本發(fā)明涉及一種異構(gòu)飛行器多任務(wù)協(xié)同分配方法，尤其涉及一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法，屬于飛行器任務(wù)規(guī)劃領(lǐng)域。
背景技術(shù)：
：面對(duì)日益復(fù)雜的現(xiàn)代戰(zhàn)場(chǎng)環(huán)境，戰(zhàn)場(chǎng)任務(wù)逐漸向多樣性和復(fù)雜性的方向發(fā)展。單架飛行器受其自身軟硬件條件限制，無(wú)法進(jìn)行大規(guī)模持續(xù)性的偵察打擊任務(wù)，且單架飛行器失效或被擊落將直接導(dǎo)致任務(wù)失敗。為應(yīng)對(duì)單架飛行器的局限性，通過(guò)異構(gòu)飛行器的協(xié)同合作，形成多源信息融合與資源互補(bǔ)的優(yōu)勢(shì)，提高飛行器系統(tǒng)的可靠性、容錯(cuò)性以及作戰(zhàn)效能。其中異構(gòu)飛行器多任務(wù)協(xié)同分配是異構(gòu)飛行器協(xié)同作戰(zhàn)的保障和基礎(chǔ)，其目的是為不同類型飛行器分配相應(yīng)的作戰(zhàn)任務(wù)，最大化作戰(zhàn)效能。它是伴隨現(xiàn)代信息技術(shù)發(fā)展而來(lái)的高新技術(shù)，是異構(gòu)飛行器任務(wù)規(guī)劃技術(shù)研究的重要內(nèi)容之一，是一種典型的任務(wù)分配(taskassignment，簡(jiǎn)稱ta)問(wèn)題。針對(duì)復(fù)雜的任務(wù)環(huán)境和多樣的任務(wù)需求，多任務(wù)協(xié)同分配是一個(gè)極其復(fù)雜、極具挑戰(zhàn)性的過(guò)程。其研究?jī)?nèi)容主要是針對(duì)多個(gè)敵方目標(biāo)，己方的指揮控制系統(tǒng)根據(jù)時(shí)間、空間和資源等約束，進(jìn)行有效的任務(wù)分配，提高作戰(zhàn)任務(wù)的完成速度，同時(shí)使己方付出的代價(jià)最小且使敵方目標(biāo)毀傷程度最大。隨著飛行器數(shù)量和類型、目標(biāo)數(shù)量、任務(wù)類型等的線性增長(zhǎng)，異構(gòu)飛行器多任務(wù)分配問(wèn)題的維度將呈指數(shù)級(jí)增長(zhǎng)，傳統(tǒng)的優(yōu)化算法難以在短時(shí)間內(nèi)找到滿意解。異構(gòu)飛行器多任務(wù)協(xié)同分配本質(zhì)上是一種資源的組合優(yōu)化問(wèn)題，目的是尋求較優(yōu)的目標(biāo)分配方案，以提高作戰(zhàn)效能。shima,t.(2011)等人總結(jié)并建立了協(xié)同多任務(wù)分配的組合優(yōu)化模型。針對(duì)大規(guī)模組合優(yōu)化問(wèn)題，啟發(fā)式算法由于具有隨機(jī)特性，使得其在處理大型復(fù)雜問(wèn)題時(shí)具有天然的優(yōu)勢(shì)，能夠在可接受的時(shí)間和計(jì)算代價(jià)內(nèi)獲得較好的次優(yōu)解。遺傳算法(geneticalgorithm,ga)作為一種典型的啟發(fā)式算法，是由美國(guó)密歇根大學(xué)的holland教授于1975年提出，是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過(guò)程來(lái)搜索最優(yōu)解的方法。目前ga被廣泛應(yīng)用于多飛行器協(xié)同任務(wù)規(guī)劃問(wèn)題研究中。針對(duì)協(xié)同任務(wù)分配問(wèn)題，shima,t.等人基于遺傳算法，將問(wèn)題的解編碼成矩陣形式：以矩陣的列作為染色體的基因，表示將某架飛行器指派去對(duì)某個(gè)目標(biāo)執(zhí)行某項(xiàng)任務(wù)；以矩陣為染色體，表示組合優(yōu)化問(wèn)題的一個(gè)可能解。首先基于一定的編碼規(guī)則構(gòu)建初始化種群，然后通過(guò)選擇、雜交和變異，對(duì)種群進(jìn)行演進(jìn)，最終獲得一個(gè)較好的可行解。另外，面對(duì)具有時(shí)序優(yōu)先級(jí)約束的作戰(zhàn)任務(wù)，需要對(duì)同一目標(biāo)依序執(zhí)行偵察、打擊和毀傷評(píng)估任務(wù)，即偵察完成之后才能開(kāi)始打擊，而毀傷評(píng)估任務(wù)則必須在打擊任務(wù)完成之后才能進(jìn)行。在考慮時(shí)序約束的多任務(wù)分配過(guò)程中，一般的矩陣編碼方式常常會(huì)出現(xiàn)問(wèn)題解不可行(違背時(shí)序約束)現(xiàn)象。因此，針對(duì)具有時(shí)序約束的協(xié)同任務(wù)分配問(wèn)題，需要對(duì)遺傳算法進(jìn)行設(shè)計(jì)，形成考慮時(shí)序約束的異構(gòu)飛行器協(xié)同多任務(wù)分配方法。