CN117290115A - 一种无人机集群分布式目标分配模型的计算方法及系统 - Google Patents

Abstract

本发明公开一种无人机集群分布式目标分配模型的计算方法及系统，涉及无人机集群分布式目标分配技术领域，先基于无人机集群的通信拓扑图，利用固定时间一致性观测器得到无人机集群的位置集合，位置集合包括无人机集群中每一无人机对无人机集群中所有无人机的位置进行估计所得到的位置估计值，再以位置集合作为输入，利用补偿拍卖算法对无人机集群分布式目标分配模型进行计算，得到无人机集群的目标分配结果。本发明在仅能获得邻居信息的前提下，先利用固定时间一致性观测器在有限时间内获取无人机集群的全局信息，便可利用拍卖算法对无人机集群分布式目标分配模型进行求解，实现无人机集群合理的目标分配，时效性好，对计算资源的需求低。

Description

一种无人机集群分布式目标分配模型的计算方法及系统

技术领域

本发明涉及无人机集群分布式目标分配技术领域，特别是涉及一种无人机集群分布式目标分配模型的计算方法及系统。

背景技术

集群化是未来工作和军事的发展趋势，因集群系统的涌现性特点，其优势愈发凸显，而基于约束条件下的多智能体目标分配优化是集群系统的一个重要研究方向。目标分配问题被证明是np完备的，因此利用确定性算法不能在多项式时间内得到最优解，这使得目标分配问题的求解充满了挑战性。

目前，用于求解目标分配问题的主流算法包括遗传算法、模拟退火算法、以粒子群为代表的群智能算法以及拍卖算法等，由于遗传算法、模拟退火算法和以粒子群为代表的群智能算法都是一种基于随机搜索的算法，在寻找解的过程中，需要经过多轮的迭代优化，因此其时效性较差，而且需要消耗大量的计算资源，而拍卖算法将目标分配问题处理成为一个交易过程，模拟拍卖过程中“投标-竞标-中标”的流程完成分配任务，其时效性较好，并且相较于上述基于随机搜索的算法，对计算资源的需求低，能满足更多场景的实际需求，因此，拍卖算法受到了较为广泛的关注与应用。但在实际的应用中，由于受到通信带宽、外部干扰等因素的影响，在无人机集群中，单个无人机往往只能收到固定的几架邻居无人机的邻居信息，而在仅有邻居无人机的邻居信息的情况下，无法利用拍卖算法求解目标分配问题，因此，研究仅依靠邻居信息，来利用拍卖算法求解分布式的目标分配问题具有工程实际意义。

发明内容

本发明的目的是提供一种无人机集群分布式目标分配模型的计算方法及系统，在仅能获得邻居信息的前提下，利用拍卖算法对无人机集群分布式目标分配模型进行求解，实现无人机集群合理的目标分配。

为实现上述目的，本发明提供了如下方案：

一种无人机集群分布式目标分配模型的计算方法，所述计算方法包括：

基于无人机集群的通信拓扑图，利用固定时间一致性观测器得到所述无人机集群的位置集合；所述通信拓扑图为无向连通图，所述通信拓扑图用于描述所述无人机集群中任意两个无人机之间的通信回路的连通性；所述位置集合包括所述无人机集群中每一无人机对所述无人机集群中所有无人机的位置进行估计所得到的位置估计值；

以所述位置集合作为输入，利用补偿拍卖算法对无人机集群分布式目标分配模型进行计算，得到所述无人机集群的目标分配结果。

一种无人机集群分布式目标分配模型的计算系统，所述计算系统包括：

全局信息计算模块，用于基于无人机集群的通信拓扑图，利用固定时间一致性观测器得到所述无人机集群的位置集合；所述通信拓扑图为无向连通图，所述通信拓扑图用于描述所述无人机集群中任意两个无人机之间的通信回路的连通性；所述位置集合包括所述无人机集群中每一无人机对所述无人机集群中所有无人机的位置进行估计所得到的位置估计值；

