一种降低计算和通信开销的无人机分布式任务分配方法

本发明属于分布式多无人机任务分配领域，具体而言，涉及一种降低计算和通信开销的无人机分布式任务分配方法。

背景技术：

1、从多次实际应用的结果来看，无人机在军事和民用领域中展现出极高的作战与执行效率。不仅在战场环境中有效承担侦察与监视任务，还广泛参与精确打击、物资运输和通信支持等任务，全面展示了其多功能性与高适应性。无人机的卓越表现和广泛应用已引起全球的广泛关注，各国纷纷加大对无人机技术的研发投入，视其为提升军事作战能力及应对复杂作战环境的重要手段。无人机的发展不仅推动了作战模式的革新，还深刻影响了战术理论与作战思想的转型，进一步加速了未来战争向智能化、自动化方向的演进。

2、然而，在实际应用中也遇到一些挑战。由于任务执行环境复杂多变，任务的多样性和复杂度持续增加，单架无人机在续航能力、负载能力及计算能力方面的限制，使其难以高效应对复杂多变的任务。因此，多无人机协同执行任务的重要性愈加显著。另外，分布式架构相对于集中式架构，自组织性更强，对中心服务器的计算、通信能力依赖弱，最重要的是没有单点故障问题。因此，分布式多无人机任务分配逐渐成为重要的研究方向。

3、尽管国内外学者在多无人机分布式任务分配方面已取得一定的理论与实践成果，但随着任务环境的复杂化、任务规模与难度的增加，现有的任务分配技术已难以适应新的应用需求或无法直接应用，因此多无人机分布式任务分配亟需进一步研究。目前，大多数研究集中于单一优化目标，例如最大化任务分配数量、提升任务完成收益或最小化任务完成时间，且任务分配的效率仍有待提高。此外，多数研究假设通信拓扑完全连接、带宽无限、信道理想，具备可靠的通信条件。然而，在实际应用中，无人机间的无线通信受信号衰减、路径损耗和干扰等因素影响，往往呈现不可靠性、性能下降或受限性。因此，本发明以救援场景为背景，开展有限交互条件下的分布式多无人机任务分配研究，以适应实际条件下的多目标任务和降低通信需求。

技术实现思路

1、发明目的：本发明旨在提供一种降低计算和通信开销的无人机分布式任务分配方法，在计算开销方面，提出了局部任务重排序策略，并通过引入任务删除表和添加任务标志记号隔离死锁。在通信开销方面，针对算法的外循环，设计了估计策略提前解决任务冲突，减少了算法整体的迭代次数进而大大减少无人机间通信次数；针对算法的内循环，利用了无人机的偏好结构进行分组，并提出了基于投标的分布式破碎图案(bdbm)的新型网络简化算法，减少了算法一次迭代无人机之间通信的次数。

2、为实现上述发明目的，本发明提供的技术方案如下。

3、一种降低计算和通信开销的无人机分布式任务分配方法，包括如下步骤：

4、s1、构建无人机的任务分配场景，包括将用于执行不同任务的若干架无人机部署在不同的初始位置上，且定义布尔矩阵h，用于反映无人机类型与目标任务的适配性，当无人机类型与目标任务类型适配时h＝1，h∈h，否则h＝0；

5、s2、定义任务分配场景由n个异构无人机系统组成的集合u＝[u1，u2，...，un]和m个目标任务组成的集合t＝[t1，t2，...，tm]；

6、所述的异构无人机是指无人机具有相同的飞行速度及能耗，无人机之间的通信按初始通信拓扑确定；

7、s3、基于任务分配场景下，设定各无人机在任务分配时维护任务列表表示为pi，其基数|pi|表示无人机ui分配的待执行任务的数量，同时维护任务列表对应的出价列表ci，则ui对应的出价信息表示为ci，k(pi)，获胜无人机集合zi；

8、任务分配数学模型的目标函数是最大化无人机完成任务的数量n，同时最小化任务执行的等待时间c，表达式如下：

9、j＝min c(max n)

10、约束条件：

11、其中，ni的含义是无人机ui最多可容纳的数量，表示无人机ui任务序列pi的第j个任务的开始截止时间；

12、约束条件c1表示无人机ui最多可容纳ni个任务；

13、约束条件c2确保每个任务最多分配给一架无人机，不会产生任务冲突；

14、约束条件c3表示任何无人机的任务序列的组合都是任务集t的子集；

15、约束条件c4保证无人机ui执行的任务不会超过相应任务的开始截止日期；

16、约束条件c5、c6共同约束无人机ui只能完成与之适配类型的任务，其中的k表示任一目标任务，约束条件c6表示该任一任务k与当前的无人机ui能够执行的任务适配；