技術(shù)實(shí)現(xiàn)要素：針對(duì)具有任務(wù)時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配問(wèn)題，本發(fā)明公開(kāi)的一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法，要解決的技術(shù)問(wèn)題是提供一種能夠?yàn)楫悩?gòu)飛行器規(guī)劃出滿足任務(wù)時(shí)序約束和最大化效能分配方案的任務(wù)分配方法，所述的任務(wù)分配方法具有規(guī)劃時(shí)間短、滿足任務(wù)時(shí)序約束的優(yōu)點(diǎn)，而且規(guī)劃出的任務(wù)分配方案能夠有效縮短執(zhí)行任務(wù)時(shí)間，提升任務(wù)效能。所述的異構(gòu)飛行器指根據(jù)掛載不同載荷而具有不同的功能和動(dòng)力學(xué)性能的飛行器。本發(fā)明的目的是通過(guò)下述技術(shù)方案實(shí)現(xiàn)的。本發(fā)明公開(kāi)的一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法，根據(jù)任務(wù)獲取飛行器類型，并根據(jù)飛行器類型提取飛行性能參數(shù)。建立考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配模型。利用考慮時(shí)序約束的遺傳算法求解考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配模型，能夠得到一種滿足任務(wù)時(shí)序約束和最大化效能的異構(gòu)飛行器多任務(wù)協(xié)同分配方案，即通過(guò)得到的異構(gòu)飛行器多任務(wù)協(xié)同分配方案能夠有效縮短執(zhí)行任務(wù)時(shí)間，提升完成任務(wù)效能。所述的利用考慮時(shí)序約束的遺傳算法求解考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配模型，具體實(shí)現(xiàn)方法如下：利用滿足時(shí)序約束的基于目標(biāo)編號(hào)順序的染色體，實(shí)現(xiàn)對(duì)任務(wù)時(shí)序和任務(wù)分配信息的表達(dá)，并形成基于目標(biāo)順序和基于飛行器順序的兩種編碼方式。采用dubins路徑得到每架飛行器從起始點(diǎn)或當(dāng)前任務(wù)點(diǎn)到達(dá)下一任務(wù)點(diǎn)之間的局部最短連接航跡，得出每架飛行器執(zhí)行每個(gè)任務(wù)需要的時(shí)間，通過(guò)時(shí)間協(xié)調(diào)，獲得整個(gè)任務(wù)執(zhí)行時(shí)間。定制染色體互換交叉、整體變異遺傳算子，實(shí)現(xiàn)求解考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配模型。本發(fā)明公開(kāi)的一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法，包括如下步驟：步驟一，根據(jù)任務(wù)獲取飛行器類型，并根據(jù)飛行器類型提取飛行性能參數(shù)。當(dāng)任務(wù)有m架異構(gòu)飛行器v＝{v1,v2,…,vm}時(shí)，根據(jù)任務(wù)獲取飛行器類型，編號(hào)依次為1～m。需要對(duì)每個(gè)目標(biāo)tj∈t＝{t1,t2,…,tn}執(zhí)行hj個(gè)任務(wù)，所述的j＝1,2,...,n，n為目標(biāo)數(shù)量。定義s＝{s1,s2,…,snc}為所有任務(wù)集合，nc表示需要執(zhí)行的任務(wù)數(shù)量，如式(1)所示根據(jù)飛行器類型提取飛行性能參數(shù)，所述的飛行性能參數(shù)包括速度v、最小轉(zhuǎn)彎半徑rmin等飛行性能參數(shù)。步驟二，建立考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配模型。異構(gòu)飛行器多任務(wù)協(xié)同分配是以飛行器編隊(duì)整體效能最優(yōu)為目標(biāo)，而任務(wù)執(zhí)行時(shí)間是衡量效能重要指標(biāo)，即以任務(wù)執(zhí)行時(shí)間最小為目標(biāo)函數(shù)，數(shù)學(xué)模型為：s.t.xl,i,j∈{0,1},l∈s,i∈v,j∈t(3)式(2)中，j表示任務(wù)執(zhí)行時(shí)間；dl,i,j表示飛行器vi對(duì)目標(biāo)tj執(zhí)行任務(wù)sl需要的時(shí)間；xl,i,j表示飛行器vi是否對(duì)目標(biāo)tj執(zhí)行任務(wù)sl，如果飛行器vi對(duì)目標(biāo)tj執(zhí)行任務(wù)sl，則xl,i,j＝1，反之，xl,i,j＝0。另外，式(4)保證所有任務(wù)均被執(zhí)行，式(5)確保每個(gè)任務(wù)僅被執(zhí)行一次。式(6)表示每個(gè)目標(biāo)的任務(wù)時(shí)序約束，其中分別表示針對(duì)某一目標(biāo)j執(zhí)行任務(wù)1,2,…,hj的時(shí)間，即任務(wù)2必須在任務(wù)1完成后才能被執(zhí)行，任務(wù)hj的必須在任務(wù)hj-1后被執(zhí)行。m、n和nc分別表示飛行器數(shù)量、目標(biāo)數(shù)量和所有任務(wù)數(shù)量。