模型计算模块，用于以所述位置集合作为输入，利用补偿拍卖算法对无人机集群分布式目标分配模型进行计算，得到所述无人机集群的目标分配结果。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明用于提供一种无人机集群分布式目标分配模型的计算方法及系统，先基于无人机集群的通信拓扑图，利用固定时间一致性观测器得到无人机集群的位置集合，位置集合包括无人机集群中每一无人机对无人机集群中所有无人机的位置进行估计所得到的位置估计值，再以位置集合作为输入，利用补偿拍卖算法对无人机集群分布式目标分配模型进行计算，得到无人机集群的目标分配结果。本发明在仅能获得邻居信息的前提下，先利用固定时间一致性观测器在有限时间内获取无人机集群的全局信息，便可利用拍卖算法对无人机集群分布式目标分配模型进行求解，实现无人机集群合理的目标分配，时效性好，对计算资源的需求低。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1所提供的计算方法的方法流程图；

图2为本发明实施例1所提供的计算示例的流程示意图；

图3为本发明实施例1所提供的无人机集群通信拓扑关系的示意图；

图4为本发明实施例1所提供的固定时间一致性观测器的观测结果仿真图；

图5为本发明实施例1所提供的固定时间一致性观测器的观测误差仿真图；

图6为本发明实施例1所提供的各无人机补偿拍卖算法输出结果示意图；

图7为本发明实施例1所提供的补偿拍卖算法整体仿真结果示意图；

图8为本发明实施例2所提供的计算系统的系统框图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，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。

本发明的目的是提供一种无人机集群分布式目标分配模型的计算方法及系统，在仅能获得邻居信息的前提下，利用拍卖算法对无人机集群分布式目标分配模型进行求解，实现无人机集群合理的目标分配。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1：

本实施例用于提供一种无人机集群分布式目标分配模型的计算方法，如图1所示，所述计算方法包括：

S1：基于无人机集群的通信拓扑图，利用固定时间一致性观测器得到所述无人机集群的位置集合；所述通信拓扑图为无向连通图，所述通信拓扑图用于描述所述无人机集群中任意两个无人机之间的通信回路的连通性；所述位置集合包括所述无人机集群中每一无人机对所述无人机集群中所有无人机的位置进行估计所得到的位置估计值。

由于在实际过程中，无人机集群中的单个无人机往往仅能接收固定的几架无人机的信息，固定的几架无人机称为该单个无人机的邻居无人机，固定的几架无人机所发送的信息称为该单个无人机的邻居信息，而只有在单个无人机知晓无人机集群中所有无人机的位置的前提下，才能利用拍卖算法对目标分配模型进行求解，故本实施例设计有固定时间一致性观测器，在仅有邻居无人机的邻居信息的情况下，让每一架无人机都可估计得到其他无人机的位置，从而使单个无人机知晓无人机集群中所有无人机的位置，便可利用拍卖算法求解目标分配问题，即在仅依靠邻居信息的前提下实现分布式的目标分配。

本实施例先基于无人机集群中各个无人机之间的实际通信情况，建立无人机集群的通信拓扑关系，得到无人机集群的通信拓扑图（也可称为通信拓扑关系图或拓扑模型）。为实现利用分布式的补偿拍卖算法完成目标分配任务，无人机间的信息传递（即通信）是非常关键的一环，一般的，无人机之间的信息传递可以用有向图或者无向图来描述，这一用来描述无人机之间信息传递方式的图被称为作用拓扑。

具体的，无人机集群的通信拓扑图G={V，E，W}，即通信拓扑图G包括节点集合V、边界集合E和权重邻接矩阵W，用来描述无人机集群中个体间信息交换的关系。其中，节点集合V={v₁，v₂，...，v_m}，表示m架无人机的集合，即节点集合包括多个节点，节点的数量与无人机集群中的无人机的总个数相同，一个节点代表无人机集群中的一个无人机。边界集合，表示m个节点中节点v_i与节点v_j之间的边e_ij的集合，即边界集合包括多条用于连接两个节点的边，若两个无人机进行通信，则两个无人机对应的节点之间存在一条边。权重邻接矩阵/>，满足/>，a_ij表示e_ij的权重，即节点v_i和节点v_j通信的代价，即权重邻接矩阵的第i行第j列的元素为无人机集群中的第i个无人机和第j个无人机进行通信的通信代价，若第i个无人机和第j个无人机进行通信，则第i行第j列的元素为1，若第i个无人机和第j个无人机不进行通信，则第i行第j列的元素为0，i=1，2，...，m，j=1，2，...，m。

