CN114675674A - 无人机集群多模式异构价值任务自主协同分配方法及系统 - Google Patents
无人机集群多模式异构价值任务自主协同分配方法及系统 Download PDFInfo
- Publication number
- CN114675674A CN114675674A CN202210572923.9A CN202210572923A CN114675674A CN 114675674 A CN114675674 A CN 114675674A CN 202210572923 A CN202210572923 A CN 202210572923A CN 114675674 A CN114675674 A CN 114675674A
- Authority
- CN
- China
- Prior art keywords
- task
- unmanned aerial
- aerial vehicle
- rule
- resource
- 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
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
-
- 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
Abstract
本发明公开了无人机集群多模式异构价值任务自主协同分配方法及系统,属于无人机集群系统智能优化技术领域,包括:获取多模式异构任务信息和无人机资源信息并据此划分任务的初始分配方案,并计算该方案下总效用和任务平均成功率;响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的初始分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的初始分配方案的变化,直至所有无人机均不满足任一无人机资源与任务协同匹配规则,完成任务分配,得到任务的最优分配方案,更新最优分配方案下的总效用和任务平均成功率;实现任务分配的稳定收敛和总效用优化,提高任务平均成功率。
Description
技术领域
本发明涉及无人机集群多模式异构价值任务自主协同分配方法及系统,属于无人机集群系统智能优化技术领域。
背景技术
近年来,随着无人机技术的飞速发展,数量众多的无入机组成具有成本低、生存能力强、机动性能好、灵活性高等特点的无人机集群,拥有越来越广泛的应用潜力,无人机集群主要通过多个成员之间的密切协作,使其具有很强的自适应性和鲁棒性。
随着无人机性能的逐步提升,单机同时遂行多个任务成为可能;面对任务种类和资源需求的逐渐增多,以及部分任务价值较高等因素,都需要多架无人机合作来实现任务层面的高效协同;因此,如何针对任务模式、任务价值、任务需求的不同,并结合无人机集群成员的性能差异,进行高效的任务分配和资源分配问题,成为了目前亟待解决的重要问题,也鲜有研究。
无人机集群的任务分配问题目的是解决好集群成员和多项异构任务之间的匹配关系,实现无人机集群任务总收益的最大化;其中,基于分布式优化的无人机自主决策模式符合无人机集群鲁棒性的要求,是重点方向;目前,利用博弈论来分析多主体之间的合作关系成为主流之一;对于异构主体间任务分配的协同优化问题,国内外已有了一些相关研究。
但是,现有研究中普遍忽视以下几个需要联合优化的现实情况:①异构任务的价值,即每个任务点的重要程度不同;②无人机的异构性,即无人机拥有的资源种类和数量各不相同;③无人机同时遂行任务模式的多样性;即无人机可以将资源进行合理分配执行不同类型的任务,而不是只能遂行单一类型任务。
发明内容
本发明的目的在于提供无人机集群多模式异构价值任务自主协同分配方法及系统,实现任务分配方案的稳定收敛和无人机集群总效用优化,提高任务平均成功率。
为实现以上目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了无人机集群多模式异构价值任务自主协同分配方法,包括:
获取多模式异构任务信息和无人机资源信息并据此划分任务的初始分配方案,计算初始分配方案下的总效用和任务平均成功率;
响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的初始分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的初始分配方案的变化,直至所有无人机均不满足任一无人机资源与任务协同匹配规则,完成任务分配,得到任务的最优分配方案,更新最优分配方案下的总效用和任务平均成功率。
结合第一方面,进一步的,所述总效用为所有任务效用之和,所述任务效用为执行该任务的各无人机的无人机效用之和,所述无人机效用为无人机收益减去无人机代价;
所述任务平均成功率通过以下方法计算得到:
其中,Success是任务平均成功率,m是无人机数量,n是任务数量,是任务i的通信需求分配参数,是任务i的侦查需求分配参数,和分别是无人机执行任务i所投入的通信资源和侦查资源,是执行任务i所需要的总通信资源,是执行任务i所需要的总侦查资源。
结合第一方面,进一步的,所述无人机收益通过以下方法计算得到:
结合第一方面,进一步的,所述无人机代价通过以下方法计算得到:
结合第一方面,进一步的,所述通信功率消耗通过下述公式计算得到:
结合第一方面,进一步的,所述侦查功率消耗通过以下方法计算得到:
结合第一方面,进一步的,响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的初始分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的初始分配方案的变化,包括:
若无人机加入任务后,所加入任务的任务效用和总效用升高,则满足加入任务规则,无人机加入该任务,否则无人机不加入该任务。
结合第一方面,进一步的,响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的初始分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的初始分配方案的变化,包括:
若无人机进行任务转移后,转移前后两个任务的任务效用之和不降低且总效用升高,则满足转移任务规则,无人机进行该任务转移,否则无人机不进行该任务转移。
结合第一方面,进一步的,响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的初始分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的初始分配方案的变化,包括:
若无人机退出任务后,所退出任务的任务效用和总效用不降低,则满足退出任务规则,无人机退出该任务,否则无人机不退出该任务。
第二方面,本发明还提供了无人机集群多模式异构价值任务自主协同分配系统,包括:
初始数据计算模块:用于获取多模式异构任务信息和无人机资源信息并据此划分任务的初始分配方案,计算初始分配方案下的总效用和任务平均成功率;
分配方案优化模块:用于响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的初始分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的初始分配方案的变化,直至所有无人机均不满足任一无人机资源与任务协同匹配规则,完成任务分配,得到任务的最优分配方案,更新最优分配方案下的总效用和任务平均成功率。
与现有技术相比,本发明所达到的有益效果是:
本发明提供的无人机集群多模式异构价值任务自主协同分配方法及系统,响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的初始分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的初始分配方案的变化,即各无人机根据无人机资源和任务协同匹配规则进行移动选择,不断进行迭代循环,直至所有无人机完成分配,循环结束,此时得到一个任务的最优分配方案,也就是得到一个最优的无人机资源与多模异构任务协同分配方案,根据最优分配方案完成任务分配,更新最优分配方案下的总效用和任务平均成功率,实现任务分配方案的稳定收敛和无人机集群总效用优化;
通过无人机收益减去无人机代价得到无人机效用,而无人机收益的计算方法中考虑了通信任务价值、侦查任务价值、任务点通信需求分配参数和任务点侦查需求分配参数的影响因素,综合考虑异构任务价值、需求特性;还考虑了无人机执行任务所投入的通信资源和侦查资源、无人机选择任务的带宽资源收益比例和分辨率资源收益比例的影响因素,即考虑无人机的异构性(无人机拥有的资源种类和数量各不相同),设计合理的无人机资源与任务协同匹配规则,基于不同任务下的效用计算,实现任务分配方案的稳定收敛,比现有技术取得更高的总效用和更高的任务平均成功率。
附图说明
图1是本发明实施例提供的无人机集群多模式异构价值任务自主协同分配方法的流程图之一;
图2是本发明实施例提供的采用本发明方法达到稳定后的仿真场景图;
图3是本发明实施例提供的不同方法下总效用对比图;
图4是本发明实施例提供的不同方法下任务平均成功率对比图;
图5是本发明实施例提供的不同因素下总效用对比图;
图6是本发明实施例提供的不同因素下任务平均成功率对比图;
图7是本发明实施例提供的无人机集群多模式异构价值任务自主协同分配方法的流程图之二。
具体实施方式
下面结合附图对本发明作进一步描述,以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1
如图1和图7所示,本发明实施例提供的无人机集群多模式异构价值任务自主协同分配方法,包括:
S1、获取多模式异构任务信息和无人机资源信息并据此划分任务的初始分配方案,计算初始分配方案下的总效用和任务平均成功率。
首先,初始化任务类型、任务价值、任务需求和无人机资源相关参数值,随机对多模式异构任务和无人机进行匹配,得到初始分配方案。
由n个价值异构、需求异构的通信和侦查两类任务和随机分布在任务周围的m架无人机(Unmanned Aerial Vehicle,UAV)构成本发明实施例所述方法的应用场景,各无人机之间相互协同共同完成多个任务。
选择某项任务的所有无人机把自己的一部分资源贡献出来,相互协作共同完成任务,每一架无人机可以同时加入两个通信任务,或者同时加入俩个侦察任务,或者同时加入一个通信任务和一个侦察任务,每一个任务可以由一架无人机完成,也可以由多架无人机共同协作完成。
在一个确定的分配方案形成后,其内部无人机每成功执行一个任务都会获得相应的收益。
无人机收益通过以下方法计算得到:
其中,Reward是无人机收益,是任务i的通信需求分配参数,是任务i的侦查需求分配参数,是无人机选择任务i的带宽资源收益比例,是无人机选择任务i的分辨率资源收益比例,和分别是任务i的通信任务价值和侦查任务价值,和分别是无人机执行任务i所投入的通信资源和侦查资源。
无人机选择任务i的带宽资源收益比例通过以下方法计算得到:
相对带宽资源通过以下方法计算得到:
无人机选择任务i的分辨率资源收益比例通过以下方法计算得到:
相对分辨率资源通过以下方法计算得到:
无人机每成功执行一个任务获得相应的收益的同时,随之而来会存在一些代价消耗,包括无人机在执行任务过程中的概率消耗。
无人机代价通过以下方法计算得到:
其中,Cost是无人机代价,是任务i的通信需求分配参数,是任务i的侦查需求分配参数,是无人机执行通信任务功率消耗系数,是无人机执行侦查任务功率消耗系数,是无人机执行任务i的通信功率消耗,是无人机执行任务i的侦查功率消耗。
通信功率消耗通过下述公式计算得到:
侦查功率消耗通过以下方法计算得到:
在每次任务分配方案形成过程中,都需要更新各无人机效用、任务效用、总效用。
总效用为所有任务效用之和,任务效用为执行该任务的各无人机的无人机效用之和,无人机效用为无人机收益减去无人机代价;具体计算公式如下:
每架无人机具有不同的能力和资源,同时每个任务具有不同的资源需求;无人机执行任务所获得的成功率为该无人机执行该任务时投入得资源与该任务所需总资源的比值,该任务的成功率为执行该任务所有无人机执行该任务的成功率之和。
无人机集群的任务平均成功率通过以下方法计算得到:
其中,Success是任务平均成功率,m是无人机数量,n是任务数量,是任务i的通信需求分配参数,是任务i的侦查需求分配参数,和分别是无人机执行任务i所投入的通信资源和侦查资源,是执行任务i所需要的总通信资源,是执行任务i所需要的总侦查资源。
S2、响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的初始分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的初始分配方案的变化,直至所有无人机均不满足任一无人机资源与任务协同匹配规则,完成任务分配,得到任务的最优分配方案,更新最优分配方案下的总效用和任务平均成功率。
预先设计合理的无人机资源与任务协同分配规则,判断无人机资源与任务需求、价值等匹配中能否满足执行任务、转移任务和退出任务条件。
应用场景中执行各任务的参与者组成多个小组,各无人机根据无人机资源与任务协同分配规则进行移动选择,对于任何一个任务都可能包含一架或多架无人机的资源。
即假设存在无人机不是任务内成员,若该无人机选择执行此任务,若无人机加入任务后,所加入任务的任务效用和总效用升高,则满足加入任务规则,无人机加入该任务,否则无人机不加入该任务。
转移任务:存在和,若,且,且,且,则更新;其中,是当前任务结构,是当前待转移任务结构,和分别是转移后变化的两个任务结构,和分别是转移后变化的两个任务结构对应的任务效用,是当前总效用,是无人机转移后的总效用。
假设无人机从一个任务转移到另一个任务,若无人机进行任务转移后,转移前后两个任务的任务效用之和不降低且总效用升高,则满足转移任务规则,无人机进行该任务转移,否则无人机不进行该任务转移。
假设一个无人机从一个任务中退出,若无人机退出任务后,所退出任务的任务效用和总效用不降低,则满足退出任务规则,无人机退出该任务,否则无人机不退出该任务。
根据上述规则不断进行循环迭代,直至任何一个无人机不再加入、转移或退出任何一个任务,即所有无人机均不满足任一无人机资源与任务协同匹配规则,循环结束,此时能够得到一个最优的无人机资源与多模异构任务协同分配方案,即得到任务的最优分配方案。
各无人机协作执行任务的过程汇总,每一次移动选择都是为了能够提升系统的性能(总效用),提高任务执行成功率。
根据最优分配方案完成任务分配,更新最优分配方案下的总效用和任务平均成功率。
为了验证本发明方案的有效性,进行如下仿真实验。
