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

Abstract

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

CLC Number:

V249

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.

Figures/Tables 15

Table 1

Fig. 1

Table 2

Table 3

Fig. 2

Table 4

Table 5

Fig. 3

Fig. 4

Table 6

Fig. 5

Fig. 6

Fig. 7

Table 7

Table 8

References 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.

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

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

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 15

References 22

Related Articles 6

Recommended Articles

Metrics

Comments

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]	CHEN Pu, YAN Fei, LIU Zhao, CHENG Guoda. Communication-constrained task allocation of heterogeneous UAVs [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2021, 42(8): 525844-525844.
[2]	NI Yuan, YANG Hao, JIANG Bin. Fault tolerant game control of swarm confrontation with decision faults [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2021, 42(4): 524978-524978.
[3]	LUO Zong, DU Chun, CHEN Hao, PENG Shuang, LI Jun. Multi-satellite scheduling approach for emergency scenarios based on hierarchical forecasting with Transformer network [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2021, 42(4): 524721-524721.
[4]	TIAN Bailing, LI Pinpin, LU Hanchen, ZONG Qun. Trajectory and attitude coordinated control of multiple unmanned aerial vehicles (UAVs) in complex environments [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2020, 41(S2): 724245-724245.
[5]	WANG Ranran, WEI Wenling, YANG Mingchao, LIU Wei. Task allocation of multiple UAVs considering cooperative route planning [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2020, 41(S2): 724234-724234.
[6]	RAN Huaming, XIONG Rongling. Hierarchical optimization algorithm for air fleet formation in air-combat [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2020, 41(S2): 724257-724257.