步驟三，考慮時(shí)序約束的種群初始化。根據(jù)步驟二建立的異構(gòu)飛行器多任務(wù)協(xié)同分配模型，考慮式(4)和(5)所示的約束條件，依據(jù)基于目標(biāo)編號(hào)順序的編碼方式賦予每個(gè)目標(biāo)tj待執(zhí)行任務(wù)隨機(jī)符合任務(wù)需求的飛行器，形成基于目標(biāo)編號(hào)順序的染色體。初始種群中每個(gè)基于目標(biāo)編號(hào)順序的染色體都是時(shí)序約束下異構(gòu)飛行器多任務(wù)協(xié)同分配方法中的一個(gè)可行解。隨機(jī)生成np個(gè)染色體，形成具有np個(gè)個(gè)體的初始種群?；谀繕?biāo)編號(hào)順序的染色體第一行表示目標(biāo)編號(hào)，使用整數(shù)1,2,…,n表示，按照目標(biāo)編號(hào)從小到大依次排列；染色體第二行表示目標(biāo)需要被執(zhí)行的任務(wù)類型，任務(wù)類型按照整數(shù)進(jìn)行表示，第一種任務(wù)類型用1表示，第二種任務(wù)類型用2表示，依次類推，第p種任務(wù)類型用p表示，按照數(shù)字從小大排列。染色體第三行表示執(zhí)行相應(yīng)任務(wù)的飛行器編號(hào)，用編號(hào)1,2,…,m表示。在此基礎(chǔ)上，按照飛行器m個(gè)編號(hào)的順序從小到大排序，得到基于飛行器編號(hào)順序的染色體?；陲w行器編號(hào)順序的染色體表達(dá)每架飛行器需要執(zhí)行的任務(wù)和任務(wù)順序，用于計(jì)算所有飛行器需要的任務(wù)執(zhí)行時(shí)間，其中最大任務(wù)執(zhí)行時(shí)間的倒數(shù)即該染色體的適應(yīng)值。針對(duì)基于目標(biāo)順序的染色體按照飛行器編號(hào)的順序從小到大進(jìn)行重排序得到基于飛行器編號(hào)的染色體，即完成考慮時(shí)序約束的種群初始化。步驟四，計(jì)算考慮時(shí)序約束的任務(wù)執(zhí)行時(shí)間。任務(wù)執(zhí)行時(shí)間取決于飛行器參數(shù)、飛行器和目標(biāo)空間位置以及任務(wù)分配結(jié)果。飛行器受動(dòng)力學(xué)約束，采用dubins模型將飛行器動(dòng)力學(xué)約束簡(jiǎn)化為運(yùn)動(dòng)幾何約束，建立飛行器運(yùn)動(dòng)學(xué)模型如式(7)所示。其中，x和y分別表示飛行器的水平位置，θ表示飛行器的航向角，v是飛行器的飛行速度，rmin是飛行器的最小轉(zhuǎn)彎半徑，c是控制量輸入，c＝-1代表向左轉(zhuǎn)彎，c＝1代表向右轉(zhuǎn)彎。飛行器從任意初始狀態(tài)(xinitial,yinitial,θinitial)到達(dá)任意終端狀態(tài)(xfinal,yfinal,θf(wàn)inal)的dubins路徑是以最小轉(zhuǎn)彎半徑rmin為半徑的圓弧和直線段的組合。dubins路徑中，r表示飛行器順時(shí)針轉(zhuǎn)彎圓弧，l表示逆時(shí)針轉(zhuǎn)彎圓弧，s表示直線段，則最短的dubins路徑為集合d＝{rsl,lsr,rsr,lsl,rlr,lrl}中的一種。采用上述dubins路徑計(jì)算飛行器抵達(dá)目標(biāo)的最短時(shí)間，由于存在時(shí)序約束，需要對(duì)違背時(shí)序約束的最短時(shí)間進(jìn)行延長(zhǎng)，延長(zhǎng)到得滿足時(shí)序約束的任務(wù)執(zhí)行時(shí)間，即得到考慮時(shí)序約束的任務(wù)執(zhí)行時(shí)間。步驟四中采用dubins路徑計(jì)算飛行器抵達(dá)目標(biāo)的最短時(shí)間，由于存在時(shí)序約束，需要對(duì)違背時(shí)序約束的最短時(shí)間進(jìn)行延長(zhǎng)，延長(zhǎng)到得滿足時(shí)序約束的任務(wù)執(zhí)行時(shí)間，即得到考慮時(shí)序約束的任務(wù)執(zhí)行時(shí)間。具體實(shí)現(xiàn)步驟如下：步驟4.1：利用dubins路徑計(jì)算出每架飛行器執(zhí)行每個(gè)任務(wù)的時(shí)間；步驟4.2：針對(duì)每個(gè)目標(biāo)tj∈t，根據(jù)基于目標(biāo)編號(hào)順序的染色體編碼信息，判斷不同任務(wù)執(zhí)行時(shí)間是否滿足如果每個(gè)目標(biāo)都滿足則無(wú)需進(jìn)行時(shí)間協(xié)調(diào)，輸出每架飛行器執(zhí)行每個(gè)任務(wù)的時(shí)間信息，否則，延長(zhǎng)飛行器到達(dá)目標(biāo)的最短時(shí)間。若則對(duì)執(zhí)行任務(wù)n的飛行器進(jìn)行時(shí)間延長(zhǎng)，保證在任務(wù)n-1完成后抵達(dá)目標(biāo)區(qū)域。