如图2所示,提供一个采用本发明方法达到稳定后的仿真场景图,在1000m×1000m的场景区域中共有10个任务分配给15架无人机,10个任务分别用Task加1至10的下标表示,15架无人机分别用UAV加1至15的下标表示,任务结构分别用S加下标1至10表示。
每个任务的价值、需求异构外,任务类型有通信和侦察两种,同时每架无人机所拥有的资源也是不同的。
表1 任务价值、任务需求数据表
表2 无人机资源数据
通过改变任务价值、任务需求和无人机资源数据以及改变拓扑结构,观察分析任务分配的变化情况以及总效用、任务平均成功率。
表1和表2中将任务通信需求和无人机通信资源以30M带宽为比例1进行标准化,任务侦查需求和无人机侦查资源以分辨率1360×1280为比例1进行标准化。
每一架无人机的相对传输速率在64kbit/s至256kbit/s内随机生成,通信功率和侦查功率的消耗上限在0.5W至0.55W内随机生成。
如图2所示的采用本发明方法达到稳定后的仿真场景图中,无人机集群协同分配方案稳定(即采用最优分配方案后),可以看到一个任务结构内可以包含多个无人机,每个任务可以由多个无人机共同完成,每一架无人机也可以同时执行多个任务,提升了任务执行的成功率;而且一个无人机也可以同时加入两个不同类型的任务内,提高了系统的总效用。
图3给出了采用了本发明所述方法、非重叠联盟博弈算法、非合作算法三种情况下的总效用变化对比图,从图中可以看出,随着迭代次数的增大,采用本发明方法的情况下总效用也在不断增大,且明显优于另外两种情况。
图4给出了采用了本发明所述方法、非重叠联盟博弈算法、非合作算法三种情况下的任务平均成功率变化对比图,从图中能够看出,虽然本发明方法需要更多的迭代次数才能达到最优,但最终的任务平均成功率要远高于其他三种情况,故对比下来本发明方案仍是最优方法。
图5和图6给出了采用本发明方法下综合考虑全部因素、未考虑任务价值、未考虑任务需求、未考虑无人机资源四种情况下的总效用、任务平均成功率的对比图,从图中能够看出,从总效用和任务平均成功率两方面来看,综合考虑全部因素的情况优于其他情况。
实施例2
本发明实施例提供的无人机集群多模式异构价值任务自主协同分配系统,包括:
初始数据计算模块:用于获取多模式异构任务信息和无人机资源信息并据此划分任务的初始分配方案,计算初始分配方案下的总效用和任务平均成功率;
分配方案优化模块:用于响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的初始分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的初始分配方案的变化,直至所有无人机均不满足任一无人机资源与任务协同匹配规则,完成任务分配,得到任务的最优分配方案,更新最优分配方案下的总效用和任务平均成功率。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.无人机集群多模式异构价值任务自主协同分配方法,其特征在于,包括:
获取多模式异构任务信息和无人机资源信息并据此划分任务的初始分配方案,计算初始分配方案下的总效用和任务平均成功率;
响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的初始分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的初始分配方案的变化,直至所有无人机均不满足任一无人机资源与任务协同匹配规则,完成任务分配,得到任务的最优分配方案,更新最优分配方案下的总效用和任务平均成功率。
7.根据权利要求1所述的无人机集群多模式异构价值任务自主协同分配方法,其特征在于,响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的分配方案的变化,包括:
若无人机加入任务后,所加入任务的任务效用和总效用升高,则满足加入任务规则,无人机加入该任务,否则无人机不加入该任务。
8.根据权利要求1所述的无人机集群多模式异构价值任务自主协同分配方法,其特征在于,响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的分配方案的变化,包括:
若无人机进行任务转移后,转移前后两个任务的任务效用之和不降低且总效用升高,则满足转移任务规则,无人机进行该任务转移,否则无人机不进行该任务转移。
9.根据权利要求1所述的无人机集群多模式异构价值任务自主协同分配方法,其特征在于,响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的分配方案的变化,包括:
若无人机退出任务后,所退出任务的任务效用和总效用不降低,则满足退出任务规则,无人机退出该任务,否则无人机不退出该任务。
10.无人机集群多模式异构价值任务自主协同分配系统,其特征在于,包括:
初始数据计算模块:用于获取多模式异构任务信息和无人机资源信息并据此划分任务的初始分配方案,计算初始分配方案下的总效用和任务平均成功率;
分配方案优化模块:用于响应于无人机满足预设的无人机资源与任务协同匹配规则,执行该规则下任务的初始分配方案的变化,响应于无人机不满足预设的无人机资源与任务协同匹配规则,不执行该规则下任务的初始分配方案的变化,直至所有无人机均不满足任一无人机资源与任务协同匹配规则,完成任务分配,得到任务的最优分配方案,更新最优分配方案下的总效用和任务平均成功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210572923.9A CN114675674B (zh) | 2022-05-25 | 2022-05-25 | 无人机集群多模式异构价值任务自主协同分配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210572923.9A CN114675674B (zh) | 2022-05-25 | 2022-05-25 | 无人机集群多模式异构价值任务自主协同分配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114675674A true CN114675674A (zh) | 2022-06-28 |
CN114675674B CN114675674B (zh) | 2022-08-26 |
Family
ID=82080074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210572923.9A Active CN114675674B (zh) | 2022-05-25 | 2022-05-25 | 无人机集群多模式异构价值任务自主协同分配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114675674B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112016812A (zh) * | 2020-08-06 | 2020-12-01 | 中南大学 | 多无人机任务调度方法、系统及存储介质 |
CN112270488A (zh) * | 2020-11-09 | 2021-01-26 | 中国电子技术标准化研究院 | 无人机集群任务分配方法、装置及无人机集群系统 |
CN113220033A (zh) * | 2021-05-17 | 2021-08-06 | 大连大学 | 基于改进多元宇宙优化算法的多异构无人机任务分配方法 |
CN113487220A (zh) * | 2021-07-23 | 2021-10-08 | 中南大学 | 面向静态目标观测的空天异构对地观测资源协同调度方法 |
-
2022
- 2022-05-25 CN CN202210572923.9A patent/CN114675674B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112016812A (zh) * | 2020-08-06 | 2020-12-01 | 中南大学 | 多无人机任务调度方法、系统及存储介质 |
CN112270488A (zh) * | 2020-11-09 | 2021-01-26 | 中国电子技术标准化研究院 | 无人机集群任务分配方法、装置及无人机集群系统 |
CN113220033A (zh) * | 2021-05-17 | 2021-08-06 | 大连大学 | 基于改进多元宇宙优化算法的多异构无人机任务分配方法 |
CN113487220A (zh) * | 2021-07-23 | 2021-10-08 | 中南大学 | 面向静态目标观测的空天异构对地观测资源协同调度方法 |
Non-Patent Citations (8)
Title |
---|
DENG QIBO 等: "Cooperative task assignment of multiple heterogeneous unmanned aerial vehicles using a modified genetic algorithm with multi-type genes", 《CHINESE SOCIETY OF AERONAUTICS AND ASTRONAUTICS & BEIHANG UNIVERSITY》 * |
FATEMEH AFGHAH 等: "A Coalition Formation Approach to Coordinated Task Allocation in Heterogeneous UAV Networks", 《2018 ANNUAL AMERICAN CONTROL CONFERENCE》 * |
