留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于SAGWO算法的UCAVs动态协同任务分配

魏政磊 赵辉 黄汉桥 王骁飞 周瑞

魏政磊, 赵辉, 黄汉桥, 等 . 基于SAGWO算法的UCAVs动态协同任务分配[J]. 北京航空航天大学学报, 2018, 44(8): 1651-1664. doi: 10.13700/j.bh.1001-5965.2017.0589
引用本文: 魏政磊, 赵辉, 黄汉桥, 等 . 基于SAGWO算法的UCAVs动态协同任务分配[J]. 北京航空航天大学学报, 2018, 44(8): 1651-1664. doi: 10.13700/j.bh.1001-5965.2017.0589
WEI Zhenglei, ZHAO Hui, HUANG Hanqiao, et al. Dynamic UCAVs cooperative task allocation based on SAGWO algorithm[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(8): 1651-1664. doi: 10.13700/j.bh.1001-5965.2017.0589(in Chinese)
Citation: WEI Zhenglei, ZHAO Hui, HUANG Hanqiao, et al. Dynamic UCAVs cooperative task allocation based on SAGWO algorithm[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(8): 1651-1664. doi: 10.13700/j.bh.1001-5965.2017.0589(in Chinese)

基于SAGWO算法的UCAVs动态协同任务分配

doi: 10.13700/j.bh.1001-5965.2017.0589
基金项目: 

国家自然科学基金 61601505

航空科学基金 20155196022

详细信息
    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

    通讯作者:

    魏政磊, E-mail: zhenglei_wei@126.com

  • 中图分类号: V279

Dynamic UCAVs cooperative task allocation based on SAGWO algorithm

Funds: 

National Natural Science Foundation of China 61601505

Aeronautical Science Foundation of China 20155196022

More Information
  • 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。

     

  • 图 1  GWO算法猎食过程

    Figure 1.  Hunting process of GWO algorithm

    图 2  目标任务序列编码

    Figure 2.  Target task sequence coding

    图 3  仿真环境初始设置

    Figure 3.  Initial setting of simulation environment

    图 4  UCAV编队攻击目标的任务分配

    Figure 4.  Attack target task allocation of UCAV formation

    图 5  SAGWO算法的适应度值变化曲线

    Figure 5.  Fitness variation curves of SAGWO algorithm

    图 6  SAGWO算法各评价指标曲线

    Figure 6.  Evaluation index curves of SAGWO algorithm

    图 7  基于不同算法的6架UCAV编队攻击8目标适应度值变化曲线

    Figure 7.  Fitness variation curves of 6-UCAV formation attacking 8 targets based on different algorithms

    图 8  不同规模任务分配优化时间对比

    Figure 8.  Comparison of optimization time for different scales of task allocation

    图 9  基于目标移动的动态任务分配

    Figure 9.  Dynamic task allocation based on target movement

    图 10  240个时间片的适应度值变化曲线

    Figure 10.  Fitness curve for 240 time slices

    图 11  第240个时间片的优化结果

    Figure 11.  Optimized results fitness in the 240th time slice

    图 12  一架UCAV失效后一个时间片内的优化结果

    Figure 12.  Optimized result in a time slice after invalidation of an UCAV

    图 13  增加目标后一个时间片内的优化结果

    Figure 13.  Optimized result in a time slice after increased targets

    表  1  UCAV编队信息设置

    Table  1.   Information setting of UCAV formation

    UCAV 位置/
    km
    导弹数量×型号 软杀伤武器数量 速度/
    (m·s-1)
    价值量
    V1 (35, 0) 2×A-AGM 2 238 0.8
    V2 (40, 6) 2×B-AGM 1 238 0.9
    V3 (48, 10) 2×A-AGM 2 238 0.95
    V4 (54, 9) 2×B-AGM 1 238 0.95
    V5 (62, 6) 2×A-AGM 2 238 0.85
    V6 (67, 0) 2×B-AGM 0 238 0.8
    下载: 导出CSV

    表  2  UCAV的武器适应度

    Table  2.   Weapon fitness of UCAV

    导弹编号 V1 V2 V3 V4 V5 V6
    1 0.98 0.95 0.99 0.99 0.99 0.95
    2 1 1 0.96 0.97 1 1
    下载: 导出CSV

    表  3  目标信息设置

    Table  3.   Information setting of targets

    目标 类型 位置/km 价值量
    T1 SAM (15, 74) 0.75
    T2 Radar (20, 85) 0.7
    T3 SAM (30, 80) 0.75
    T4 AAGun (40, 76) 0.5
    T5 AAGun (60, 76) 0.5
    T6 AAGun (70, 80) 0.5
    T7 SAM (80, 85) 0.75
    T8 Radar (85, 74) 0.7
    下载: 导出CSV

    表  4  目标间依赖矩阵

    Table  4.   Dependence matrix of targets

    目标 T1 T2 T3 T4 T5 T6 T7 T8
    T1 1 0.2 0.9 0.95 0.95 0.95 0.9 0.1
    T2 0.2 1 0.2 0.1 0.1 0.1 0.1 0.5
    T3 0.9 0.8 1 0.95 0.95 0.95 0.9 0.8
    T4 0.1 0.1 0.3 1 0.1 0.1 0.1 0.1
    T5 0.1 0.1 0.3 0.1 1 0.1 0.1 0.1
    T6 0.1 0.1 0.3 0.1 0.1 1 0.1 0.1
    T7 0.9 0.8 0.95 0.95 0.95 0.9 1 0.8
    T8 0.2 1 0.2 0.1 0.1 0.1 0.1 1
    下载: 导出CSV