17、基于上述的约束条件，除了任务列表pi和对应的出价列表ci外，每架无人机还维护移除任务性能影响rpi记录表γi＝[w1，w2，...，wk，...，wm]，添加任务性能影响ipi记录表和任务删除记录表ψi，任务删除记录表ψi用于记录每个无人机在任务删除阶段发生任何任务删除之前的完整任务路径pi；

18、其中，移除任务性能影响rpi记录表γi中，wk表示任务tk从其已分配列表pi中执行移除操作后，对任务分配总成本降低的性能影响，计算表示为其中的移除操作表示为其计算方式为：

19、

20、其中，b表示tk在列表pi中所处的位置；

21、添加任务性能影响记录表ri*中，表示任务tk分配给无人机ui并对其任务列表pi执行添加操作后，对任务分配总成本增加的性能影响，表示为其计算方式为：

22、

23、其中，添加操作表示将任务tk添加到列表pi的第l个位置；

24、s4、基于pi-maxavg算法实现无人机任务分配，并将一次执行后得到的结果作为初步任务序列，然后利用该pi-maxavg算法中的出价信息和任务序列结果，为后续无人机集群分组和网络拓扑简化；

25、s5、根据步骤s4中初始任务序列，同一组中，该无人机的最低rpi值所对应的任务id与另一架无人机最低rpi值对应的任务id一样，任一组表示为gp：

26、

27、

28、基于上述初始任务序列的分组包括根据无人机的初始出价对无人机进行分组后，和根据该组确定适配的任务类型；

29、s6、通过减少通信网络中闭环三角形的数量以实现减轻求解大型网络时的通信负载，具体的是每架无人机通过构建网络gn来描述它认为应该保留的那些边缘，做法如下：

30、对于无人机ui，表示无人机ui能够接收无人机uj发送的消息，每架无人机初始化时都会被置为全0矩阵，当无人机uj能够与无人机ui通信时，并且两架无人机的任务列表发生冲突时，矩阵才会置1；

31、计算方式为：

32、

33、接下来，每个无人机从其相邻无人机接收有关它们需要维护的边的消息，然后将这些边添加到其gn中，该操作定义为：

34、

35、最后扩展以确保ui直接或间接的方式接收到原本通信拓扑中与无人机ui能正常通信的无人机uj；

36、s7、各无人机在简化后的通信拓扑限制内向其他无人机发送任务序列表pk、rpi记录表γk和无人机信息更新时间戳sk；当无人机ui接收到来自无人机uk的消息后，会根据γk和sk两个向量判断进行更新；

37、s8、各无人机根据共识后的结果，将共识列表的信息与当前自己列表的信息对比后删除，同时更新rpi列表γi，为防止死锁，将删除之前的任务序列pi记录到任务删除记录表ψi中；

38、s9、针对任务相关无人机是当前存在任务冲突的无人机，从其他无人机的获胜消息中获取该冲突信息；

39、无人机ui从收到的消息中找出本次迭代中其他无人机uj的获胜者向量zj，然后找出与无人机ui的调度pi有任务冲突的所有无人机uj，其计算方法如下：

40、l＝{j|zj[pi]≠zi[pi]，j∈n，j≠i}

41、变量l中用于存放与无人机ui有冲突的无人机id；

42、在每次迭代中，无人机ui计算相关无人机uj的任务分数，并估计它们的任务选择和由此产生的调度，从而提前避免任务冲突并减少无人机之间的通信；

43、对于无人机调度过程，估计h是基于任务相关无人机uk的当前调度pk、出价信息wk、无人机uk的位置lk，其表达方式如下：

44、

45、s10、各无人机根据任务状态、任务适配性条件遍历所有可执行任务及任务列表pi中所有可添加位置，根据计算ipi值并确定任务可行位置l。

46、进一步地，所述步骤s4中，所述pi-maxavg算法中，对包含性能影响和去除性能影响分别表示为ipi-maxass和rpi-maxass，如果任务能够包含在调度程序中并满足时间限制，则其ipi-maxass被设置为无成本，其计算方法如下：

