有人/无人机任务联盟分阶段形成方法
发布时间：2021-10-28 22:13
针对有人/无人机任务联盟形成问题,采取任务聚类-平台匹配的分阶段形成策略。首先,给出问题要素定义,并进行相关数学描述。其次,基于对问题的分析,以最小化任务距离和为优化目标建立任务聚类的数学模型;以最小化指挥决策能力代价和资源能力代价为优化目标建立平台匹配的数学模型。然后,对任务聚类问题和平台匹配问题,分别采用优选初始簇中心的贪心聚类算法和多目标模糊人工蜂群算法进行求解;最后,通过仿真案例下的3组实验,验证了提出方法的有效性和优越性。
【文章来源】：系统工程与电子技术. 2017,39(09)北大核心EICSCD
【文章页数】：8 页
【部分图文】：
图１拥挤距离关系Ｆｉｇ．１Ｃｒｏｗｄｅｄｄｉｓｔａｎｃｅｒｅｌａｔｉｏｎｓｈｉｐ
跳出局部最优策略，算法适用性较好。本文提出的ＭＯＦＡＢＣ算法，可用于求解如式（１８）等需要进行０－１编码的多目标优化问题。在ＭＯＦＡＢＣ算法中，关键步骤包括蜜源编、解码和外部档案维护，下面分别进行描述。４．１蜜源编、解码在ＭＯＦＡＢＣ算法中，编、解码分别对应决策变量空间和目标空间，决策变量空间主要实现蜜源的初始化和更新操作；目标空间为决策变量空间在解空间的映射，以及在映射后实现解的可行化，主要实现蜜源的非支配排序和拥挤距离计算，完成解的选择和存档操作。图２为决策变量空间到目标空间映射关系示意图。图２决策变量空间映射到目标空间Ｆｉｇ．２Ｄｅｃｉｓｉｏｎｖａｒｉａｂｌｅｓｐａｃｅｍａｐｓｔｏｔａｒｇｅｔｓｐａｃｅ４．１．１蜜源编码与经典的蜂群算法一样，编码过程主要包括４个阶段，分别为初始化阶段、雇佣蜂阶段、观察蜂阶段和侦察蜂阶段，初始化蜜源数量、雇佣蜂数量、观察蜂数量分别为ＮＺＱ，Ｎｅｂ，Ｎｏｂ，满足ＮＺＱ＝Ｎｅｂ＝Ｎｏｂ。（１）初始化阶段初始蜜源在可行区间内随机生成，分别为Ｘ１，Ｘ２，…，ＸＮＺＱ，各蜜源均为Ｎｃ×（Ｎｍ＋Ｎｕ）大小矩阵。前Ｎｍ列代表有人机－任务簇匹配关系，第Ｎｍ＋１～Ｎｍ＋Ｎｕ列代表无人机－任务簇匹配关系。矩阵Ｘ中ｌ行ｉ列、ｊ列元素的计算公式分别为ｘｌｉ＝ｘｉｍｉｎ＋ｒａｎｄ×（ｘｉｍａｘ－ｘｉｍｉｎ）（１９）ｘｌｊ＝ｘｊｍｉｎ＋ｒａｎｄ×（ｘｊｍａｘ－ｘｊｍｉｎ）（２０）式中，ｊ＝Ｎｍ＋１，
］中算法，运行１００次，取平均值。以式（８）中测度为标准，表５为各算法对比情况。表５ＧＣＷＯＩＣＣ算法与其他算法对比Ｔａｂｌｅ５ＣｏｍｐａｒｉｓｏｎｏｆＧＣＷＯＩＣＣａｎｄｏｔｈｅｒｓ算法本文算法算法１算法２算法３测度３８４．３１３２６６１．０３０２３９３．２４４９５５７．０３７０从表５可以看出，ＧＣＷＯＩＣＣ算法与其他算法相比，得到的测度值更小，且运行次数仅需１次，具有较好的聚类效果。图３为采用ＧＣＷＯＩＣＣ算法的任务聚类结果。图３ＧＣＷＯＩＣＣ算法下的任务聚类结果Ｆｉｇ．３ＴａｓｋｃｌｕｓｔｅｒｉｎｇｒｅｓｕｌｔｕｎｄｅｒＧＣＷＯＩＣＣ仿真实验２将ＭＯＦＡＢＣ算法分别运行８０代，每隔２０代记录非劣解集，根据各代非劣解集的情况判定ＭＯＦＡＢＣ算法的进化性能。表６为ＭＯＦＡＢＣ算法分别在２０代、４０代、６０代、８０代时的非劣解集。表６典型迭代次数下非劣解集Ｔａｂｌｅ６Ｎｏｎ－ｉｎｆｅｒｉｏｒｓｏｌｕｔｉｏｎｓｅｔｕｎｄｅｒｔｙｐｉｃａｌｉｔｅｒａｔｉｏｎｓｉｔｅ各迭代次数下的非劣解集２０（８，５６６），（８．５，５６１），（９．５，５５１），（１０，４９５），（１４，４４０），（１５．５，４１９）４０（５，７３２），（８，５４６），（９，４９９），（９．５，４４０），（１５．５，４１９）６０（５，７３２），（８，５４６），（７，５５７），（９，４９９），（９．５，４４０），（１５．５，４１９）８０（５，７３２），（６
【参考文献】：
期刊论文
[1]未知环境下异构多无人机协同搜索打击中的联盟组建[J]. 刘重,高晓光,符小卫,牟之英. 兵工学报. 2015(12)