如果对任意，都有/>，即权重邻接矩阵中的元素满足/>，则称为无向图，否则称为有向图。如果在无向图中，任意节点到其他所有节点均有一条由边组成的路径，则称该无向图是一个无向连通图，如果在有向图中，有向图若至少有一个节点，能通过一条有向路径到达其他所有节点，则称有向图具有一个生成树。为了能够利用固定时间一致性观测器得到无人机集群的位置集合，本实施例的通信拓扑图必须为一个无向连通图，即无人机集群中的任意两个无人机必然能够直接通信或者通过其他无人机中转来进行通信。即本实施例的无人机集群由m个无人机组成，其通信拓扑图为无向连通图，无人机可为四旋翼无人机。

由于每一架无人机都要进行补偿拍卖算法，因此需要设定一个观测器，在仅利用邻居信息的前提下，实现对无人机集群内所有无人机的状态的估计与观测，从而使得每一架无人机对于集群信息都是全知的，而观测器收敛是需要时间的，如果补偿拍卖算法与观测器观测同时进行，则需要消耗大量计算资源，如果等到观测器收敛后再进行补偿拍卖算法，则收敛时间的不确定性对于补偿拍卖算法的影响极大。因此，固定时间协议的作用得到了彰显，该协议能够保证在固定时间内观测器收敛。故本实施例设计采用固定时间一致性协议的固定时间一致性观测器，在固定时间内，根据邻居信息，观测获取无人机集群中所有无人机的相关参数（如位置信息等）。

由于本实施例设定无人机集群中的无人机之间通过一个无向连接通信拓扑图（即无线连通图）进行信息交换，且每架无人机不需要对自身位置状态进行估计，故本实施例所设计的固定时间一致性观测器的表达式为：

； （1）

式（1）中，y_ij为第i个无人机（即编号为i的无人机）对第j个无人机（即编号为j的无人机）的位置进行估计所得到的位置估计值；为y_ij的导数；/>为第一系数；m为无人机集群中无人机的总个数；a_ir为第i个无人机和第r个无人机（即编号为r的无人机）进行通信的通信代价，其根据权重邻接矩阵确定；y_rj为第r个无人机对第j个无人机的位置进行估计所得到的位置估计值；p为第二系数；/>为第三系数；q为第四系数；y_ii为第i个无人机对第i个无人机的位置进行估计所得到的位置估计值，即第i个无人机对自身的位置状态进行估计所得到的位置估计值，由于每一架无人机均不需要对自身位置状态进行估计，因此，该值设为第i个无人机的真实位置；x_i为第i个无人机的真实位置。

式（1）中，、p、/>、q均是正参数，并且p与q分别满足0<p<1，q>1。

式（1）中，sig（）^p和sig（）^q定义如下：

； （2）

； （3）

上式中，x为变量，sign（）为符号函数，其定义如下：

； （4）

本实施例所设计的固定时间一致性观测器存在一个收敛时间T_c，当时，观测趋于一致，误差收敛于0，即每个无人机对第j个无人机进行观测所得到的位置估计值都等于第j个无人机的真实位置值。

本实施例的固定时间一致性观测器可以对各个无人机进行观测，在对每个无人机进行观测时，均会有一个对应于该无人机的收敛时间，以对第j个无人机进行观测举例，收敛时间的表达式如下：

；（5）

式（5）中，T_c为对第j个无人机进行位置估计时的收敛时间；为第一系数；为L_jp0的最小特征值，L_jp0为基于通信拓扑图和第二系数p构建的第一拉普拉斯矩阵，即其是在原通信拓扑图的权重邻接矩阵的基础上，引入设定的第二系数p后构造出的新拉普拉斯矩阵；p为第二系数；/>为第三系数；m为无人机集群中无人机的总个数；q为第四系数；/>为L_jq0的最小特征值，L_jq0为基于通信拓扑图和第四系数q构建的第二拉普拉斯矩阵，即其是在原通信拓扑图的权重邻接矩阵的基础上，引入设定的第四系数q后构造出的新拉普拉斯矩阵。

