SCMOPSO算法的陆军合成旅协同多任务分配方法

针对陆军合成旅作战任务多样化、作战力量多类别带来的协同指挥难的问题,提出一种基于SCMOPSO算法的陆军合成旅协同多任务分配方法。根据陆军合成旅协同作战特性建立了协同多任务分配模型,提出一种SCMOPSO算法对该模型进行求解,设计了不同作战场景进行仿真验证。仿真结果表明,该方法显著降低了陆军合成旅协同多任务分配方案的任务执行时间与成本消耗,且所提SCMOPSO算法在各项评价指标中均优于传统的NSGA-II与MOPSO算法。

基于改进黑猩猩算法的异构多无人机协同任务分配

针对异构多无人机对地面多类型固定目标的任务分配问题,提出一种基于协同多任务分配模型和改进黑猩猩算法的任务分配方法。通过对四元组内元素的设定完成模型构建,建立总收益最高、威胁代价最低、总航程最短的多目标评价函数。使用改进黑猩猩算法完成模型求解,引入混沌反向学习策略提升初始种群分布的多样性,在迭代阶段使用抢食行为动态调整策略,提升了跳出局部最优解的能力。实验表明:相比原算法,改进黑猩猩算法所得任务分配方案在保持较高任务收益和较低威胁代价的同时,在两种规模场景下的平均总航程分别降低了22.6%和21.1%。

基于蚁群算法的无人机协同多任务分配

采用蚁群算法对无人机协同多任务分配问题(CMTAP)进行研究。在通用CMTAP模型的基础上,综合考虑包括动态任务时间约束和无人机任务能力的差别多类复杂约束条件,建立扩展的协同多任务分配模型。在多子群蚁群算法的基础上,提出了基于分工机制的蚁群算法对CMTAP进行求解。根据协同多任务分配的特点,设计了基于任务能力评估的问题解构造策略和基于任务代价的状态转移规则,提高了算法的性能。仿真实验结果表明该方法能有效地解决无人机协同多任务分配问题。

多无人机系统协同多任务分配模型与仿真

针对多约束条件下的多无人机系统协同多任务分配问题(CMTAP),提出了利用多约束条件下的多车场车辆路径问题(MDVRPMC)对协同多任务分配问题进行建模,在设计基于Pareto最优的遗传模拟退火算法的基础上,对存在任务点动态时间窗口约束、任务类型约束、无人机任务能力约束等条件下的协同多任务分配问题进行了求解。实例仿真表明,该方法能有效地解决多无人机系统的协同多任务分配问题。

一种改进多目标灰狼优化算法的多无人机任务分配

针对多无人机对空中移动目标协同执行多任务问题,本文提出了一种基于并行机制的多目标灰狼优化算法。结合无人机空中态势模型,以最小化执行代价和最小化时间代价为双目标函数,建立了多无人机协同多任务分配模型;将多个无人机视为并行的灰狼子群,对每个子群分别采用分层编码和多目标优化算法保留其最优个体;通过档案室共享策略获得整个群体的最优解;仿真对比验证了改进多目标灰狼优化算法与传统的智能算法。研究结果表明:与多目标灰狼优化算法和多目标粒子群算法相比,基于并行机制的多目标灰狼优化算法在代价函数均值方面分别降低了约3.8%和4.1%,在收敛值方面分别降低了约15.5%和6.2%,具有更好的稳定性和收敛性。