一种基于多目标遗传算法的异构无人机协同搜索打击的联盟建立方法与流程

本发明涉及一种基于多目标遗传算法的异构无人机协同搜索打击的联盟建立方法，属于无人机协同领域。

背景技术：

无人机具有零伤亡、高机动性、隐身性能好、费用低等优势,被广泛应用于作战环境中的搜索打击任务。然而面对日趋复杂的现代战场环境，单架无人机的性能受到载荷等限制，执行对多目标的作战任务必须要多架异构无人机协同才能完成。多架异构无人机能够有效执行对多目标搜索打击任务的前提是多无人机之间能够进行有效的任务分配。

针对任务分配问题，许多学者进行了研究并取得了一系列成果，提出了诸如动态网络流优化(dnfo)、混合整数线性规划(milp)、多维多选择背包问题(mmkp)及多无人机协同多任务分配问题(cmtap)、合同网等模型来解决任务分配问题。总的来说，上述方法存在着这样的问题：1)现有无人机任务分配模型和方法中通常假设无人机是同构的并且不考虑资源的消耗，与实际作战不符；2)任务分配问题的求解方法实时性不高；3)需要预先知道目标的数量、位置等信息。然而多架无人机协同执行搜索打击任务时，由于环境的未知不确定性，目标的数量、位置等信息对无人机来说事先是未知的。因而上述问题对传统的多无人机任务分配方法提出了挑战。

技术实现要素：

本发明针对异构多架无人机对未知环境中的目标搜索打击，重点考虑了无人机的资源约束，提出了一种组建联盟的联合打击策略，设计了一种实时性高算法并行nsga-ii快速建立联盟。

本发明为解决其技术问题采用如下技术方案：

一种基于多目标遗传算法的异构无人机协同查打方法包括，组建联盟、建立组建联盟优化模型，采用多目标遗传算法求解优化模型。

所述无人机和目标携带资源模型用向量来表示无人机ai(i＝1,2,…,n)其资源向量用表示，其中表示无人机ai所携带的第p种任务资源的数量。攻击目标目标tj(j＝1,2…，m)所需要的资源向量用表示，其中表示打击目标tj需要的第p种资源数量。

所述的组建联盟流程，包括如下步骤

步骤1)无人机发现目标获取目标位置和资源信息，并成为联盟长机；长机将目信息发送给其他空闲无人机；

步骤2)正在执行搜索任务的空闲无人机将自身最早到达时间和资源向量返回给长机；

步骤3)长机根据返回的信息组建联盟，并将联盟到达时间发送给联盟成员；

步骤4)联盟成员根据联盟到达时间自行规划飞行路线完成目标攻击，攻击完成后转向步骤1，继续搜索目标。

所述联盟中的各架无人机通过dubins路径协调到达时间，采用长dubins路径，dubins路径由一段直线和半径为r的圆弧构成，对于固定的两个点半径r与路径长度呈正线性关系，通过加大减小r可以增大或减小路径长度，当无人机飞行速度相同时，协调r使各架无人机的路径长度相同，从而实现同时到达。

所述的组建联盟优化模型，包括两个目标一个约束条件，记无人机ai打击目标tj组建的模型为目标和约束如下：

(1)资源约束

要完成对目标的打击，对于任意一种资源p,p∈{1,2，…，n}，联盟成员的总和要大于打击目标所需资源即：

(2)最短时间完成打击目标

为了缩短打击任务的完成时间，发现目标后要求在最短时间内完成对目标的攻击，联盟中的各架无人机通过调节dubins路径的半径来协调达到目标时间，实现同时到达目标所在位置，一起对目标发起攻击。整个联盟的到达时间是由联盟中最晚到达的无人机所决定的，记为以无人机ai为长机，进攻目标tj所组建的联盟，λk为无人机ak到达目标的最短时间，则联盟的到达目标tj的时间可以表示为：

(3)联盟包含最少架目标

搜索打击任务的完成时间是由搜索时间和打击时间这两部分构成，若每次组建联盟时都使其规模尽可能小，使得更多的无人机参与对未知区域的搜索，在更短的时间内发现目标，从而缩短整个搜索打击任务的完成时间，用表示联盟中无人机的架数。

综上的约束和目标建联盟优化模型可以表示为：

所述的并行多目标遗传算法求解优化模型，在于使用了基于一种粗粒度并行技术带精英策略非支配排序的遗传算法(nsga-ii)，nsga-ii算法是一种用于求解多目标优化的遗传算法，使用快速非支配排序和拥挤度算子获得非劣解，通过父子代合并实现精英保留，图2为该算法流程图。首先将随机生成的初始种群分割成若干个子种群，各子种群按照nsga-ii算法进行迭代寻优，采用同步迁移策略，每经过一定的迭代代数时，向相邻子种群迁移发送最优解集，并用相邻种群迁入的最优粒子取代本子种群的最差粒子，从而引入其他子种群的优秀基因，快速丰富各子种群的多样性。算法达到停止条件之后，合并所有的子种群，对整个种群进行非劣排序，得到非劣解。