第一拉普拉斯矩阵和第二拉普拉斯矩阵的特点为矩阵对称正定，最小特征根大于零，这样保证了式（5）中的分母不为零，收敛时间存在。

第一拉普拉斯矩阵的构建方法包括：

（1）利用通信拓扑图和第二系数构造第一矩阵。

在已知设定的第二系数p的前提下，构造第一矩阵A_jp，其表达式如下：

； （6）

具体的，第一矩阵的构造方法包括：以通信拓扑图和第二系数作为输入，利用矩阵元素计算公式计算第一矩阵的各个元素，以构造第一矩阵。

矩阵元素计算公式为：

； （7）

式（7）中，b_ir为第一矩阵中第i行第r列的元素，i=1，2，...，m，r=1，2，...，m，m为无人机集群中无人机的总个数；a_ir为第i个无人机和第r个无人机进行通信的通信代价，也即权重邻接矩阵中第i行第r列的元素；p为第二系数。需要说明的是，式（7）中，j为一个固定值，与准备观测的无人机的编号相同。

（2）计算第一矩阵的拉普拉斯矩阵，并删除第一矩阵的拉普拉斯矩阵中的第j行和第j列，得到第一拉普拉斯矩阵。

通信拓扑图G的数学形式可以用拉普拉斯矩阵L表示，L=D-W，其中，D为入度矩阵。则计算第一矩阵的拉普拉斯矩阵，可以包括：计算第一矩阵的入度矩阵，并计算入度矩阵和第一矩阵的差，得到第一矩阵的拉普拉斯矩阵。记第一矩阵A_jp的拉普拉斯矩阵为L_jp，则L_jp满足无向连通图拉普拉斯矩阵的相关性质，其最小特征值为零且只有一个零特征值，其他特征值均为正。

将L_jp第j行第j列的所有元素删去，此时j是固定值，与准备观测的无人机的编号相同，即可得到第一拉普拉斯矩阵L_jp0，L_jp0可以看做一个编号为j的无人机作为领导者的具有生成树的有向图删除了唯一的零行和对应的列，根据具有生成树的有向图的拉普拉斯矩阵的性质，该矩阵L_jp0对称正定，特征值大于零。

第二拉普拉斯矩阵的构建方法包括：

（1）利用通信拓扑图和第四系数构造第二矩阵。

在已知设定的第四系数q的前提下，构造第二矩阵A_jq，其表达式如下：

； （8）

具体的，第二矩阵的构造方法包括：以通信拓扑图和第四系数作为输入，利用下式（9）计算第二矩阵的各个元素，以构造第二矩阵。

； （9）

式（9）中，c_ir为第二矩阵中第i行第r列的元素，i=1，2，...，m，r=1，2，...，m，m为无人机集群中无人机的总个数；a_ir为第i个无人机和第r个无人机进行通信的通信代价，也即权重邻接矩阵中第i行第r列的元素；q为第四系数。需要说明的是，式（9）中，j为一个固定值，与准备观测的无人机的编号相同。

（2）计算第二矩阵的拉普拉斯矩阵，并删除第二矩阵的拉普拉斯矩阵中的第j行和第j列，得到第二拉普拉斯矩阵。

通信拓扑图G的数学形式可以用拉普拉斯矩阵L表示，L=D-W，其中，D为入度矩阵。则计算第二矩阵的拉普拉斯矩阵，可以包括：计算第二矩阵的入度矩阵，并计算入度矩阵和第二矩阵的差，得到第二矩阵的拉普拉斯矩阵。记第二矩阵A_jq的拉普拉斯矩阵为L_jq，则L_jq满足无向连通图拉普拉斯矩阵的相关性质，其最小特征值为零且只有一个零特征值，其他特征值均为正。

将L_jq第j行第j列的所有元素删去，此时j是固定值，与准备观测的无人机的编号相同，即可得到第二拉普拉斯矩阵L_jq0，L_jq0可以看做一个编号为j的无人机作为领导者的具有生成树的有向图删除了唯一的零行和对应的列，根据具有生成树的有向图的拉普拉斯矩阵的性质，该矩阵L_jq0对称正定，特征值大于零。

由此，保证无人机集群中的每一架无人机都在固定时间内实现收敛。

则基于无人机集群的通信拓扑图，利用固定时间一致性观测器得到无人机集群的位置集合，可以包括：以无人机集群的通信拓扑图作为输入，利用固定时间一致性观测器进行迭代计算，直至达到收敛时间，则结束迭代，得到无人机集群的位置集合，位置集合包括无人机集群中每一无人机对无人机集群中所有无人机的位置进行估计所得到的位置估计值，从而使得每一无人机均可获得集群的全局信息。