JIAXIN CHEN 等: "Joint Task Assignment and Spectrum Allocation in Heterogeneous UAV Communication Networks:A Coalition Formation Game-Theoretic Approach", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 * |
XINYIZHAO 等: "Fast task allocation for heterogeneous unmanned aerial vehicles through reinforcement learning", 《AEROSPACE SCIENCE AND TECHNOLOGY》 * |
唐嘉钰 等: "复杂约束条件下异构多智能体联盟任务分配", 《控制理论与应用》 * |
姚晓明: "基于合作博弈的多无人机任务研究", 《国防电子》 * |
王辉 等: "基于资源约束的多无人机联盟的任务分配", 《华东理工大学学报(自然科学版)》 * |
钟赟 等: "多任务执行中无人机行动联盟形成模型及算法", 《系统工程与电子技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114675674B (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kuang et al. | Offloading decision methods for multiple users with structured tasks in edge computing for smart cities | |
CN111199360B (zh) | 无人机任务分配规划方法 | |
CN112512056B (zh) | 一种移动边缘计算网络中多目标优化的计算卸载方法 | |
CN113395676B (zh) | 一种基于重叠联盟形成博弈的无人机任务协作方法 | |
CN110662238A (zh) | 一种针对边缘网络下突发请求的强化学习调度方法及设备 | |
CN110456633B (zh) | 机载多平台分布式任务分配方法 | |
CN112801540B (zh) | 基于无人集群的智能协同架构设计方法 | |
CN116090342B (zh) | 基于联盟形成博弈的大规模无人机分布式任务分配方法 | |
CN111784211B (zh) | 一种基于分簇的群体多任务分配方法及存储介质 | |
CN113671987A (zh) | 基于非死锁合同网算法的多机分布式时序任务分配方法 | |
CN112633654A (zh) | 基于改进聚类扩展一致性束算法的多无人机任务分配方法 | |
Mosleh et al. | Resource allocation through network architecture in systems of systems: A complex networks framework | |
CN114326827B (zh) | 一种无人机集群多任务动态分配方法及系统 | |
CN113660681A (zh) | 一种应用于无人机集群辅助传输的多智能体资源优化方法 | |
CN113741999B (zh) | 一种基于移动边缘计算的面向依赖型任务卸载方法及装置 | |
Liu et al. | Population game based energy and time aware task offloading for large amounts of competing users | |
CN114675674B (zh) | 无人机集群多模式异构价值任务自主协同分配方法及系统 | |
CN110673651B (zh) | 一种通信受限条件下的无人机群鲁棒编队方法 | |
CN112596910A (zh) | 一种多用户mec系统中的云计算资源调度方法 | |
CN114079882B (zh) | 多无人机协同计算与路径控制的方法及装置 | |
He et al. | An operation planning generation and optimization method for the new intelligent combat SoS | |
CN115689184A (zh) | 一种基于共识的捆绑算法的分布式任务分配方法 | |
CN114980205A (zh) | 多天线无人机视频传输系统QoE最大化方法和装置 | |
CN115564374A (zh) | 协同多任务重分配方法、装置、设备及可读存储介质 | |
CN115185297A (zh) | 一种无人机集群分布式协同目标搜索方法 |
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 |