通過(guò)降低執(zhí)行任務(wù)n的飛行器速度使得步驟4.3：經(jīng)過(guò)步驟4.2的時(shí)間延長(zhǎng)，當(dāng)導(dǎo)致每架飛行器的執(zhí)行不同任務(wù)時(shí)間發(fā)生沖突時(shí)，根據(jù)步驟三得到的基于飛行器編號(hào)順序的染色體編碼信息，對(duì)每架飛行器執(zhí)行不同任務(wù)的時(shí)間進(jìn)行延長(zhǎng)，即對(duì)受影響的任務(wù)執(zhí)行時(shí)長(zhǎng)進(jìn)行延長(zhǎng)，延長(zhǎng)時(shí)間為前一個(gè)任務(wù)經(jīng)延長(zhǎng)增加的時(shí)間。返回步驟4.2；當(dāng)每架飛行器的執(zhí)行不同任務(wù)時(shí)間未發(fā)生沖突時(shí)，則轉(zhuǎn)入步驟4.4。步驟4.4：經(jīng)步驟4.2至步驟4.3循環(huán)迭代，得到滿足時(shí)序約束的結(jié)果，即每個(gè)飛行器執(zhí)行任務(wù)時(shí)間，其中最大執(zhí)行任務(wù)時(shí)間為任務(wù)執(zhí)行時(shí)間。步驟五，收斂準(zhǔn)則。利用公式(8)、(9)、(10)中某一或多個(gè)收斂準(zhǔn)則檢驗(yàn)當(dāng)前迭代結(jié)果是否滿足收斂準(zhǔn)則，若滿足，則當(dāng)前迭代最優(yōu)解為當(dāng)前異構(gòu)飛行器多任務(wù)協(xié)同分配問(wèn)題的全局最優(yōu)解或次優(yōu)解，輸出當(dāng)前最優(yōu)結(jié)果，迭代結(jié)束。nfe＞nfemax(8)gene＞genemax(9)其中，gene為當(dāng)前遺傳代數(shù)，genemax為最大遺傳代數(shù)，nfe為當(dāng)前模型調(diào)用次數(shù)，nfemax為最大模型調(diào)用次數(shù)，ε為設(shè)定的收斂誤差。步驟六，采用輪盤賭策略選擇父代個(gè)體。步驟七，互換交叉。采用基于目標(biāo)編號(hào)順序的染色體進(jìn)行交叉操作，首先隨機(jī)選擇交叉起點(diǎn)和終點(diǎn)，然后對(duì)父代1和父代2起點(diǎn)和終點(diǎn)之間的基因進(jìn)行互換，生成兩個(gè)子代。經(jīng)過(guò)互換交叉遺傳操作后的個(gè)體仍然滿足任務(wù)時(shí)序約束。步驟八，整體變異。采用基于目標(biāo)編號(hào)順序的染色體進(jìn)行變異操作，整體變異是對(duì)所有執(zhí)行任務(wù)的飛行器進(jìn)行更換。如果某一基因表示任務(wù)n，則從具有能夠執(zhí)行任務(wù)n的飛行器集合中隨機(jī)選擇一架更換原來(lái)的飛行器。經(jīng)過(guò)整體變異遺傳操作后的個(gè)體仍然滿足任務(wù)時(shí)序約束。步驟九，通過(guò)步驟六到步驟八進(jìn)行種群更新。步驟十，循環(huán)步驟四至步驟九。當(dāng)滿足步驟五中的收斂條件時(shí)，得到一種滿足任務(wù)時(shí)序約束和最大化效能的異構(gòu)飛行器多任務(wù)協(xié)同分配方案，即通過(guò)得到的異構(gòu)飛行器多任務(wù)協(xié)同分配方案能夠有效縮短執(zhí)行任務(wù)時(shí)間，提升完成任務(wù)效能。所述的任務(wù)優(yōu)選“察打評(píng)”作戰(zhàn)、廣域搜索與毀傷或防空壓制任務(wù)。有益效果：1、本發(fā)明公開(kāi)的一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法，提出一種考慮時(shí)序約束的遺傳算法，實(shí)現(xiàn)問(wèn)題的高效求解，具有較強(qiáng)全局收斂能力。2、本發(fā)明公開(kāi)的一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法，通過(guò)互換交叉和整體變異遺傳算子進(jìn)行尋優(yōu)，能夠得到一種滿足任務(wù)時(shí)序約束和最大化效能的異構(gòu)飛行器多任務(wù)協(xié)同分配方案，即通過(guò)得到的異構(gòu)飛行器多任務(wù)協(xié)同分配方案能夠有效縮短執(zhí)行任務(wù)時(shí)間，提升完成任務(wù)效能。3、本發(fā)明公開(kāi)的一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法，定制滿足時(shí)序約束的基于目標(biāo)編號(hào)順序的染色體，實(shí)現(xiàn)對(duì)任務(wù)時(shí)序信息和分配信息的表達(dá)，有助于提高遺傳算法的求解效率。4、本發(fā)明公開(kāi)的一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法，結(jié)合dubins路徑，提出考慮時(shí)序約束的任務(wù)執(zhí)行時(shí)間延長(zhǎng)策略，得到每架飛行器滿足時(shí)序約束的任務(wù)執(zhí)行時(shí)間，提高求解效率。5、本發(fā)明公開(kāi)的一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法，適用于“察打評(píng)”作戰(zhàn)、廣域搜索與毀傷或防空壓制任務(wù)，具有廣泛的工程應(yīng)用價(jià)值。