束条件，所述第五约束条件具体为：

作为优选的是，所述约束条件还包括第六约束条件，所述第六约束条件具体为：

作为优选的是，所述约束条件还包括第七约束条件，所述第七约束条件具体为：

上式中，T_j为无人机到达任务点j的时间，V_mk为机场m无人机k的平均速度，LT_mk为正在执行任务的机场m无人机k的最晚完成时间，t_i为任务目标i处的服务时间，T₀为任务下达时刻，z_mk：机场m的无人机k的运行状态，当无人机处于闲置则为0，否则为1。

根据本发明的第二方面，提供了一种面向军用无人机的多机多任务分配装置，该装置包括以下功能模块：

目标函数获取模块，用于基于威胁因素和任务执行时间窗因素对经典车辆路径问题模型的目标函数进行优化，得到多机多任务分配问题模型的目标函数；

约束条件设置模块，用于设置所述多机多任务分配问题模型的目标函数的约束条件，得到所述多机多任务分配问题模型，其中，所述约束条件包括第一约束条件，所述第一约束条件用于对所述军用无人机的视距通信距离进行约束；

任务分配模块，用于根据所述多机多任务分配问题模型进行多机多任务分配。

本发明的有益效果在于：

本发明的面向军用无人机的多机多任务分配方法，先基于威胁因素和任务执行时间窗因素对经典车辆路径问题模型的目标函数进行优化，得到多机多任务分配问题模型的目标函数；再设置所述多机多任务分配问题模型的目标函数的约束条件，得到所述多机多任务分配问题模型，其中，所述约束条件包括第一约束条件，所述第一约束条件用于对所述军用无人机的视距通信距离进行约束；最后根据所述多机多任务分配问题模型进行多机多任务分配。

本发明的面向军用无人机的多机多任务分配方法，首先将经典车辆路径问题引入多无人机多任务分配问题，对经典车辆路径问题模型进行改进，考虑了威胁因素和任务执行时间窗因素，使其更加符合军用无人机多机多任务的使用场景，建立了多机多任务分配模型的目标函数。然后在无人机执行任务的实际情况下增加了包含有用于对军用无人机的视距通信距离进行约束的第一约束条件的约束模型，最终得到了针对大型军用无人机的多机多任务分配模型。采用本发明的多机多任务分配问题模型进行多机多任务分配，能够保证任务分配的合理性，进而提升无人机任务执行效率。

本发明的面向军用无人机的多机多任务分配装置与上述面向军用无人机的多机多任务分配方法属于一个总的发明构思，与上述面向军用无人机的多机多任务分配方法具有相同的有益效果。

本发明的其它特征和优点将在随后具体实施方式部分予以详细说明。

附图说明

通过结合附图对本发明示例性实施方式进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施方式中，相同的参考标号通常代表相同部件。

图1示出了根据本发明的实施例的面向军用无人机的多机多任务分配方法的实现流程图；

图2示出了根据本发明的实施例的面向军用无人机的多机多任务分配装置的结构框图。

具体实施方式

下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。

实施例：图1示出了根据本发明的实施例的面向军用无人机的多机多任务分配方法的实现流程图。参照图1，本实施例的面向军用无人机的多机多任务分配方法包括以下步骤：

步骤S100、基于威胁因素和任务执行时间窗因素对经典车辆路径问题模型的目标函数进行优化，得到多机多任务分配问题模型的目标函数；

步骤S200、设置所述多机多任务分配问题模型的目标函数的约束条件，得到所述多机多任务分配问题模型，其中，所述约束条件包括第一约束条件，所述第一约束条件用于对所述军用无人机的视距通信距离进行约束；

步骤S300、根据所述多机多任务分配问题模型进行多机多任务分配。

本实施例首先利用了车辆路径问题对无人机多机多任务规划问题进行了描述，并在经典车辆路径问题的基础上建立了基于威胁约束和通信距离约束的带时间窗的多无人机多任务问题，即在传统多车场车辆路径问题的基础上，增加威胁因素、无人机通信距离因素以及任务执行时间窗因素等，最终建立了多无人机多任务分配模型。

