基于多策略GWO算法的不确定环境下异构多无人机任务分配

doi:10.7527/S1000-6893.2022.27115

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 |

基于多策略GWO算法的不确定环境下异构多无人机任务分配

张安, 杨咪(), 毕文豪, 张百川, 王雨农

西北工业大学航空学院，西安 710072

收稿日期:2022-03-07 修回日期:2022-03-29 接受日期:2022-04-28 出版日期:2022-05-11 发布日期:2022-05-09
通讯作者: 杨咪 E-mail:yangmi@mail.nwpu.edu.cn
基金资助:
国家自然科学基金(62073267);航空科学基金(201905053001);西北工业大学新兴交叉学科方向项目专项资金

Task allocation of heterogeneous multi-UAVs in uncertain environment based on multi-strategy integrated GWO

An ZHANG, Mi YANG(), Wenhao BI, Baichuan ZHANG, Yunong WANG

School of Aeronautics，Northwestern Polytechnical University，Xi’an 710072，China

Received:2022-03-07 Revised:2022-03-29 Accepted:2022-04-28 Online:2022-05-11 Published:2022-05-09
Contact: Mi YANG E-mail:yangmi@mail.nwpu.edu.cn
Supported by:
National Natural Science Foundation of China(62073267);Aeronautical Science Foundation of China(201905053001);Research Funds for Interdisciplinary Subject （NWPU）

摘要/Abstract

摘要：

针对具有复杂约束的异构多无人机对地目标侦察打击任务分配问题，考虑不确定的任务执行时长、目标消失时间和无人机巡航速度等不确定因素对任务分配结果的影响，基于模糊可信性理论构建以最小化总成本为优化目标的异构多无人机任务分配的模糊机会约束规划模型，并提出一种多策略融合的灰狼优化算法（IMSGWO），通过引入自适应控制参数调整策略、自适应惯性权重策略、最优学习策略与跳出局部最优策略，在增强种群多样性的同时，提高算法的搜索能力。数值分析结果表明：所提算法能够有效求解不确定环境下的异构多无人机任务分配问题。

关键词: 多无人机, 异构无人机, 任务分配, 不确定环境, 灰狼优化算法

Abstract:

To solve the problem of task allocation in reconnaissance and attack on ground targets by multi-UAVs with complex constraints， the impact of multiple uncertain factors such as uncertain task execution time， target disappearance time and UAV cruise speed on the task allocation results is considered. A fuzzy chance constrained programming model for multi-UAV task allocation is constructed based on the fuzzy credibility theory， with minimization of the total cost as the optimization goal. In addition， a Multi-Strategy Integrated Grey Wolf Optimization （IMSGWO） algorithm is proposed. By introducing the adaptive control parameter adjustment strategy， adaptive inertia weight strategy， optimal learning strategy and jumping out of local optimal strategy， the search ability of the algorithm is improved while enhancing population diversity. Numerical results show that the proposed algorithm can effectively solve the problem of multi-UAV task allocation in uncertain environment.

Key words: multiple unmanned aerial vehicles, heterogeneous unmanned aerial vehicles, task allocation, uncertain environment, grey wolf optimization algorithm

中图分类号:

V249

张安, 杨咪, 毕文豪, 张百川, 王雨农. 基于多策略GWO算法的不确定环境下异构多无人机任务分配[J]. 航空学报, 2023, 44(8): 327115-327115.

An ZHANG, Mi YANG, Wenhao BI, Baichuan ZHANG, Yunong WANG. Task allocation of heterogeneous multi-UAVs in uncertain environment based on multi-strategy integrated GWO[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2023, 44(8): 327115-327115.

