北京航空航天大学学报 ›› 2018, Vol. 44 ›› Issue (8): 1651-1664.doi: 10.13700/j.bh.1001-5965.2017.0589

• 论文 • 上一篇    下一篇

基于SAGWO算法的UCAVs动态协同任务分配

魏政磊1, 赵辉1, 黄汉桥2, 王骁飞1, 周瑞1   

  1. 1. 空军工程大学 航空工程学院, 西安 710038;
    2. 西北工业大学 无人机系统技术研究院, 西安 710072
  • 收稿日期:2017-09-21 修回日期:2017-12-11 出版日期:2018-08-20 发布日期:2018-08-29
  • 通讯作者: 魏政磊 E-mail:zhenglei_wei@126.com
  • 作者简介:魏政磊,男,博士研究生。主要研究方向:无人机作战系统与智能优化算法;赵辉,男,博士,教授,博士生导师。主要研究方向:无人机作战系统与智能优化算法;黄汉桥,男,博士,副教授。主要研究方向:无人机作战系统;王骁飞,男,博士研究生。主要研究方向:无人机作战系统与智能优化算法;周瑞,男,硕士研究生。主要研究方向:无人机作战系统。
  • 基金资助:
    国家自然科学基金(61601505);航空科学基金(20155196022)

Dynamic UCAVs cooperative task allocation based on SAGWO algorithm

WEI Zhenglei1, ZHAO Hui1, HUANG Hanqiao2, WANG Xiaofei1, ZHOU Rui1   

  1. 1. Aeronautics Engineeering Couege, Air Force Engineering University, Xi'an 710038, China;
    2. Unmanned System Research Institute, Northwestern Polytechnical University, Xi'an 710072, China
  • Received:2017-09-21 Revised:2017-12-11 Online:2018-08-20 Published:2018-08-29
  • Supported by:
    National Natural Science Foundation of China (61601505); Aeronautical Science Foundation of China (20155196022)

摘要: 通过分析无人作战飞机(UCAV)优势概率和任务联合威胁以及定义任务时间,建立了以目标价值毁伤、编队损耗代价和时间消耗为性能指标的多无人作战飞机(UCAVs)多约束动态任务分配数学模型,采用改进的灰狼优化(GWO)算法对数学模型进行求解;针对基本GWO算法求解早熟的缺点,给出了自适应调整策略和跳出局部最优策略,引入了二次曲线控制方法;对UCAVs动态协同任务分配特点,设计了目标任务序列编码方式,提出了基于自适应GWO(SAGWO)算法的UCAVs多目标动态任务分配方法。从静态与动态2种情况分别对该方法进行仿真验证;仿真结果表明,该方法是有效的,相比较于其他算法,其优化过程快速精准。

关键词: 多无人作战飞机(UCAVs), 动态协同任务分配, 目标依赖矩阵, 任务时间片, 自适应灰狼优化(SAGWO)算法

Abstract: Through analyzing unmanned combat aerial vechicle (UCAV) advantage probability and task joint threat and defining task time, the task allocation model for UCAVs with multi-constraint dynamic task allocation is built up, which takes target value damage, UCAV attrition and task expending time as the performance indexes, and the improved grey wolf optimization (GWO) algorithm is used to solve the model. Aimed at the flaw of early convergence from the original algorithm, the GWO algorithm is improved by proposing a self-adaptive adjustment strategy and a step-out local optimum strategy, using quadratic curve control method. According to the characteristics of UCAVs dynamic cooperative task allocation, target task sequence coding is designed to present the UCAVs dynamic task allocation method based on self-adaptive GWO (SAGWO) algorithm. Finally, the simulation results for static and dynamic task allocation show that the task allocation method based on SAGWO algorithm is valid, and compared with other algorithms, the optimizing process is rapid and accurate.

Key words: unmanned combat aerial vehicles (UCAVs), dynamic cooperative task allocation, target dependence matrix, task time slice, self-adaptive grey wolf optimization (SAGWO) algorithm

中图分类号: 


版权所有 © 《北京航空航天大学学报》编辑部
通讯地址:北京市海淀区学院路37号 北京航空航天大学学报编辑部 邮编:100191 E-mail:jbuaa@buaa.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发