CN116860395A - 一种分布式分层合同网火力分配方法 - Google Patents
一种分布式分层合同网火力分配方法 Download PDFInfo
- Publication number
- CN116860395A CN116860395A CN202310866231.XA CN202310866231A CN116860395A CN 116860395 A CN116860395 A CN 116860395A CN 202310866231 A CN202310866231 A CN 202310866231A CN 116860395 A CN116860395 A CN 116860395A
- Authority
- CN
- China
- Prior art keywords
- task
- cluster
- dominance
- advantage
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 20
- 230000008901 benefit Effects 0.000 claims description 33
- 230000000694 effects Effects 0.000 claims description 3
- 230000007123 defense Effects 0.000 claims description 2
- 230000002265 prevention Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 3
- 230000001066 destructive effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/45595—Network integration; Enabling network access in virtual machine instances
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种分布式分层合同网火力分配方法,主要解决集中式合同网无法有效完成任务分配的问题。该方法包括以下步骤:S1,建立以弹群间根据距离远近判断是否能建立通信信道的通信网络模型;S2,建立任务分配模型;S3,构建总优势函数;S4,侦察到目标的无人战斗机发布火力任务分配后,并广播任务信息;S5,各集群中的长机并行计算自己集群对各个任务的投标方案,并发送标书;S6,在集群的标书中选择优势值高的集群作为此任务的中标方,直到将所有广播的任务分配完成;S7,广播各集群中标结果,完成火力任务分配。本发明通过对无人战斗机战效能力建模、分布式合同网算法,实现在线自主决策功能,集群节点不少于128,决策耗时不大于1秒。
Description
技术领域
本发明属于无人战斗机在线任务分配技术领域,具体地说,是涉及一种分布式分层合同网火力分配方法。
背景技术
近年来,全世界的经济基础实力得到很大程度的提升,科技也随之逐渐发展、提高,无人机技术的研究也有了较大的飞跃,其应用非常广泛。在很多复杂的场景之下,单个无人机根本无法达到人们的预期,于是提出了运用多架无人机协同实现快速高效的任务执行。
在无人战斗机(UCAV)自主能力不断增强的趋势下,分布式控制成为多UCAV协同任务控制的一个重要发展方向。针对大规模在线任务分配决策问题,由于UCAV在三维空间中分布广,数量多,难以相互之间都形成良好通信,集中式合同网无法有效完成任务分配。
发明内容
本发明的目的在于提供一种分布式分层合同网火力分配方法,主要解决集中式合同网无法有效完成任务分配的问题。
为实现上述目的,本发明采用的技术方案如下:
一种分布式分层合同网火力分配方法,包括以下步骤:
S1,根据无人战斗机的空间位置紧密关系形成强通信弹群,建立以弹群间根据距离远近判断是否能建立通信信道的通信网络模型;
S2,根据武器单元特征、目标单元特征和任务分配准则建立任务分配模型;
S3,综合计算第i架无人战斗机与第j个目标之间的距离优势、速度优势、毁伤优势和代价优势得到总优势函数;
S4,侦察到目标的无人战斗机发布火力任务分配后,广播任务信息,在通信网络模型中,无人战斗机根据通信连通强弱情况划分为不同集群;
S5,集群内,无人战斗机根据总优势函数计算对各任务的优势值,各集群中的长机并行计算自己集群对各个任务的投标方案,并发送标书;
S6,根据任务分配模型获得任务优先级顺序,在集群的标书中选择优势值高的集群作为此任务的中标方,直到将所有广播的任务分配完成;
S7,广播各集群中标结果,完成火力任务分配。
进一步地,在所述步骤S2中,所述武器单元特征包括武器编号、位置、射程、最大飞行速度、毁伤能力、突防能力、价值;
所述目标单元特征包括目标类型、数量、位置、运动速度、价值、饱和攻击弹药量、防御能力;
所述任务分配准则为优先满足重要目标的打击任务,其次满足任务全覆盖,在保证满足打击效果的前提下,弹药量消耗较少。
进一步地,在所述步骤S3中,计算距离优势的距离优势函数PDi,j为:
其中,Smax,i表示第i架无人战斗机的剩余最大射程;di,j为第i架无人战斗机与第j个目标之间的距离;ci为第i架无人战斗机的推荐打击距离系数;
计算速度优势的速度优势函数为:
其中,Vmax,i为第i架无人战斗机的最大速度,VT,j为第j个目标的目标速度;
计算毁伤优势的毁伤优势函数为:
其中,Damei,j为第i架无人战斗机对第j个目标的毁伤能力,Pamei,j为第i架无人战斗机对第j个目标的突防能力,Defj为第j个目标的拦截防御能力;
计算代价优势的代价优势函数为:
PValuei,j=ValueTj/ValueMi
其中,ValueTj为第j个目标的价值,ValueMi为第i架无人战斗机的价值;
则总优势函数Ei,j为:
Ei,j=PDi,j·PVi,j·PDamei,j·PValue。
进一步地,在所述步骤S5中,标书具体内容为:各集群对该任务的优势值,参与该任务的成员名单,未参与该任务的成员信息。
进一步地,在所述步骤S6中,确定该任务的中标集群后,检查中标集群是否能充分完成该任务,若不能则此任务进入再分配队列;检查此集群是否有剩余未分配成员,若有,则剩余成员进入候补队列;并对任务再分配队列中的任务,在成员候补队列中根据优势值选择再分配名单。
进一步地,在所述步骤S7中,广播各集群中标结果的内容包括集群中标的具体任务,原计划未参与该任务的成员再分配所对应的任务。
与现有技术相比,本发明具有以下有益效果:
(1)本发明通过对无人战斗机战效能力建模、分布式合同网算法,实现在线自主决策功能,集群节点不少于128,决策耗时不大于1秒。
(2)本发明具有任务分配高效,无人战斗机组网灵活等优势。每个无人战斗机根据自身有限的计算能力可以构成小集群,相比于集中式合同网算法降低了全局组网难度和中央处理器计算负载;相比于全局分布式合同网算法,降低了通信交互次数,提高决策及时性。
附图说明
图1为本发明中任务分配的流程示意图。
具体实施方式
下面结合附图说明和实施例对本发明作进一步说明,本发明的方式包括但不仅限于以下实施例。
如图1所示,本发明公开的一种分布式分层合同网火力分配方法,包括模型构建:
(1)通信网络模型
考虑各火力单元与友弹之间的网络连接状况,根据UCAV的空间位置紧密关系形成强通信弹群,弹群内视为可相互通信,弹群间以距离远近判断是否能建立通信信道(当前阶段假设弹群间能建立通信连接)。
(2)分配模型构建
武器单元特征:主要包括武器编号、位置、射程、最大飞行速度、毁伤能力、突防能力、价值。
目标单元特征:主要包括目标类型、数量、位置、运动速度、价值、饱和攻击弹药量、防御能力。
任务分配准则:优先满足重要目标的打击任务,其次满足任务全覆盖,在保证满足打击效果的前提下,弹药量消耗较少。
(3)优势函数构建
这里用i表示第i个UCAV,j表示第j个目标,通过综合计算UCAVi与目标j之间的距离优势、速度优势、毁伤优势和代价优势得到总优势函数。具体计算公式如下:
1)距离优势函数
超出射程距离优势为0,射程内根据射程差计算实际射程优势。这里Smax,i表示第i架无人战斗机的剩余最大射程;di,j为第i架无人战斗机与第j个目标之间的距离;ci为第i架无人战斗机的推荐打击距离系数;此系数为了充分利用导弹射程优势,减少使用远程弹打击近距目标的现象发生。即:
2)速度优势函数
飞行器最大速度Vmax,i低于目标速度VT,j则优势为0,其他情况计算公式如下:
3)毁伤优势函数
第i架无人战斗机对第j个目标的毁伤能力为Damei,j,第i架无人战斗机对第j个目标的突防能力为Pamei,j,第j个目标的拦截防御能力为Defj。如果第i架无人战斗机的突防能力强于第j个目标的拦截防御能力,则第i架无人战斗机对第个目标的毁伤能力可以完全释放;如果第i架无人战斗机的突防能力小于第j个目标的拦截防御能力,则有一定概率被拦截,其毁伤优势则会有一定概率损失,具体计算方式如下:
4)代价优势函数
第j个目标的价值ValueTj与第i架无人战斗机的价值ValueMi之比,作为第架无人战斗机对第j个目标的价值优势,即:
PValuei,j=ValueTj/ValueMi
5)总优势函数
总优势函数为距离优势、速度优势、毁伤优势和代价优势的乘积,即4个优势都需满足条件,否则总优势为0。即:
Ei,j=PDi,j·PVi,j·PDamei,j·PValue。
完成上述模型构建后,当侦察到目标的无人战斗机采用分布式分层合同网发布火力任务分配,广播任务信息,在通信网络模型中,无人战斗机根据通信连通强弱情况划分为不同集群。
集群内,无人战斗机根据总优势函数计算对各任务的优势值,各集群中的长机并行计算自己集群对各个任务的投标方案,并发送标书;标书具体内容为:各集群对该任务的优势值,参与该任务的成员名单,未参与该任务的成员信息。
收集标书,根据任务分配模型获得任务优先级顺序,在集群的标书中选择优势值高的集群作为此任务的中标方,直到将所有广播的任务分配完成;确定该任务的中标集群后,检查中标集群是否能充分完成该任务,若不能则此任务进入再分配队列;检查此集群是否有剩余未分配成员,若有,则剩余成员进入候补队列;并对任务再分配队列中的任务,在成员候补队列中根据优势值选择再分配名单,在再分配过程中,再分配队列中任务以单个候补成员进行分配,再分配任务首先会并将结果发送给候补成员所在的集群,集群再分发给单个后补成员。
广播各集群中标结果的内容包括集群中标的具体任务,原计划未参与该任务的成员再分配所对应的任务。
通过上述方法,本发明通过对无人战斗机战效能力建模、分布式合同网算法,实现在线自主决策功能,集群节点不少于128,决策耗时不大于1秒。
上述实施例仅为本发明的优选实施方式之一,不应当用于限制本发明的保护范围,但凡在本发明的主体设计思想和精神上作出的毫无实质意义的改动或润色,其所解决的技术问题仍然与本发明一致的,均应当包含在本发明的保护范围之内。
Claims (6)
1.一种分布式分层合同网火力分配方法,其特征在于,包括以下步骤:
S1,根据无人战斗机的空间位置紧密关系形成强通信弹群,建立以弹群间根据距离远近判断是否能建立通信信道的通信网络模型;
S2,根据武器单元特征、目标单元特征和任务分配准则建立任务分配模型;
S3,综合计算第i架无人战斗机与第j个目标之间的距离优势、速度优势、毁伤优势和代价优势得到总优势函数;
S4,侦察到目标的无人战斗机发布火力任务分配后,广播任务信息,在通信网络模型中,无人战斗机根据通信连通强弱情况划分为不同集群;
S5,集群收到任务信息后,无人战斗机根据总优势函数计算对各任务的优势值,各集群中的长机并行计算自己集群对各个任务的投标方案,并发送标书;
S6,根据任务分配模型获得任务优先级顺序,在集群的标书中选择优势值高的集群作为此任务的中标方,直到将所有广播的任务分配完成;
S7,广播各集群中标结果,完成火力任务分配。
2.根据权利要求1所述的一种分布式分层合同网火力分配方法,其特征在于,在所述步骤S2中,所述武器单元特征包括武器编号、位置、射程、最大飞行速度、毁伤能力、突防能力、价值;
所述目标单元特征包括目标类型、数量、位置、运动速度、价值、饱和攻击弹药量、防御能力;
所述任务分配准则为优先满足重要目标的打击任务,其次满足任务全覆盖,在保证满足打击效果的前提下,弹药量消耗较少。
3.根据权利要求2所述的一种分布式分层合同网火力分配方法,其特征在于,在所述步骤S3中,计算距离优势的距离优势函数PDi,j为:
其中,Smax,i表示第i架无人战斗机的剩余最大射程;di,j为第i架无人战斗机与第j个目标之间的距离;ci为第i架无人战斗机的推荐打击距离系数;
计算速度优势的速度优势函数为:
其中,Vmax,i为第i架无人战斗机的最大速度,VT,j为第j个目标的目标速度;
计算毁伤优势的毁伤优势函数为:
其中,Damei,j为第i架无人战斗机对第j个目标的毁伤能力,Pamei,j为第i架无人战斗机对第j个目标的突防能力,Defj为第j个目标的拦截防御能力;
计算代价优势的代价优势函数为:
PValuei,j=ValueTj/ValueMi
其中,ValueTj为第j个目标的价值,ValueMi为第i架无人战斗机的价值;
则总优势函数Ei,j为:
Ei,j=PDi,j·PVi,j·PDamei,j·PValue。
4.根据权利要求3所述的一种分布式分层合同网火力分配方法,其特征在于,在所述步骤S5中,标书具体内容为:各集群对该任务的优势值,参与该任务的成员名单,未参与该任务的成员信息。
5.根据权利要求4所述的一种分布式分层合同网火力分配方法,其特征在于,在所述步骤S6中,确定该任务的中标集群后,检查中标集群是否能充分完成该任务,若不能则此任务进入再分配队列;检查此集群是否有剩余未分配成员,若有,则剩余成员进入候补队列;并对任务再分配队列中的任务,在成员候补队列中根据优势值选择再分配名单。
6.根据权利要求5所述的一种分布式分层合同网火力分配方法,其特征在于,在所述步骤S7中,广播各集群中标结果的内容包括集群中标的具体任务,原计划未参与该任务的成员再分配所对应的任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310866231.XA CN116860395B (zh) | 2023-07-13 | 2023-07-13 | 一种分布式分层合同网火力分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310866231.XA CN116860395B (zh) | 2023-07-13 | 2023-07-13 | 一种分布式分层合同网火力分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116860395A true CN116860395A (zh) | 2023-10-10 |
CN116860395B CN116860395B (zh) | 2024-06-11 |
Family
ID=88235615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310866231.XA Active CN116860395B (zh) | 2023-07-13 | 2023-07-13 | 一种分布式分层合同网火力分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116860395B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007080584A2 (en) * | 2006-01-11 | 2007-07-19 | Carmel-Haifa University Economic Corp. Ltd. | Uav decision and control system |
KR102253057B1 (ko) * | 2019-12-04 | 2021-05-17 | 국방과학연구소 | 유인 및 무인 전투체계 협동교전 모의 장치 및 그 모의 장치의 교전 모의 방법 |
CN114185362A (zh) * | 2021-12-07 | 2022-03-15 | 北京航空航天大学 | 一种基于郊狼信息熵的无人机集群任务动态分配方法 |
CN114545975A (zh) * | 2022-03-08 | 2022-05-27 | 大连理工大学 | 融合多目标进化算法和合同网算法的多无人机系统任务分配方法 |