图/表 15

表 1

图 1

表 2

表 3

图 2

表 4

表 5

图 3

图 4

表 6

图 5

图 6

图 7

表 7

表 8

参考文献 22

1	杜永浩，邢立宁，蔡昭权. 无人飞行器集群智能调度技术综述［J］. 自动化学报， 2020， 46（2）： 222-241.
	DU Y H， XING L N， CAI Z Q. Survey on intelligent scheduling technologies for unmanned flying craft clusters［J］. Acta Automatica Sinica， 2020， 46（2）： 222-241 （in Chinese）.
2	沈林成，陈璟，王楠. 飞行器任务规划技术综述［J］. 航空学报， 2014， 35（3）： 593-606.
	SHEN L C， CHEN J， WANG N. Overview of air vehicle mission planning techniques［J］. Acta Aeronautica et Astronautica Sinica， 2014， 35（3）： 593-606 （in Chinese）.
3	陈璞，严飞，刘钊，等. 通信约束下异构多无人机任务分配方法［J］. 航空学报， 2021， 42（8）： 525844.
	CHEN P， YAN F， LIU Z， et al. Communication-constrained task allocation of heterogeneous UAVs［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（8）： 525844 （in Chinese）.
4	陈志旺，夏顺，李建雄，等. 考虑分配次序的无人机协同目标分配建模与遗传算法求解［J］. 控制理论与应用， 2019， 36（7）： 1072-1082.
	CHEN Z W， XIA S， LI J X， et al. Modeling of unmanned aerial vehicles cooperative target assignment with allocation order and its solving of genetic algorithm［J］. Control Theory ＆ Applications， 2019， 36（7）： 1072-1082 （in Chinese）.
5	张云飞，林德福，郑多，等. 多目标时空同步协同攻击无人机任务分配与轨迹优化［J］. 兵工学报， 2021， 42（7）： 1482-1495.
	ZHANG Y F， LIN D F， ZHENG D， et al. Task allocation and trajectory optimization of UAV for multi-target time-space synchronization cooperative attack［J］. Acta Armamentarii， 2021， 42（7）： 1482-1495 （in Chinese）.
6	郭继峰，郑红星，贾涛，等. 异构无人系统协同作战关键技术综述［J］. 宇航学报， 2020， 41（6）： 686-696.
	GUO J F， ZHENG H X， JIA T， et al. Summary of key technologies for heterogeneous unmanned system cooperative operations［J］. Journal of Astronautics， 2020， 41（6）： 686-696 （in Chinese）.
7	CHEN Y， YUAN Z H， CHEN B Z. Process optimization with consideration of uncertainties—An overview［J］. Chinese Journal of Chemical Engineering， 2018， 26（8）： 1700-1706.
8	吴蔚楠，崔乃刚，郭继峰. 基于目标信息估计的分布式局部协调任务分配方法［J］. 控制理论与应用， 2018， 35（4）： 566-576.
	WU W N， CUI N G， GUO J F. Distributed task assignment method based on local information consensus and target estimation［J］. Control Theory ＆ Applications， 2018， 35（4）： 566-576 （in Chinese）.
9	KAN X Y， THAYER T C， CARPIN S， et al. Task planning on stochastic aisle graphs for precision agriculture［J］. IEEE Robotics and Automation Letters， 2021， 6（2）： 3287-3294.
10	JIA Z Y. Cooperative multiple task assignment problem with stochastic velocities and time windows for heterogeneous unmanned aerial vehicles using a genetic algorithm［J］. Aerospace Science and Technology， 2018， 76： 112-125.
11	CHEN Y B， YANG D， YU J Q. Multi-UAV task assignment with parameter and time-sensitive uncertainties using modified two-part wolf pack search algorithm［J］. IEEE Transactions on Aerospace and Electronic Systems， 2018， 54（6）： 2853-2872.
12	何勇，张成义，李姗姗. 基于两阶段鲁棒优化的无人机载机平台调度问题［J］. 系统工程学报， 2020， 35（6）： 838-848， 864.
	HE Y， ZHANG C Y， LI S S. Unmanned aerial vehicle carriers scheduling problem based on two-stage robust optimization［J］. Journal of Systems Engineering， 2020， 35（6）： 838-848， 864 （in Chinese）.
13	赵玉亮，宋业新，赵金超，等. 基于鲁棒优化的多无人机协同侦察任务规划［J］. 海军工程大学学报， 2021， 33（1）： 48-54.
	ZHAO Y L， SONG Y X， ZHAO J C， et al. Multi-UAV cooperative reconnaissance mission planning based on robust optimization［J］. Journal of Naval University of Engineering， 2021， 33（1）： 48-54 （in Chinese）.
14	WHITBROOK A， MENG Q G， CHUNG P W H. Addressing robustness in time-critical， distributed， task allocation algorithms［J］. Applied Intelligence， 2019， 49（1）： 1-15.
15	李成严，曹克翰，冯世祥，等. 不确定执行时间的云计算资源调度［J］. 哈尔滨理工大学学报， 2019， 24（1）： 85-91.
	LI C Y， CAO K H， FENG S X， et al. Resource scheduling with uncertain execution time in cloud computing［J］. Journal of Harbin University of Science and Technology， 2019， 24（1）： 85-91 （in Chinese）.
16	范厚明，吴嘉鑫，耿静，等. 模糊需求与时间窗的车辆路径问题及混合遗传算法求解［J］. 系统管理学报， 2020， 29（1）： 107-118.
	FAN H M， WU J X， GENG J， et al. Hybrid genetic algorithm for solving fuzzy demand and time windows vehicle routing problem［J］. Journal of Systems ＆ Management， 2020， 29（1）： 107-118 （in Chinese）.
17	KIM J， KIM T， PARK M， et al. Fuzzy-based resource reallocation scheduling model in cloud computing［C］∥ Frontier and Innovation in Future Computing and Communications， 2014： 43-48.
18	赵玉亮，宋业新，张建军，等. 基于多策略融合粒子群的无人机对地攻击模糊博弈决策［J］. 控制理论与应用， 2019， 36（10）： 1644-1652.
	ZHAO Y L， SONG Y X， ZHANG J J， et al. Fuzzy game decision-making of unmanned aerial vehicles air-to-ground attack based on the particle swarm optimization integrating multiply strategies［J］. Control Theory ＆ Applications， 2019， 36（10）： 1644-1652 （in Chinese）.
19	MIRJALILI S. Grey wolf optimizer［J］. Advances in Engineering Software， 2014， 69： 46-61.
20	NADIMI-SHAHRAKI M H. An improved grey wolf optimizer for solving engineering problems［J］. Expert Systems With Applications， 2021， 166： 113917.
21	范厚明，刘浩，刘鹏程，等. 集货需求模糊的异型车同时配集货路径优化［J］. 控制理论与应用， 2021， 38（5）： 661-675.
	FAN H M， LIU H， LIU P C， et al. Heterogeneous fleet vehicle routing problem with simultaneous deterministic delivery and fuzzy pickup［J］. Control Theory ＆ Applications， 2021， 38（5）： 661-675 （in Chinese）.
22	WHITBROOK A， MENG Q G， CHUNG P W H. Reliable， distributed scheduling and rescheduling for time-critical， multiagent systems［J］. IEEE Transactions on Automation Science and Engineering， 2018， 15（2）： 732-747.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