附圖說(shuō)明圖1為本發(fā)明公開(kāi)的一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法流程圖；圖2為適應(yīng)值計(jì)算過(guò)程中時(shí)序約束處理流程圖；圖3為染色體編碼形式；圖4為基于目標(biāo)順序的多染色體編碼方式；圖5為基于飛行器順序的多染色體編碼方式；圖6為dubins路徑示意圖，其中：圖6a為rsl，圖6b為lrs，圖6c為rsr，圖6d為lsl，圖6e為rlr，圖6f為lrl；圖7為染色體互換交叉算子示意圖；圖8為染色體整體變異算子示意圖；圖9a為場(chǎng)景-i仿真結(jié)果對(duì)比箱線圖；圖9b為場(chǎng)景-ii仿真結(jié)果對(duì)比箱線圖。具體實(shí)施方式為了更好的說(shuō)明本發(fā)明的目的和優(yōu)點(diǎn)，下面結(jié)合附圖和實(shí)例對(duì)
發(fā)明內(nèi)容做進(jìn)一步說(shuō)明。實(shí)施例1：為了驗(yàn)證本發(fā)明方法的有效性，分別使用實(shí)施例公開(kāi)的一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法(taskprecedencegenealgorithm,tp-ga)和隨機(jī)搜索方法(randomsearchmethod,rsm)求解現(xiàn)代武器任務(wù)規(guī)劃系統(tǒng)中異構(gòu)飛行器多任務(wù)協(xié)同分配問(wèn)題。仿真硬件為intelcorei5-2310cpu3.10ghz4g內(nèi)存，仿真環(huán)境為matlab。其中tp-ga每次迭代過(guò)程中，通過(guò)互換交叉產(chǎn)生66％的子代，整體變異產(chǎn)生32％的子代，剩余2％用于保留父代中的最佳個(gè)體。另外，rsm根據(jù)模型調(diào)用次數(shù)nfe，隨機(jī)生成nfe個(gè)滿足約束的染色體，從中選出最優(yōu)個(gè)體作為結(jié)果輸出。通過(guò)兩種不同場(chǎng)景來(lái)說(shuō)明本實(shí)施例公開(kāi)的一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法可行性和有效性。如圖1所示，本實(shí)施例公開(kāi)的一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法，包括如下步驟：步驟一，根據(jù)任務(wù)獲取飛行器類型，并根據(jù)飛行器類型提取飛行性能參數(shù)。針對(duì)作戰(zhàn)中的“察打評(píng)”任務(wù)，有m架異構(gòu)飛行器v＝{v1,v2,…,vm}，飛行器類型如表1所示，飛行器的編號(hào)依次為1～m，需要對(duì)n個(gè)目標(biāo)t＝{t1,t2,…,tn}執(zhí)行偵察(用1表示)、打擊(用2表示)和毀傷評(píng)估(用3表示)三類任務(wù)，目標(biāo)編號(hào)依次為1～n，并設(shè)s＝{s1,s2,…,snc}為所有任務(wù)集合，nc表示需要執(zhí)行的任務(wù)數(shù)量，即目標(biāo)數(shù)量與任務(wù)類型數(shù)量的乘積nc＝3×n。表1飛行器類型及功能序號(hào)類型功能任務(wù)1偵察評(píng)估型偵察、毀傷評(píng)估{1,3}2打擊型打擊{2}3察打評(píng)一體型偵察、打擊、毀傷評(píng)估{1,2,3}分別運(yùn)用本實(shí)施例的tp-ga方法和rsm方法求解異構(gòu)飛行器多任務(wù)協(xié)同分配問(wèn)題，比較兩者的計(jì)算結(jié)果，算法參數(shù)設(shè)置如表2所示。場(chǎng)景-i為5架飛行器對(duì)4個(gè)目標(biāo)執(zhí)行“察打評(píng)”任務(wù)，目標(biāo)位置和飛行器參數(shù)如表3和表4所示，執(zhí)行任務(wù)進(jìn)入角約束均為90°。場(chǎng)景-ii為15架飛行器對(duì)10個(gè)目標(biāo)執(zhí)行“察打評(píng)”任務(wù)，目標(biāo)和飛行器位置如表5和表6所示，其中飛行器v1～v5是偵察評(píng)估型，v6～v10是察打評(píng)一體型，v11～v15是打擊型，所有飛行器的初始速度、最小轉(zhuǎn)彎半徑分別為70m/s和200m，執(zhí)行任務(wù)進(jìn)入角約束均為90°。表2算法參數(shù)設(shè)置場(chǎng)景最大模型調(diào)用次數(shù)種群規(guī)模種群進(jìn)化代數(shù)i250010025ii10000100100表3場(chǎng)景-i目標(biāo)位置目標(biāo)t1t2t3t4位置(m)(500,1250)(2800,4200)(2000,2500)(4000,2000)表4場(chǎng)景-i飛行器參數(shù)飛行器v1v2v3v4v5類型偵察評(píng)估型偵察評(píng)估型察打評(píng)一體型打擊型打擊型初始速度(m/s)7070707070ρmin(m)200200200200200初始位置(m)(800,0)(1600,500)(2800,200)(3600,0)(4500,0)初始航向角(°)9045