CN116225049A (zh) * | 2022-12-21 | 2023-06-06 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种多无人机狼群协同作战攻防决策算法 |
-
2023
- 2023-07-13 CN CN202310866231.XA patent/CN116860395B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007080584A2 (en) * | 2006-01-11 | 2007-07-19 | Carmel-Haifa University Economic Corp. Ltd. | Uav decision and control system |
KR102253057B1 (ko) * | 2019-12-04 | 2021-05-17 | 국방과학연구소 | 유인 및 무인 전투체계 협동교전 모의 장치 및 그 모의 장치의 교전 모의 방법 |
CN114185362A (zh) * | 2021-12-07 | 2022-03-15 | 北京航空航天大学 | 一种基于郊狼信息熵的无人机集群任务动态分配方法 |
CN114545975A (zh) * | 2022-03-08 | 2022-05-27 | 大连理工大学 | 融合多目标进化算法和合同网算法的多无人机系统任务分配方法 |
CN116225049A (zh) * | 2022-12-21 | 2023-06-06 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种多无人机狼群协同作战攻防决策算法 |
Also Published As
Publication number | Publication date |
---|---|
CN116860395B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108680063B (zh) | 一种针对大规模无人机集群动态对抗的决策方法 | |
CN110083971B (zh) | 一种基于作战推演的自爆式无人机集群作战兵力分配方法 | |
CN101908097B (zh) | 一种空战决策的粒子群优化方法 | |
CN103744290B (zh) | 一种多无人机编队分层目标分配方法 | |
CN113791634B (zh) | 一种基于多智能体强化学习的多机空战决策方法 | |
CN108632831B (zh) | 一种基于动态航迹的无人机群频谱资源分配方法 | |
CN110928329B (zh) | 一种基于深度q学习算法的多飞行器航迹规划方法 | |
CN114185362B (zh) | 一种基于郊狼信息熵的无人机集群任务动态分配方法 | |
CN112734278B (zh) | 一种面向时敏目标打击的c2组织资源动态调度方法 | |
CN114326827B (zh) | 一种无人机集群多任务动态分配方法及系统 | |
Yan et al. | Multi-UAV objective assignment using Hungarian fusion genetic algorithm | |
CN116225049A (zh) | 一种多无人机狼群协同作战攻防决策算法 | |
Wang et al. | An efficient clonal selection algorithm to solve dynamicweapon-target assignment game model in UAV cooperative aerial combat | |
CN116860395B (zh) | 一种分布式分层合同网火力分配方法 | |
CN110986680B (zh) | 一种城市环境中低慢小目标的复合拦截方法 | |
CN116661496A (zh) | 一种基于智能算法的多巡飞弹协同航迹规划方法 | |
Fu et al. | Survey of manned/unmanned air combat decision technology | |
CN115220473A (zh) | 一种多无人机蜂群协同任务动态分配方法 | |
CN114742264A (zh) | 舰艇编队网络化协同防空任务规划方法及系统 | |
CN112949152A (zh) | 一种异类传感器目标信息交接方法 | |
CN112947579A (zh) | 一种基于机群特征关系的有人机无人机任务分配方法 | |
CN113128698A (zh) | 多无人机协同对抗决策的强化学习方法 | |
Jiang et al. | Research on distributed target assignment based on dynamic allocation auction algorithm | |
Wei et al. | UCAVs online collaborative path planning method based on dynamic task allocation | |
Zhang et al. | Multi-uav reconnaissance task assignment based on wide-area search scenario |
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 |