任务	T₁		T₂		T₃
任务	T_1，1	T_1，2	T_2，1	T_2，2	T_3，1	T_3，2
X	2.6	3.4	1.9	3.6	1.1	2.4
［X］	2	3	1	3	1	2
｛X｝	0.6	0.4	0.9	0.6	0.1	0.4
UAV	U₂	U₃	U₁	U₃	U₁	U₂

编号	类型	价值	打击概率	位置/m	巡航速度/（m·s^-1）
U₁	侦察	69	0	（463，694）	（33，44，55）
U₂	察打	112	0.97	（743，628）	（33，45，56）
U₃	察打	191	0.93	（979，1 336）	（29，39，48）
U₄	打击	71	0.95	（730，1 153）	（31，42，52）

编号	类型	价值	打击概率	位置/m	消失时刻/s	执行时长/s
T_1，1	察	65	0.5	（5 279，8 697）	（1 850，1 975，2 100）	（69，92，115）
T_1，2	打	65	0.5	（5 279，8 697）	（1 850，1 975，2 100）	（218，291，363）
T_2，1	察	84	0.5	（6 196，8 474）	（1 921，2 046，2 171）	（71，95，118）
T_2，2	打	84	0.5	（6 196，8 474）	（1 921，2 046，2 171）	（222，297，371）
T_3，1	察	98	0.5	（6 577，5 004）	（1 437，1 562，1 687）	（78，105，131）
T_3，2	打	98	0.5	（6 577，5 004）	（1 437，1 562，1 687）	（212，283，353）
T_4，1	察	94	0.2	（9 985，8 664）	（1 484，1 609，1 734）	（78，105，131）
T_4，2	打	94	0.2	（9 985，8 664）	（1 484，1 609，1 734）	（211，282，352）
T_5，1	察	83	0.3	（7 570，8 423）	（2 733，2 858，2 983）	（72，97，121）
T_5，2	打	83	0.3	（7 570，8 423）	（2 733，2 858，2 983）	（211，282，352）
T_6，1	察	50	0.4	（7 312，6 062）	（1 771，1 896，2 021）	（71，95，118）
T_6，2	打	50	0.4	（7 312，6 062）	（1 771，1 896，2 021）	（218，291，363）
T_7，1	察	95	0.6	（6 090，5 853）	（2 500，2 625，2 750）	（69，92，115）
T_7，2	打	95	0.6	（6 090，5 853）	（2 500，2 625，2 750）	（216，289，361）
T_8，1	察	52	0.6	（5 825，8 552）	（1 585，1 710，1 835）	（76，102，127）
T_8，2	打	52	0.6	（5 825，8 552）	（1 585，1 710，1 835）	（213，285，356）
T_9，1	察	62	0.5	（8 110，7 115）	（2 685，2 810，2 935）	（75，100，125）
T_9，2	打	62	0.5	（8 110，7 115）	（2 685，2 810，2 935）	（221，295，368）
T_10，1	察	97	0.5	（7 951，5 736）	（2 187，2 312，2 437）	（67，90，112）
T_10，2	打	97	0.5	（7 951，5 736）	（2 187，2 312，2 437）	（224，299，373）