S2：以所述位置集合作为输入，利用补偿拍卖算法对无人机集群分布式目标分配模型进行计算，得到所述无人机集群的目标分配结果。

本实施例的无人机集群分布式目标分配模型根据实际需要建立得到，针对实际的目标分配问题，对目标分配问题进行建模，引入约束与优化目标，在引入约束与优化目标后，将目标分配问题建模成为一个带约束的优化问题，得到无人机集群分布式目标分配模型，后续使用补偿拍卖算法进行优化求解，在约束条件下实现收益最优。

当固定时间一致性观测器运行时间达到收敛时间后，观测结果收敛，此时所得到的观测结果即为位置集合，将该位置集合作为补偿拍卖算法的输入，计算补偿拍卖算法的最大期望出价。补偿拍卖算法模拟了拍卖的流程，每个参与拍卖的竞标者（无人机）都会对待拍卖物品（目标）进行出价，而该出价有一个上限，即为最大期望出价，这一数值综合反映了该竞标者的能力以及其对于该待拍卖物品的期望程度。在确定无人机集群分布式目标分配模型之后，即可根据自身需求设定最大期望出价的计算公式，以位置集合作为输入，即可确定无人机集群中每架无人机关于每一个目标的最大期望出价。

在完成固定时间一致性协议观测与最大期望出价建模后，每个无人机均可作为中心节点，运行补偿拍卖算法。补偿拍卖算法流程如下：无人机i为了获得目标j，可以对该目标j进行加价，以获取该目标j的最终分配资格，记录当前目标j的价格P_j，无人机i获得目标j的最大期望出价为p_ij，则当其利润P_ij=p_ij-P_j超过p_ij-P_j+时，就可以对其进行加价，/>的作用是保证分配过程的稳定，加价规则如下：

；（10）

式（10）中，为无人机i获得目标j的加价。

当所设定的约束均满足且所有无人机均对目标不再进行加价操作后，补偿拍卖算法结束，目标分配过程完成，每架无人机输出自身分配结果，分布式目标分配任务完成。

本实施例在对无人机集群分布式目标分配模型进行求解时，基于固定时间一致性协议，采用一种分布式的补偿拍卖算法，即采用基于固定时间一致性协议的分布式补偿拍卖算法进行求解，其是在无人机集群仅获取邻居信息的前提下，通过固定时间的一致性协议观测获取集群全局信息，再根据补偿拍卖算法实现合理的目标分配的一种算法，实现多无人机在仅利用邻居信息时的目标分配，包括：先确定无人机集群的通信拓扑关系，无人机集群的通信拓扑关系可以建立成为一个无向连通图，再基于拓扑关系，采用基于固定时间一致性协议，以根据邻居信息，获取集群内其他所有无人机的相关信息，在通过一致性协议获取全局信息后，每一个无人机都可以当成一个中心节点，运行补偿拍卖算法，完成后续分配任务，从而实现无人机集群在仅依靠邻居信息的前提下，通过一致性观测器实现合理目标分配，时效性好，对计算资源的需求低。

在此，如图2所示，本实施例给出一计算示例：

步骤101：建立无人机集群的通信拓扑关系。

如图3所示，其为一个简单的无人机集群通信拓扑关系的示意图，该无人机集群共有编号为1-5的5架无人机，每架无人机都与其他两架无人机通信，形成一个连通的环形通信结构。可以看出，该通信拓扑图是无向连通的。

步骤102：设计固定时间一致性协议，在固定时间内，根据邻居信息，观测获取集群中其他所有的无人机的相关参数（如位置信息等）。

每一架无人机均根据式（1）所设计的固定时间一致性观测器，利用邻居信息对无人机集群内所有无人机的位置信息进行估计，以图3中的3号无人机为例，其基于固定时间一致性观测器对其他无人机进行观测的观测结果与观测误差的仿真图参见图4与图5，显然，在固定时间后，观测误差收敛到0。