47、

48、其中，这些任务tq与无人机的功能兼容且尚未包含在pi中，并且rpi-maxass大于0；

49、rpi-maxass定义为：

50、

51、其中，未分配的任务最初设置为具有固定的最高rpi-maxass，定义为u的常量，已分配的任务最初设置为0。

52、进一步地，步骤s6是基于broken-motifs消除闭环三角形以提高通信效率，其计算方法如下：

53、如果存在无人机uk，k≠i，gbm(i，k)＝＝1并且gbm(k，j)＝＝1，则消除ui与uj直接通信方式，即gbm(i，j)＝＝0并且gbm(j，i)＝＝0；

54、通信拓扑简化的最后一步是扩展具体流程：

55、如果并且满足broken-motifs理论条件，那么

56、进一步地，步骤s7中，当无人机ui接收来自无人机uk的三种信息后，能够选择如下的操作：

57、(1)更新：

58、wi，k＝wj，k，zi，k＝zj，k

59、上式表示无人机ui全盘接收无人机uk的消息，并且认为无人机uk能够获得任务j；

60、(2)重置：

61、wi，j＝0

62、

63、上式表示无人机ui认为uk的消息并不可靠，将对任务j已有的认知也清空；

64、(3)离开：

65、wi，j＝wi，j，zi，j＝zi，j

66、上式表示无人机ui全盘接收uk的消息，但认为仍然是自己本身获得任务j。

67、进一步地，所述步骤s8包括执行如下的操作：

68、确定无人机ui与共识列表发生冲突的待删除列表di，计算方法如下：

69、di＝pi[zi[pi]≠i]

70、对待删除列表中的任务逐个移除，计算方法如下：

71、

72、其中，表示移除操作后对rpi更新后的数值，每次移除时选择移除影响最大的先移除，直到待删除列表di为空或者上述公式不再满足大于0的判定条件。

73、进一步地，步骤s9考虑到无人机ui不知道任务相关无人机uj的位置信息，并且为了保持基于市场的方法的低流量优势，不会额外传输无人机的位置信息，采用一种基于历史出价方式预测无人机位置的方法，其中性能影响函数只与无人机的位置、任务的实际位置以及任务在无人机任务序列所处的位置有关系，通过共识后ui是已知无人机uj的出价信息以及它所获得的任务信息；

74、通过性能影响函数的反函数就得到无人机uj距离pj中任务的距离，其数学计算方法如下：

75、

76、其中，代表pj序列中任务的位置信息，vj表示无人机uj的速度；

77、由上式计算出无人机ui到任务j的距离dij后，无人机ui的位置位于以任务j的位置为圆心、距离dij为半径的圆上；

78、通过三个圆圈确定交点能够看出，只需要三个不同的任务j即可获得无人机ui的位置。

79、进一步地，所述步骤s10还包括：

80、计算ipi值，并与rpi值进行比较，计算产生最大影响的任务：

81、

82、当q>0时，如果任务tk不是步骤s9中无人机ui预测pk(t+1)中的任务，那么执行添加操作将选定任务添加到列表pi中的l处；

83、重复上述计算，直到pi列表无法容纳更多任务或者经过ipi更新，q小于0，则任务添加结束；

84、任务添加阶段结束后，更新移除影响性能rpi。

85、有益效果：与现有的基于性能影响的分布式任务分配技术相比，本发明所述方法实质性的特点和显著效果包括如下两个方面：

86、(1)问题建模上，综合考虑多种现实复杂要求，以多无人机救援场景为背景，包括考虑了双目标问题，即保证最大化任务完成数量同时最小化任务等待时间，这在救援场景中无疑是两个最重要的目的，还考虑了严格的时间窗约束，待救援人员的等待时间得到了保障，符合实际情况，建立的数学模型更加合理化。

87、(2)在求解算法上，由于考虑的是一种st-sr-ta强np困难的组合优化问题，采纳的算法基于性能影响pi的分布式任务分配算法，经实际测试算法在计算和通信开销都较大，为了提升算法性能，分别在计算和通信方面设计了不同方法，具体来说：在计算开销方面，提出了局部任务重排序策略，并通过引入任务删除表和添加任务标志记号隔离死锁。在通信开销方面，针对算法的外循环，设计了估计策略提前解决任务冲突，减少了算法整体的迭代次数进而大大减少无人机间通信次数；针对算法的内循环，利用了无人机的偏好结构进行分组，并提出了基于投标的分布式破碎图案(bdbm)的新型网络简化算法，减少了算法一次迭代无人机之间通信的次数。