针对多无人机多任务分配问题做如下描述：

某地区拥有M个军用机场，机场分布在不同的地理位置，每个机场均拥有K_m(m＝1,2,…,M)架察打一体无人机。机场m(m＝1,2,…,M)的第k(k＝1,2,…,K_m)架飞机的载弹量为Q_mk，平均速度V_mk。在T₀时刻，在军用机场周边分布N个任务目标，且每个任务对执行时间有较严格的要求，执行任务i需要的弹药数量为W_i(i＝0,1,2,…,N),且任务i的执行时间窗为[ET_i,LT_i]。其中ET_i表示任务目标i的最早执行时间，LT_i表示任务目标i最晚执行时间。p_mk1表示提前完成损失系数，即机场m的无人机k每提前单位时间到达的时间成本；m_k2p表示延期完成惩罚系数，即机场m的无人机k每推迟单位时间到达的时间成本。当该地区收到对多个目标进行攻击的任务时，可调用该地区所有的军用无人机，且目标的数量、位置及时间窗是确定的；军用机场的数量、位置，飞机的类型是已知的。该问题不仅需要确定每个目标应该由哪个军用机场以及无人机去执行，同时还要确定执行任务的先后顺序，且在不违反各个任务时间窗限制，飞机航程限制、火力威胁、探测威胁等约束条件下满足代价最小化。具体符号如表1所示：

表1具体符号说明

根据上述描述，多无人机多任务分配问题有如下的假设：

a、机场的位置及无人机种类、无人机数量、无人机时间窗已知。任务目标位置、完成任务所需弹药量、任务执行时间窗已知；

b、每架无人机从机场起飞出发执行任务最终又回到原机场；

c、每个机场调度的无人机数量不能超过其所拥有的最大无人机数；

d、每次任务中每架无人机能调度一次，且不得超过其最大载弹量；

e、每个任务目标必须且只能由一架无人机完成；

f、假设无人机飞行的高度有航管中心统一分配，不考虑飞机碰撞等特殊状况；

g、考虑了无人机飞行范围，即在视距范围内，一般无人机在飞行高度为6500米左右，通视距离不超过300km，即d_im≤300；

构建多机多任务分配问题的数学模型时，考虑以下三个方面。第一，考虑执行任务所飞行的累计距离尽量少。第二，考虑任务点时间窗，根据超过或者提前时间的长短施以相应的惩罚，从而在目标函数中增加相应的时间代价。第三考虑了无人机在执行任务途中可能会遇到地面威胁。如果单纯使用传统模型而不考虑威胁因素的话，会降低整个系统的实用性，同时也不符合实际情况，因此需要增加威胁约束，由于大型无人机飞行高度一般在海拔5000～8000米，因此暂不考虑地形威胁因素，仅考虑雷达探测威胁或者地面火力威胁，若两个任务点之间的连线经过威胁区域，则在威胁区域中的线段长度累计之和作为威胁代价。

综合上述因素，本实施例建立的多机多任务分配的数学模型为：

目标函数：

第一约束条件：

第二约束条件：

第三约束条件：

第四约束条件：

第五约束条件：

第六约束条件：

第七约束条件：

上述约束条件中，第一约束条件表示一个任务目标只分配一个机场的一架无人机，且目标与机场之间的距离小于300km；第二约束条件表示各个机场派出的无人机数不超过该机场的无人机总数；第三约束条件表示每一机型载弹量不超过其最大载弹量限制；第四约束条件和第五约束条件表示两个决策变量的关系；第六约束条件表示无人机从机场出发并最终返回原机场；第七约束条件表示分别考虑无人机运行状态时，无人机到达任务点j的时间。

本实施例的面向军用无人机的多机多任务分配方法，综合考虑任务执行时间、无人机载弹量、无人机距离任务地点的距离和任务地点周边威胁情况等因素，并且定义了威胁代价的计算方法；在建立约束条件时，考虑了无人机视距通信距离的约束。

相应地，本实施例还提出了一种面向军用无人机的多机多任务分配装置。图2示出了根据本发明的实施例的面向军用无人机的多机多任务分配装置的结构框图。参照图2，本实施例的面向军用无人机的多机多任务分配装置包括以下功能模块：

目标函数获取模块，用于基于威胁因素和任务执行时间窗因素对经典车辆路径问题模型的目标函数进行优化，得到多机多任务分配问题模型的目标函数；

约束条件设置模块，用于设置所述多机多任务分配问题模型的目标函数的约束条件，得到所述多机多任务分配问题模型，其中，所述约束条件包括第一约束条件，所述第一约束条件用于对所述军用无人机的视距通信距离进行约束；