步骤103：分配问题建模，引入约束与优化目标。

考虑无人机空战场景，使用无人机集群对抗的方式实现反群的目标。考虑到无人机集群的机间干扰等因素，对该场景做如下限定：

（1）一架无人机最多只能拦截一个目标，在本场景中，无人机指拦截无人机，目标指目标无人机。

（2）每架目标无人机都需要被分配给一架拦截无人机（拦截无人机数量不少于目标无人机数量）。

在上述限定下，该场景可以被建模成为一个优化问题，目标分配模型的表达式如下：

； （11）

式（11）中，w_ij=1表示编号为i的拦截无人机分配去拦截编号为j的目标无人机，m为拦截无人机的总数量，n为目标无人机的总数量，否则，w_ij=0；P_ij表示编号为i的拦截无人机分配去拦截编号为j的目标无人机所获取的收益。

步骤104：当固定时间一致性协议运行时间达到收敛时间后，根据观测结果，计算补偿拍卖算法的最大期望出价。

根据式（5）可以计算出固定时间一致性协议的收敛时间，当一致性协议收敛之后，对补偿拍卖算法的最大期望出价矩阵进行计算。在本示例的场景约束下，编号为i的拦截无人机前往拦截编号为j的目标无人机的最大期望出价可以建模成为两部分，一部分受目标无人机威胁程度影响，该部分可以用编号为j的目标无人机与其目标空域（即目标无人机的目标地点）之间的距离dis_j描述，该距离越大，威胁程度越小，拦截收益越低，最大期望出价越低；一部分受拦截无人机前往拦截目标无人机的代价影响，该部分可以用编号为i的拦截无人机和编号为j的目标无人机之间的距离dis_ij描述，该距离越大，拦截损失越大，拦截收益越低，最高期望出价越低。

基于这两部分，最大期望出价建模如下：

； （12）

式（12）中，p_ij表示编号为i的拦截无人机分配去拦截编号为j的目标无人机的最大期望出价；k₁为第一权重系数；dis_j表示编号为j的目标无人机与其目标空域之间的距离；k₂为第二权重系数；dis_ij表示编号为i的拦截无人机和编号为j的目标无人机之间的距离。

步骤105：运行补偿拍卖算法。

补偿拍卖算法流程如下：编号为i的拦截无人机为了获得编号为j的目标无人机，可以对该目标无人机进行加价，以获取该目标无人机的最终拦截资格。记录当前目标无人机的价格P_j，编号为i的拦截无人机为了获得编号为j的目标无人机的最大期望出价为p_ij，则当其利润P_ij=p_ij-P_j超过p_ij-P_j+时，就可以对其进行加价，/>的作用是保证分配过程的稳定，加价规则如式（10）。

步骤106：每架无人机输出自身分配结果，分布式目标分配任务完成。

图6为各无人机补偿拍卖算法输出结果示意图，由5架拦截无人机分配2架目标无人机，其中输出结果的-1表示该拦截无人机无分配结果，其余输出结果为目标无人机的编号，图7为补偿拍卖算法整体仿真结果示意图。

实施例2：

本实施例用于提供一种无人机集群分布式目标分配模型的计算系统，如图8所示，所述计算系统包括：

全局信息计算模块M1，用于基于无人机集群的通信拓扑图，利用固定时间一致性观测器得到所述无人机集群的位置集合；所述通信拓扑图为无向连通图，所述通信拓扑图用于描述所述无人机集群中任意两个无人机之间的通信回路的连通性；所述位置集合包括所述无人机集群中每一无人机对所述无人机集群中所有无人机的位置进行估计所得到的位置估计值；

模型计算模块M2，用于以所述位置集合作为输入，利用补偿拍卖算法对无人机集群分布式目标分配模型进行计算，得到所述无人机集群的目标分配结果。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种无人机集群分布式目标分配模型的计算方法，其特征在于，所述计算方法包括：

基于无人机集群的通信拓扑图，利用固定时间一致性观测器得到所述无人机集群的位置集合；所述通信拓扑图为无向连通图，所述通信拓扑图用于描述所述无人机集群中任意两个无人机之间的通信回路的连通性；所述位置集合包括所述无人机集群中每一无人机对所述无人机集群中所有无人机的位置进行估计所得到的位置估计值；