600-180表5場(chǎng)景-ii目標(biāo)位置目標(biāo)t1t2t3t4t5位置(m)(500,1250)(2800,4200)(2000,2500)(4000,2000)(14000,5000)目標(biāo)t6t7t8t9t10位置(m)(7000,3000)(5000,6000)(10000,2000)(6000,4000)(12000,3500)表6場(chǎng)景-ii飛行器位置飛行器v1v2v3v4v5初始位置(m)(0,0)(1000,0)(2000,0)(3000,0)(4000,0)初始航向角(°)9045600-180飛行器v6v7v8v9v10初始位置(m)(5000,0)(6000,0)(7000,0)(8000,0)(9000,0)初始航向角(°)300-180300飛行器v11v12v13v14v15初始位置(m)(10000,0)(11000,0)(12000,0)(13000,0)(14000,0)初始航向角(°)-180300-18030步驟二，建立考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配模型。異構(gòu)飛行器多任務(wù)協(xié)同分配問(wèn)題實(shí)質(zhì)是一個(gè)組合優(yōu)化問(wèn)題，考慮任務(wù)執(zhí)行時(shí)間最小為目標(biāo)函數(shù)，其數(shù)學(xué)模型為：s.t.xl,i,j∈{0,1},l∈s,i∈v,j∈t(12)式(2)中，j表示任務(wù)執(zhí)行時(shí)間；dl,i,j表示飛行器vi對(duì)目標(biāo)tj執(zhí)行任務(wù)sl需要的時(shí)間；xl,i,j表示飛行器vi是否對(duì)目標(biāo)tj執(zhí)行任務(wù)sl，如果飛行器vi對(duì)目標(biāo)tj執(zhí)行任務(wù)sl，則xl,i,j＝1，反之，xl,i,j＝0。另外，式(13)保證所有任務(wù)均被執(zhí)行，式(14)確保每個(gè)任務(wù)僅被執(zhí)行一次。式(15)表示每個(gè)目標(biāo)的任務(wù)時(shí)序約束，其中分別表示針對(duì)某一目標(biāo)j執(zhí)行任務(wù)1,2,…,hj的時(shí)間，即任務(wù)2必須在任務(wù)1完成后才能被執(zhí)行，任務(wù)hj的必須在任務(wù)hj-1后被執(zhí)行。m、n和nc分別表示飛行器數(shù)量、目標(biāo)數(shù)量和所有任務(wù)數(shù)量。場(chǎng)景-i和場(chǎng)景-ii的m、n和nc如表7所示。表7場(chǎng)景-i和場(chǎng)景-ii的m、n和nc場(chǎng)景飛行器數(shù)量m目標(biāo)數(shù)量n任務(wù)數(shù)量nci5412ii151030步驟三，種群初始化。依據(jù)基于目標(biāo)順序的染色體賦予所有目標(biāo)待執(zhí)行任務(wù)隨機(jī)符合任務(wù)需求的飛行器，形成滿足任務(wù)時(shí)序約束的染色體。初始種群中每個(gè)染色體都是時(shí)序約束下異構(gòu)飛行器多任務(wù)協(xié)同分配方法中的一個(gè)可行解。隨機(jī)生成np個(gè)染色體，形成具有np個(gè)個(gè)體的初始種群。場(chǎng)景-i中np＝100，場(chǎng)景-ii中np＝100。此基礎(chǔ)上，按照飛行器順序排序，得到基于飛行器編號(hào)順序的染色體。針對(duì)場(chǎng)景-i，一個(gè)基于目標(biāo)編號(hào)順序的染色體如表8所示，其中飛行器2、4、1對(duì)目標(biāo)1分別執(zhí)行“察打評(píng)”任務(wù)，飛行器3對(duì)目標(biāo)2執(zhí)行“察打評(píng)”任務(wù)，飛行器2、5、1對(duì)目標(biāo)3分別執(zhí)行“察打評(píng)”任務(wù)，飛行器3、4、2對(duì)目標(biāo)4分別執(zhí)行“察打評(píng)”任務(wù)。另外，針對(duì)表8所示的染色體，按照飛行器編號(hào)對(duì)基于目標(biāo)編號(hào)順序的染色體重排序，得到基于飛行器編號(hào)順序的染色體，如表9所示。該類基因表達(dá)了每架飛行器需要執(zhí)行的任務(wù)和任務(wù)順序，用于計(jì)算所有飛行器作戰(zhàn)的任務(wù)執(zhí)行時(shí)間，其中最大任務(wù)執(zhí)行時(shí)間的倒數(shù)即該染色體適應(yīng)值。表8場(chǎng)景-i下基于目標(biāo)編號(hào)順序的染色體示例111222333444123123123123241333251342表9場(chǎng)景-i下基于飛行器編號(hào)順序的染色體示例131342224143331131231222112223333445步驟四，計(jì)算考慮時(shí)序約束的任務(wù)執(zhí)行時(shí)間。任務(wù)執(zhí)行時(shí)間取決于飛行器參數(shù)、飛行器和目標(biāo)空間位置以及任務(wù)分配結(jié)果。飛行器受動(dòng)力學(xué)約束，采用dubins模型將飛行器動(dòng)力學(xué)約束簡(jiǎn)化為運(yùn)動(dòng)幾何約束，建立飛行器運(yùn)動(dòng)學(xué)模型如式(7)所示。