[2]Cooperative coalition for formation flight scheduling based on incomplete information[J]. Meng Linghang,Xu Xiaohao,Zhao Yifei. Chinese Journal of Aeronautics. 2015(06)
[3]Hierarchical method of task assignment for multiple cooperating UAV teams[J]. Xiaoxuan Hu,Huawei Ma,Qingsong Ye,He Luo. Journal of Systems Engineering and Electronics. 2015(05)
[4]带有联盟个数约束的最优联盟结构生成[J]. 徐广斌,刘惊雷. 南京大学学报(自然科学). 2015(04)
[5]二维磁法数据多目标粒子群反演算法（英文）[J]. 熊杰,张涛. Applied Geophysics. 2015(02)
[6]基于多智能体联盟的多机协同空战任务分配[J]. 刁兴华,方洋旺,肖冰松,毛东辉. 北京航空航天大学学报. 2014(09)
[7]有人-无人作战智能体任务联盟形成策略方法[J]. 万路军,姚佩阳,孙鹏,邓长来,税冬东. 空军工程大学学报(自然科学版). 2013(03)
[8]An accelerated K-means clustering algorithm using selection and erasure rules[J]. Suiang-Shyan LEE,Ja-Chen LIN. Journal of Zhejiang University-Science C（Computers & Electronics）. 2012(10)
[9]自适应的多目标模拟退火优化算法(英文)[J]. 啜钢,赵丹,孙礼. 中国通信. 2012(09)
[10]基于改进层次聚类法的指挥控制资源部署[J]. 周翔翔,姚佩阳,王欣. 系统工程与电子技术. 2012(03)
本文编号：3463406
【文章来源】：系统工程与电子技术. 2017,39(09)北大核心EICSCD
【文章页数】：8 页
【部分图文】：
图１拥挤距离关系Ｆｉｇ．１Ｃｒｏｗｄｅｄｄｉｓｔａｎｃｅｒｅｌａｔｉｏｎｓｈｉｐ
跳出局部最优策略，算法适用性较好。本文提出的ＭＯＦＡＢＣ算法，可用于求解如式（１８）等需要进行０－１编码的多目标优化问题。在ＭＯＦＡＢＣ算法中，关键步骤包括蜜源编、解码和外部档案维护，下面分别进行描述。４．１蜜源编、解码在ＭＯＦＡＢＣ算法中，编、解码分别对应决策变量空间和目标空间，决策变量空间主要实现蜜源的初始化和更新操作；目标空间为决策变量空间在解空间的映射，以及在映射后实现解的可行化，主要实现蜜源的非支配排序和拥挤距离计算，完成解的选择和存档操作。图２为决策变量空间到目标空间映射关系示意图。图２决策变量空间映射到目标空间Ｆｉｇ．２Ｄｅｃｉｓｉｏｎｖａｒｉａｂｌｅｓｐａｃｅｍａｐｓｔｏｔａｒｇｅｔｓｐａｃｅ４．１．１蜜源编码与经典的蜂群算法一样，编码过程主要包括４个阶段，分别为初始化阶段、雇佣蜂阶段、观察蜂阶段和侦察蜂阶段，初始化蜜源数量、雇佣蜂数量、观察蜂数量分别为ＮＺＱ，Ｎｅｂ，Ｎｏｂ，满足ＮＺＱ＝Ｎｅｂ＝Ｎｏｂ。（１）初始化阶段初始蜜源在可行区间内随机生成，分别为Ｘ１，Ｘ２，…，ＸＮＺＱ，各蜜源均为Ｎｃ×（Ｎｍ＋Ｎｕ）大小矩阵。前Ｎｍ列代表有人机－任务簇匹配关系，第Ｎｍ＋１～Ｎｍ＋Ｎｕ列代表无人机－任务簇匹配关系。矩阵Ｘ中ｌ行ｉ列、ｊ列元素的计算公式分别为ｘｌｉ＝ｘｉｍｉｎ＋ｒａｎｄ×（ｘｉｍａｘ－ｘｉｍｉｎ）（１９）ｘｌｊ＝ｘｊｍｉｎ＋ｒａｎｄ×（ｘｊｍａｘ－ｘｊｍｉｎ）（２０）式中，ｊ＝Ｎｍ＋１，