无人机编号	任务序列	任务列表完成时间/s	行驶距离/m
U₁	T_9，1→T_5，1→T_8，1→T_2，1	（470，606，783）	13 531
U₂	T_10，1→T_1，1→T_7，1→T_4，1→T_8，2→T_4，2	（1 006，1 299，1 677）	28 592
U₃	T_6，1→T_10，2→T_3，1→T_6，2→T_5，2→T_7，2	（1 424，1 871，2 373）	16 115
U₄	T_3，2→T_1，2→T_2，2→T_9，2	（1 232，1 614，2 054）	14 206

任务编号	执行无人机	开始时刻/s	时序约束可信度	时间窗约束可信度
T_1，1	U₂	（295，374，492）	1	1
T_1，2	U₄	（787，1 026，1 313）	1	1
T_2，1	U₁	（470，606，783）	1	1
T_2，2	U₄	（964，1 261，1 608）	1	1
T_3，1	U₃	（478，621，796）	0.948	0.969
T_3，2	U₄	（878，1 153，1 464）	0.948	0.969
T_4，1	U₂	（565，724，943）	0.937	0.808
T_4，2	U₂	（1 006，1 299，1 677）	0.937	0.808
T_5，1	U₁	（282，359，470）	1	1
T_5，2	U₃	（1 158，1 521，1 930）	1	1
T_6，1	U₃	（380，493，633）	1	1
T_6，2	U₃	（767，1 007，1 279）	1	1
T_7，1	U₂	（422，539，704）	1	1
T_7，2	U₃	（1 424，1 871，2 373）	1	1
T_8，1	U₁	（386，495，644）	0.929	1
T_8，2	U₂	（718，921，1 197）	0.929	1
T_9，1	U₁	（181，226，302）	1	1
T_9，2	U₄	（1 232，1 614，2 054）	1	1
T_10，1	U₂	（157，196，261）	1	1
T_10，2	U₃	（878，1 152，1 463）	1	1

基于多策略GWO算法的不确定环境下异构多无人机任务分配

Task allocation of heterogeneous multi-UAVs in uncertain environment based on multi-strategy integrated GWO

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 22

相关文章 15

编辑推荐

Metrics

本文评价

算法	M=6，N=8					M=4，N=10					M=4，N=12
算法	PSO	GWO	IGWO	MOPSO	IMSGWO	PSO	GWO	IGWO	MOPSO	IMSGWO	PSO	GWO	IGWO	MOPSO	IMSGWO
BST	2.59	2.638 9	2.597 6	2.689 3	2.564 8	3.156 7	3.169 7	3.167 9	3.191 8	3.096 7	3.732 3	3.756 2	3.733 4	3.731 5	3.013
AVG	6.575 8	2.689	2.669 5	2.821 1	2.624 2	7.084 7	3.190 7	3.182 5	3.458 2	3.146 5	23.368	7.941 1	4.528 5	8.712 8	3.654 6
WST	22.312	2.738	2.711 3	2.959 9	2.657 7	22.750	3.208 1	3.194 3	4.366 6	3.185 3	33.327	13.624	7.946 1	33.741	3.741 1
STD	8.293 4	0.035 8	0.030 7	0.093 8	0.024 5	8.246 3	0.011 8	0.091 1	0.372 3	0.026 7	8.050 9	4.525 2	1.513 1	12.745 3	0.225 7
AVGIter	225.5	55.5	21.2	22	32.7	223.4	42.5	24.2	31	35.5	362.7	439.5	173	261	230.9
AVGDis/m	13 946	14 514	14 464	14 795	14 290	18 984	18 273	18 291	19 422	18 422	22 640	23 343	23 146	25 427	22 243
AVGComTime/s	778	815	802	801	797	1 318	1 244	1 312	1 326	1 274	1 515	1 586	1 539	1 565	1 518