其中，x和y分別表示飛行器的水平位置，θ表示飛行器的航向角，v是飛行器的飛行速度，rmin是飛行器的最小轉(zhuǎn)彎半徑，c是控制量輸入，c＝-1代表向左轉(zhuǎn)彎，c＝1代表向右轉(zhuǎn)彎。飛行器從任意初始狀態(tài)(xinitial,yinitial,θinitial)到達(dá)任意終端狀態(tài)(xfinal,yfinal,θf(wàn)inal)的dubins路徑是以最小轉(zhuǎn)彎半徑rmin為半徑的圓弧和直線段的組合。dubins路徑中，r表示飛行器順時(shí)針轉(zhuǎn)彎圓弧，l表示逆時(shí)針轉(zhuǎn)彎圓弧，s表示直線段，則最短的dubins路徑為集合d＝{rsl,lsr,rsr,lsl,rlr,lrl}中的一種。采用上述dubins路徑計(jì)算飛行器抵達(dá)目標(biāo)的最短時(shí)間，由于存在時(shí)序約束，需要對(duì)違背時(shí)序約束的最短時(shí)間進(jìn)行延長(zhǎng)，延長(zhǎng)到得滿足時(shí)序約束的任務(wù)執(zhí)行時(shí)間，即得到考慮時(shí)序約束的任務(wù)執(zhí)行時(shí)間。步驟4.1：利用dubins路徑計(jì)算出每架飛行器執(zhí)行每個(gè)任務(wù)的時(shí)長(zhǎng)；步驟4.2：針對(duì)每個(gè)目標(biāo)tj∈t，根據(jù)基于目標(biāo)編號(hào)順序的染色體編碼信息，判斷不同任務(wù)執(zhí)行時(shí)間是否滿足如果每個(gè)目標(biāo)都滿足則無(wú)需進(jìn)行時(shí)間協(xié)調(diào)，輸出每架飛行器執(zhí)行每個(gè)任務(wù)的時(shí)間信息，否則，延長(zhǎng)飛行器到達(dá)目標(biāo)的最短時(shí)間。若則對(duì)執(zhí)行任務(wù)n的飛行器進(jìn)行時(shí)間延長(zhǎng)，保證在任務(wù)n-1完成后抵達(dá)目標(biāo)區(qū)域。本發(fā)明通過(guò)降低執(zhí)行任務(wù)n的飛行器速度使得步驟4.3：根據(jù)基于飛行器編號(hào)順序的染色體編碼信息，對(duì)每架飛行器執(zhí)行不同任務(wù)的時(shí)間進(jìn)行協(xié)調(diào)，即對(duì)受影響的任務(wù)執(zhí)行時(shí)長(zhǎng)進(jìn)行延遲，延遲時(shí)間為前一個(gè)任務(wù)經(jīng)協(xié)調(diào)增加的時(shí)間。針對(duì)表9所示染色體，設(shè)飛行器1對(duì)目標(biāo)1執(zhí)行毀傷評(píng)估任務(wù)的時(shí)長(zhǎng)為t1，對(duì)目標(biāo)3執(zhí)行毀傷評(píng)估任務(wù)的時(shí)長(zhǎng)為t2，若t2-t1<t1-3，其中t1-3表示飛行器從目標(biāo)1到達(dá)目標(biāo)3需要的時(shí)間，則t2＝t2+δt，δt＝t1-3-(t2-t1)，否則不進(jìn)行協(xié)調(diào)。然后，采用同樣的方法依次對(duì)飛行器2、3、4和5進(jìn)行判斷和協(xié)調(diào)。返回步驟4.2；步驟4.4：經(jīng)步驟4.2-步驟4.3循環(huán)迭代，得到滿足時(shí)序約束的結(jié)果，即每個(gè)飛行器執(zhí)行任務(wù)時(shí)間，其中最大值為任務(wù)執(zhí)行時(shí)間。步驟五，收斂準(zhǔn)則。在較大規(guī)模的任務(wù)分配中，要通過(guò)確定性算法得出飛行器目標(biāo)的最優(yōu)分配是很耗時(shí)的甚至無(wú)法求解，很難滿足戰(zhàn)場(chǎng)決策實(shí)時(shí)性的要求，所以在理論最優(yōu)分配結(jié)果未知的情況下，算法收斂準(zhǔn)則設(shè)定為滿足最大遺傳代數(shù)genemax。利用式(17)檢驗(yàn)當(dāng)前迭代結(jié)果是否滿足收斂準(zhǔn)則，若滿足，則當(dāng)前迭代最優(yōu)解為當(dāng)前異構(gòu)飛行器多任務(wù)協(xié)同分配問(wèn)題的全局最優(yōu)解或次優(yōu)解，輸出當(dāng)前最優(yōu)結(jié)果，迭代結(jié)束。gene≤genemax(17)其中，gene為當(dāng)前遺傳代數(shù)，genemax為最大遺傳代數(shù)。步驟六，采用輪盤賭策略選擇父代個(gè)體。步驟6.1：根據(jù)步驟四計(jì)算得到的任務(wù)執(zhí)行時(shí)間，計(jì)算種群中每個(gè)個(gè)體的適應(yīng)值fk，即任務(wù)執(zhí)行時(shí)間的倒數(shù)，fk＝1/jk，k＝1,2,…,np(np表示種群大小)。步驟6.2：計(jì)算每個(gè)個(gè)體被遺傳到下一代種群中的概率，如式(18)所示。步驟6.3：計(jì)算每個(gè)個(gè)體累計(jì)概率qk，如式(19)所示。步驟6.4：在[0,1]區(qū)間內(nèi)產(chǎn)生一個(gè)均勻分布的隨機(jī)數(shù)r，若r<q1，則選擇個(gè)體1，否則選擇個(gè)體k，使得qk-1<r≤qk成立。