以所述位置集合作为输入，利用补偿拍卖算法对无人机集群分布式目标分配模型进行计算，得到所述无人机集群的目标分配结果。

2.根据权利要求1所述的计算方法，其特征在于，所述通信拓扑图包括节点集合、边界集合和权重邻接矩阵；所述节点集合包括多个节点，所述节点的数量与所述无人机集群中的无人机的总个数相同，一个所述节点代表所述无人机集群中的一个无人机；所述边界集合包括多条用于连接两个所述节点的边，若两个无人机进行通信，则两个无人机对应的节点之间存在一条边；所述权重邻接矩阵的第i行第j列的元素为所述无人机集群中的第i个无人机和第j个无人机进行通信的通信代价，若第i个无人机和第j个无人机进行通信，则第i行第j列的元素为1，若第i个无人机和第j个无人机不进行通信，则第i行第j列的元素为0，i=1，2，...，m，j=1，2，...，m，m为无人机集群中的无人机的总个数。

3.根据权利要求1所述的计算方法，其特征在于，所述固定时间一致性观测器包括：

；

其中，y_ij为第i个无人机对第j个无人机的位置进行估计所得到的位置估计值；为y_ij的导数；/>为第一系数；m为无人机集群中无人机的总个数；a_ir为第i个无人机和第r个无人机进行通信的通信代价；y_rj为第r个无人机对第j个无人机的位置进行估计所得到的位置估计值；p为第二系数；/>为第三系数；q为第四系数；y_ii为第i个无人机对第i个无人机的位置进行估计所得到的位置估计值；x_i为第i个无人机的真实位置。

4.根据权利要求1所述的计算方法，其特征在于，所述基于无人机集群的通信拓扑图，利用固定时间一致性观测器得到所述无人机集群的位置集合，具体包括：以无人机集群的通信拓扑图作为输入，利用固定时间一致性观测器进行迭代计算，直至达到收敛时间，则结束迭代，得到所述无人机集群的位置集合。

5.根据权利要求4所述的计算方法，其特征在于，所述收敛时间的计算公式为：

；

其中，T_c为对第j个无人机进行位置估计时的收敛时间；为第一系数；/>为L_jp0的最小特征值，L_jp0为基于通信拓扑图和第二系数p构建的第一拉普拉斯矩阵；p为第二系数；/>为第三系数；m为无人机集群中无人机的总个数；q为第四系数；/>为L_jq0的最小特征值，L_jq0为基于通信拓扑图和第四系数q构建的第二拉普拉斯矩阵。

6.根据权利要求5所述的计算方法，其特征在于，第一拉普拉斯矩阵的构建方法包括：

利用所述通信拓扑图和第二系数构造第一矩阵；

计算所述第一矩阵的拉普拉斯矩阵，并删除所述第一矩阵的拉普拉斯矩阵中的第j行和第j列，得到第一拉普拉斯矩阵。

7.根据权利要求6所述的计算方法，其特征在于，第一矩阵的构造方法包括：以所述通信拓扑图和第二系数作为输入，利用矩阵元素计算公式计算第一矩阵的各个元素，以构造第一矩阵；

所述矩阵元素计算公式为：

；

其中，b_ir为第一矩阵中第i行第r列的元素，i=1，2，...，m，r=1，2，...，m，m为无人机集群中无人机的总个数；a_ir为第i个无人机和第r个无人机进行通信的通信代价；p为第二系数。

8.根据权利要求6所述的计算方法，其特征在于，所述计算所述第一矩阵的拉普拉斯矩阵，具体包括：计算所述第一矩阵的入度矩阵，并计算所述入度矩阵和所述第一矩阵的差，得到所述第一矩阵的拉普拉斯矩阵。

9.一种无人机集群分布式目标分配模型的计算系统，其特征在于，所述计算系统包括：

全局信息计算模块，用于基于无人机集群的通信拓扑图，利用固定时间一致性观测器得到所述无人机集群的位置集合；所述通信拓扑图为无向连通图，所述通信拓扑图用于描述所述无人机集群中任意两个无人机之间的通信回路的连通性；所述位置集合包括所述无人机集群中每一无人机对所述无人机集群中所有无人机的位置进行估计所得到的位置估计值；

模型计算模块，用于以所述位置集合作为输入，利用补偿拍卖算法对无人机集群分布式目标分配模型进行计算，得到所述无人机集群的目标分配结果。