用并行nsga-ii选择无人机组建联盟，采用二进制编码对候选无人机集合λ进行编码，1表示该无人机加入联盟，0表示无人机不加入联盟。使用nsga-ii算法进行求解得到种群的非劣解集，联盟发起人ai按照需求从非劣解集中选择出最合适的解作为本次联盟。

本发明的有益效果：本发明解决了未知环境下异构无人机的协同搜撒打击问题，建立了优化模型，并提出了一种实时性好的的优化模型求解算法。本发明能够实现异构多无人机协同搜索打击，在保证算法实时性的同时，提高了任务的完成效率。

附图说明

图1为本发明联盟长机组建联盟流程图；

图2为本发明并行nsga-ii算法流程图；

图3为本发明并行nsga-ii不同情况下运行时间图；

图4为本发明在某一案例下无人机执行任务飞行路径图。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明

首先无人机进入任务区域后对任务区域展开搜索，当无人机发现目标后，获得目标的位置信息和资源信息，打击目标流程如图1所示，若自身拥有足够的资源那么单独完成目标打击，若自身资源不足，那么成为联盟长机，通过组建联盟对目标发起进攻。联盟组建时首先长机将目标信息广播给其他无人机，当其他无人机接收到广播信息后，若自身拥有所需资源的任何一种，就做出回应返回自身最早到达时间和当前资源向量；联盟长机根据接收到其他无人机的反馈信息后建立优化模型，并采用多目标遗传算法来组建联盟，如果联盟组建成功，就将联盟组建结果和到达时间发送给其它各架无人机，联盟成员根据到达时间自行规划路径，否则就联盟组建失败新广播出去。

所述联盟中的各架无人机通过dubins路径协调到达时间，在于采用长dubins路径，dubins路径由一段直线和半径为r的圆弧构成，对于固定的两个点半径r与路径长度呈正线性关系，通过加大减小r可以增大或减小路径长度，当无人机飞行速度相同时，协调r使各架无人机的路径长度相同，从而实现同时到达，图4为某次仿真过程中无人机飞行路径图，无人机通过调节dubins路径同时对目标目标发起进攻。

所述的组建联盟优化模型，包括两个目标一个约束条件，记无人机ai打击目标tj组建的模型为目标和约束如下：

(1)资源约束

要完成对目标的打击，对于任意一种资源p,p∈{1,2，…，n}，联盟成员的总和要大于打击目标所需资源即：

(2)最短时间完成打击目标

为了缩短打击任务的完成时间，发现目标后要求在最短时间内完成对目标的攻击。联盟中的各架无人机通过调节dubins路径的半径来协调达到目标的时间，实现同时到达目标所在位置，一起对目标发起攻击。整个联盟的到达时间是由联盟中最晚到达的无人机所决定的，记为以无人机ai为长机，进攻目标tj所组建的联盟，λk为无人机ak到达目标的最短时间，则联盟的到达目标tj的时间可以表示为：

(3)联盟包含最少架目标

搜索打击任务的完成时间是由搜索时间和打击时间这两部分构成，若每次组建联盟时都使其规模尽可能小，使得更多的无人机参与对未知区域的搜索，在更短的时间内发现目标，从而缩短整个搜索打击任务的完成时间，用表示联盟中无人机的架数，λ表示候选无人机集合。

综上的约束和目标建联盟优化模型可以表示为：

所述的并行多目标遗传算法求解优化模型，在于使用了基于一种粗粒度并行技术带精英策略非支配排序的遗传算法(nsga-ii)，nsga-ii算法是一种用于求解多目标优化的遗传算法，使用快速非支配排序和拥挤度算子获得非劣解，通过父子代合并实现精英保留，图2为该算法流程图。引入并行技术提高了算法的时效性，图3为不同情况下算法的运行时间图，算法内在2s以内完成求解保证了实时性。首先将随机生成的初始种群分割成若干个子种群，各子种群按照nsga-ii算法进行迭代寻优，采用同步迁移策略，每经过一定的迭代代数时，向相邻子种群迁移发送最优解集，并用相邻种群迁入的最优粒子取代本子种群的最差粒子，从而引入其他子种群的优秀基因，快速丰富各子种群的多样性。算法达到停止条件之后，合并所有的子种群，对整个种群进行非劣排序，得到非劣解。

用并行nsga-ii选择无人机组建联盟，采用二进制编码对候选无人机集合λ进行编码，1表示该无人机加入联盟，0表示无人机不加入联盟。使用nsga-ii算法进行求解得到种群的非劣解集，联盟发起人ai按照需求从非劣解集中选择出最合适的解作为本次联盟。

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。