任务分配模块，用于根据所述多机多任务分配问题模型进行多机多任务分配。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

Claims (9)

1.面向军用无人机的多机多任务分配方法，其特征在于，包括：

基于威胁因素和任务执行时间窗因素对预获取的车辆路径问题模型的目标函数进行优化，得到多机多任务分配问题模型的目标函数；

设置所述多机多任务分配问题模型的目标函数的约束条件，得到所述多机多任务分配问题模型，其中，所述约束条件包括第一约束条件，所述第一约束条件用于对所述军用无人机的视距通信距离进行约束；

根据所述多机多任务分配问题模型进行多机多任务分配；

其中，所述多机多任务分配问题模型的目标函数为：

上式中，M为任务区域内机场的总数，Km为机场m的无人机数，N为任务目标的总数，k为机场m的无人机的序号，D_ij为节点i与节点j距离，

x_ij ^mk：机场m的无人机k从节点i到节点j时为1，否则为0，其中i≠j；

y_i ^mk：任务目标i由机场m的无人机k完成则为1，否则为0；

p_mk1为机场m无人机k早到的单位惩罚成本，p_mk2为机场m无人机k晚到的单位惩罚成本，ET_i为任务目标i允许的最早服务时间，T_i为到达任务目标i的时间，LT_i为任务目标i允许的最晚服务时间，X_ij为从节点i到节点j的直线与威胁区域相交后的弦长。

2.根据权利要求1所述的多机多任务分配方法，其特征在于，所述第一约束条件具体为：

上式中，d_im为任务目标i与机场m之间的距离。

3.根据权利要求2所述的多机多任务分配方法，其特征在于，所述约束条件还包括第二约束条件，所述第二约束条件具体为：

4.根据权利要求3所述的多机多任务分配方法，其特征在于，所述约束条件还包括第三约束条件，所述第三约束条件具体为：

上式中，W_i为任务目标i的需求量，i＝1,2,…,n，Q_mk为机场m无人机k的载重。

5.根据权利要求4所述的多机多任务分配方法，其特征在于，所述约束条件还包括第四约束条件，所述第四约束条件具体为：

6.根据权利要求5所述的多机多任务分配方法，其特征在于，所述约束条件还包括第五约束条件，所述第五约束条件具体为：

7.根据权利要求6所述的多机多任务分配方法，其特征在于，所述约束条件还包括第六约束条件，所述第六约束条件具体为：

8.根据权利要求7所述的多机多任务分配方法，其特征在于，所述约束条件还包括第七约束条件，所述第七约束条件具体为：

上式中，T_j为无人机到达任务点j的时间，V_mk为机场m无人机k的平均速度，LT_mk为正在执行任务的机场m无人机k的最晚完成时间，t_i为任务目标i处的服务时间，T₀为任务下达时刻，z_mk：机场m的无人机k的运行状态，当无人机处于闲置则为0，否则为1。

9.面向军用无人机的多机多任务分配装置，其特征在于，包括：

目标函数获取模块，用于基于威胁因素和任务执行时间窗因素对预获取的车辆路径问题模型的目标函数进行优化，得到多机多任务分配问题模型的目标函数；

约束条件设置模块，用于设置所述多机多任务分配问题模型的目标函数的约束条件，得到所述多机多任务分配问题模型，其中，所述约束条件包括第一约束条件，所述第一约束条件用于对所述军用无人机的视距通信距离进行约束；

任务分配模块，用于根据所述多机多任务分配问题模型进行多机多任务分配；

其中，所述多机多任务分配问题模型的目标函数为：

上式中，M为任务区域内机场的总数，Km为机场m的无人机数，N为任务目标的总数，k为机场m的无人机的序号，D_ij为节点i与节点j距离，

x_ij ^mk：机场m的无人机k从节点i到节点j时为1，否则为0，其中i≠j；

y_i ^mk：任务目标i由机场m的无人机k完成则为1，否则为0；

p_mk1为机场m无人机k早到的单位惩罚成本，p_mk2为机场m无人机k晚到的单位惩罚成本，ET_i为任务目标i允许的最早服务时间，T_i为到达任务目标i的时间，LT_i为任务目标i允许的最晚服务时间，X_ij为从节点i到节点j的直线与威胁区域相交后的弦长。