任务载荷设置	决策者偏好c_r	RePer/%	ReSucPer/%
M=6，N=8	0.2	86	83.72
	0.5	72.25	92.5
	0.8	67.28	95.83
M=4，N=10	0.2	96	79.41
	0.5	82	86.46
	0.8	75.37	91.38
M=4，N=12	0.2	100	74.5
	0.5	94. 5	76.31
	0.8	87.21	86.96

任务载荷设置	不确定程度χ	RePer/%	ReSucPer/%
M=6，N=8	0.2	63.25	76.77
	0.5	74.25	98.81
	0.8	89.5	100
M=4，N=10	0.2	85.25	74.75
	0.5	86.5	93.2
	0.8	99.25	95.09
M=4，N=12	0.2	100	72.25
	0.5	100	92.5
	0.8	100	94.5

[1]	符小卫, 徐哲, 朱金冬, 王楠. 基于PER-MATD3的多无人机攻防对抗机动决策[J]. 航空学报, 2023, 44(7): 327083-327083.
[2]	张烁, 刘治汶. 航空发动机轴承故障结构化贝叶斯稀疏表示[J]. 航空学报, 2022, 43(9): 625056-625056.
[3]	符小卫, 王辉, 徐哲. 基于DE-MADDPG的多无人机协同追捕策略[J]. 航空学报, 2022, 43(5): 325311-325311.
[4]	任少睿, 陆忠梅, 石远明, 李立欣, 陈巍. 一种基于信息素图的无人机高效通信覆盖方法[J]. 航空学报, 2022, 43(2): 324939-324939.
[5]	张瑞鹏, 冯彦翔, 杨宜康. 多无人机协同任务分配混合粒子群算法[J]. 航空学报, 2022, 43(12): 326011-326011.
[6]	薛镇涛, 陈建, 张自超, 刘旭赞, 苗宪盛, 胡贵. 基于复杂地块凸划分优化的多无人机覆盖路径规划[J]. 航空学报, 2022, 43(12): 325990-325990.
[7]	陈璞, 严飞, 刘钊, 成果达. 通信约束下异构多无人机任务分配方法[J]. 航空学报, 2021, 42(8): 525844-525844.
[8]	倪媛, 杨浩, 姜斌. 蜂群对抗决策故障下的容错博弈控制[J]. 航空学报, 2021, 42(4): 524978-524978.
[9]	罗棕, 杜春, 陈浩, 彭双, 李军. 基于Transformer层次预测的多星应急观测任务规划方法[J]. 航空学报, 2021, 42(4): 524721-524721.
[10]	田栢苓, 李品品, 鲁瀚辰, 宗群. 复杂环境下多无人机轨迹姿态协同控制[J]. 航空学报, 2020, 41(S2): 724245-724245.
[11]	王然然, 魏文领, 杨铭超, 刘玮. 考虑协同航路规划的多无人机任务分配[J]. 航空学报, 2020, 41(S2): 724234-724234.
[12]	冉华明, 熊蓉玲. 空战中机群编队分层优化算法[J]. 航空学报, 2020, 41(S2): 724257-724257.
[13]	王通, 黄攀峰, 董刚奇. 启发式多无人机协同路网持续监视轨迹规划[J]. 航空学报, 2020, 41(S1): 723753-723753.
[14]	刘宇轩, 刘虎, 田永亮, 孙聪. 面向林火持续侦察的多无人机分布式控制方法[J]. 航空学报, 2020, 41(2): 323381-323381.
[15]	陈灿, 莫雳, 郑多, 程子恒, 林德福. 非对称机动能力多无人机智能协同攻防对抗[J]. 航空学报, 2020, 41(12): 324152-324152.