隨機(jī)生成n個(gè)隨機(jī)數(shù)，選出n個(gè)父代個(gè)體。步驟七，互換交叉。采用基于目標(biāo)編號(hào)順序的染色體進(jìn)行交叉操作，首先隨機(jī)選擇交叉起點(diǎn)和終點(diǎn)，然后對(duì)父代1和父代2起點(diǎn)和終點(diǎn)之間的基因進(jìn)行互換，生成兩個(gè)子代。經(jīng)過(guò)互換交叉遺傳操作后的個(gè)體仍然滿足任務(wù)時(shí)序約束。步驟八，整體變異。采用基于目標(biāo)編號(hào)順序的染色體進(jìn)行變異操作，整體變異是對(duì)所有執(zhí)行任務(wù)的飛行器進(jìn)行更換。如果某一基因表示任務(wù)n，則從具有能夠執(zhí)行任務(wù)n的飛行器集合中隨機(jī)選擇一架更換原來(lái)的飛行器。經(jīng)過(guò)整體變異遺傳操作后的個(gè)體仍然滿足任務(wù)時(shí)序約束。步驟九，通過(guò)步驟六到步驟八進(jìn)行種群更新。步驟十，循環(huán)步驟四至步驟九。當(dāng)滿足步驟五中的收斂條件時(shí)，得到一種滿足任務(wù)時(shí)序約束和最大化效能的異構(gòu)飛行器多任務(wù)協(xié)同分配方案，即通過(guò)得到的異構(gòu)飛行器多任務(wù)協(xié)同分配方案能夠有效縮短執(zhí)行任務(wù)時(shí)間，提升完成任務(wù)效能。本實(shí)施例公開(kāi)的一種考慮時(shí)序約束的異構(gòu)飛行器多任務(wù)協(xié)同分配方法如圖1所示，100次求解中，規(guī)劃結(jié)果統(tǒng)計(jì)如表10所示，場(chǎng)景-i和場(chǎng)景-ii下tp-ga計(jì)算的最優(yōu)解如表11和表12所示，tp-ga與rsm仿真結(jié)果對(duì)比箱線圖如圖9所示。表10優(yōu)化求解數(shù)據(jù)統(tǒng)計(jì)結(jié)果表11場(chǎng)景-i100次仿真tp-ga最優(yōu)解序號(hào)123456789101112目標(biāo)編號(hào)111222333444任務(wù)類型123123123123飛行器編號(hào)141252141333任務(wù)時(shí)長(zhǎng)(s)18.455.955.955.665.573.664.984.584.531.049.066.9表12場(chǎng)景-ii100次仿真tp-ga最優(yōu)解序號(hào)12345678910目標(biāo)編號(hào)1112223334任務(wù)類型1231231231飛行器編號(hào)66157526510任務(wù)時(shí)長(zhǎng)(s)72.790.790.763.479.881.338.5119.3123.684.9序號(hào)11121314151617181920目標(biāo)編號(hào)4455566677任務(wù)類型2312312312飛行器編號(hào)1048883119710任務(wù)時(shí)長(zhǎng)(s)102.8102.8129.0147.0164.983.983.983.9121.1161.7序號(hào)21222324252627282930目標(biāo)編號(hào)7888999101010任務(wù)類型3123123123飛行器編號(hào)7111421523119任務(wù)時(shí)長(zhǎng)(s)161.7158.4158.4158.4101.2132.3132.3158.6158.6158.6如表11和表12所示，任務(wù)執(zhí)行時(shí)長(zhǎng)均滿足時(shí)序約束，驗(yàn)證了本實(shí)施例方法的正確性。表10中，max、avg、min和std分別表示100求解結(jié)果的最大值、平均值、最小值和標(biāo)準(zhǔn)差，從數(shù)據(jù)統(tǒng)計(jì)結(jié)果和圖9可以得出與rsm方法相比，本實(shí)施例在大多數(shù)情況下具有更好的性能。對(duì)于小規(guī)模問(wèn)題場(chǎng)景-i，兩種算法的求解結(jié)果基本相差不大，但100次測(cè)試中tp-ga方法的平均值和最小值均小于rsm方法。另外，對(duì)于大規(guī)模問(wèn)題場(chǎng)景-ii，在100次測(cè)試中，tp-ga方法的最大值、平均值和最小值均明顯小于rsm方法，可以得出本實(shí)施例方法優(yōu)于隨機(jī)搜索算法。特別是針對(duì)大規(guī)模協(xié)同任務(wù)分配問(wèn)題，tp-ga方法具有更強(qiáng)的優(yōu)勢(shì)，說(shuō)明本實(shí)施例能夠更為有效求解異構(gòu)飛行器多任務(wù)協(xié)同分配問(wèn)題。以上所述的具體描述，對(duì)發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說(shuō)明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限定本發(fā)明的保護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁(yè)12