］中算法，运行１００次，取平均值。以式（８）中测度为标准，表５为各算法对比情况。表５ＧＣＷＯＩＣＣ算法与其他算法对比Ｔａｂｌｅ５ＣｏｍｐａｒｉｓｏｎｏｆＧＣＷＯＩＣＣａｎｄｏｔｈｅｒｓ算法本文算法算法１算法２算法３测度３８４．３１３２６６１．０３０２３９３．２４４９５５７．０３７０从表５可以看出，ＧＣＷＯＩＣＣ算法与其他算法相比，得到的测度值更小，且运行次数仅需１次，具有较好的聚类效果。图３为采用ＧＣＷＯＩＣＣ算法的任务聚类结果。图３ＧＣＷＯＩＣＣ算法下的任务聚类结果Ｆｉｇ．３ＴａｓｋｃｌｕｓｔｅｒｉｎｇｒｅｓｕｌｔｕｎｄｅｒＧＣＷＯＩＣＣ仿真实验２将ＭＯＦＡＢＣ算法分别运行８０代，每隔２０代记录非劣解集，根据各代非劣解集的情况判定ＭＯＦＡＢＣ算法的进化性能。表６为ＭＯＦＡＢＣ算法分别在２０代、４０代、６０代、８０代时的非劣解集。表６典型迭代次数下非劣解集Ｔａｂｌｅ６Ｎｏｎ－ｉｎｆｅｒｉｏｒｓｏｌｕｔｉｏｎｓｅｔｕｎｄｅｒｔｙｐｉｃａｌｉｔｅｒａｔｉｏｎｓｉｔｅ各迭代次数下的非劣解集２０（８，５６６），（８．５，５６１），（９．５，５５１），（１０，４９５），（１４，４４０），（１５．５，４１９）４０（５，７３２），（８，５４６），（９，４９９），（９．５，４４０），（１５．５，４１９）６０（５，７３２），（８，５４６），（７，５５７），（９，４９９），（９．５，４４０），（１５．５，４１９）８０（５，７３２），（６
【参考文献】：
期刊论文
[1]未知环境下异构多无人机协同搜索打击中的联盟组建[J]. 刘重,高晓光,符小卫,牟之英. 兵工学报. 2015(12)
[2]Cooperative coalition for formation flight scheduling based on incomplete information[J]. Meng Linghang,Xu Xiaohao,Zhao Yifei. Chinese Journal of Aeronautics. 2015(06)
[3]Hierarchical method of task assignment for multiple cooperating UAV teams[J]. Xiaoxuan Hu,Huawei Ma,Qingsong Ye,He Luo. Journal of Systems Engineering and Electronics. 2015(05)
[4]带有联盟个数约束的最优联盟结构生成[J]. 徐广斌,刘惊雷. 南京大学学报(自然科学). 2015(04)
[5]二维磁法数据多目标粒子群反演算法（英文）[J]. 熊杰,张涛. Applied Geophysics. 2015(02)
[6]基于多智能体联盟的多机协同空战任务分配[J]. 刁兴华,方洋旺,肖冰松,毛东辉. 北京航空航天大学学报. 2014(09)
[7]有人-无人作战智能体任务联盟形成策略方法[J]. 万路军,姚佩阳,孙鹏,邓长来,税冬东. 空军工程大学学报(自然科学版). 2013(03)
[8]An accelerated K-means clustering algorithm using selection and erasure rules[J]. Suiang-Shyan LEE,Ja-Chen LIN. Journal of Zhejiang University-Science C（Computers & Electronics）. 2012(10)
[9]自适应的多目标模拟退火优化算法(英文)[J]. 啜钢,赵丹,孙礼. 中国通信. 2012(09)
[10]基于改进层次聚类法的指挥控制资源部署[J]. 周翔翔,姚佩阳,王欣. 系统工程与电子技术. 2012(03)
本文编号：3463406
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3463406.html