    表  5  UCAV对目标的优势概率

    Table  5.   Advantage probability of UCAV to target

    UCAV 导弹编号 T1 T2 T3 T4 T5 T6 T7 T8
    V1 1 0.398 0.380 0.399 0.398 0.387 0.398 0.390 0.388
    2 0.400 0.406 0.421 0.400 0.408 0.400 0.391 0.403
    V2 3 0.459 0.395 0.441 0.487 0.457 0.396 0.395 0.389
    4 0.465 0.420 0.446 0.485 0.461 0.401 0.400 0.400
    V3 5 0.399 0.396 0.411 0.399 0.401 0.386 0.395 0.399
    6 0.396 0.394 0.396 0.369 0.396 0.390 0.396 0.396
    V4 7 0.435 0.398 0.442 0.498 0.508 0.461 0.399 0.467
    8 0.434 0.397 0.440 0.496 0.506 0.458 0.397 0.465
    V5 9 0.399 0.400 0.394 0.399 0.407 0.399 0.402 0.399
    10 0.403 0.400 0.404 0.405 0.400 0.411 0.400 0.400
    V6 11 0.395 0.395 0.387 0.395 0.426 0.396 0.395 0.430
    12 0.410 0.405 0.400 0.399 0.431 0.404 0.424 0.432
    下载: 导出CSV

    表  6  目标对UCAV的威胁概率

    Table  6.   Threat probability of target to UCAV

    目标 V1 V2 V3 V4 V5 V6
    T1 0.528 0.651 0.705 0.668 0.573 0.400
    T2 0.124 0.159 0.175 0.160 0.126 0.079
    T3 0.523 0.649 0.706 0.669 0.575 0.421
    T4 0.121 0.158 0.176 0.163 0.130 0.083
    T5 0.120 0.157 0.201 0.162 0.130 0.082
    T6 0.122 0.157 0.217 0.154 0.130 0.101
    T7 0.514 0.638 0.695 0.660 0.567 0.397
    T8 0.124 0.159 0.175 0.161 0.127 0.080
    下载: 导出CSV

    表  7  UCAVs最优任务分配

    Table  7.   Best task allocation of UCAVs

    目标 T1 T2 T3 T4 T5 T6 T7 T8
    UCAV V2 V1 V2 V3 V4 V6 V5 V4
    下载: 导出CSV

    表  8  UCAV飞行时间矩阵

    Table  8.   Fly time matrix of UCAV

    UCAV T1 T2 T3 T4 T5 T6 T7 T8
    V1 322.1 362.7 336.8 320.0 336.2 366.9 404.1 375.3
    V2 304.4 342.4 313.7 294.1 305.9 335.5 372.1 342.6
    V3 302.5 336.4 303.7 279.3 281.8 308.3 342.6 310.6
    V4 318.5 349.8 314.9 287.6 282.6 305.8 337.5 302.6
    V5 347.3 375.9 338.8 308.3 294.2 312.7 340.4 301.6
    V6 380.1 408.1 370.3 338.9 320.7 336.4 361.3 320.0
    下载: 导出CSV

    表  9  机动目标速度

    Table  9.   Speed of maneuvering targets

    目标 合速度/
    (m·s-1)
    x方向速度/
    (m·s-1)
    y方向速度/
    (m·s-1)
    T1 25 25sin(πt/180) 25cos(πt/180)
    T2 10 10sin(π/4) -10cos(π/4)
    T3 25 -25sin(πt/180) -25cos(πt/180)
    T4 7 -7 0
    T5 7 7sin(π/3) 7cos(π/3)
    T6 7 7 0
    T7 25 -25sin(π/6) -25cos(π/6)
    T8 10 -10 0
    下载: 导出CSV

    表  10  5个时间片的任务分配方案比较

    Table  10.   Comparison of task allocation scheme for 5 time slices

    时间/s V1 V2 V3 V4 V5 V6
    0 T1 T3, T2 T4 T5, T8 T7 T6
    60 T2 T1, T3 T4 T5 T6, T7 T8
    120 T3 T1, T2 T4 T5 T6, T7 T8
    180 T3, T2 T1 T5 T4 T6 T8, T7
    240 T3 T1, T2 T5 T4 T6 T8, T7
    下载: 导出CSV

    表  11  5个时间片的任务分配优化时间消耗与适应度值

    Table  11.   Task allocation optimization time and fitness for 5 time slices

    时间/s 优化时间/s 最优适应度值 平均适应度值
    0 0.286 8 0.771 5 0.868 2
    60 0.269 3 0.817 6 0.971 2
    120 0.263 8 0.702 6 0.907 6
    180 0.263 5 0.546 4 0.732 2
    240 0.262 5 0.323 5 0.498 0
    下载: 导出CSV

    表  12  一架UCAV失效前后的任务分配方案比较

    Table  12.   Comparison of task allocation scheme before and after invalidation of an UCAV

    UCAV V1 V2 V3 V4 V5 V6
    失效前 失效后 失效前 失效后 失效前 失效后 失效前 失效后 失效前 失效后 失效前 失效后
    目标 T3 T4, T3 T1, T2 T1, T2 T5 T5 T4 0 T6 T6 T8, T7 T8, T7
    下载: 导出CSV

    表  13  一架UCAV失效前后的任务分配优化结果对比

    Table  13.   Comparison of task allocation optimized result before and after invalidation of an UCAV

    优化指标 优化时间/s 最优适应度值 平均适应度值
    失效前 失效后 失效前 失效后 失效前 失效后
    数值 0.262 5 0.249 3 0.323 5 0.376 4 0.498 0 0.542 0
    下载: 导出CSV

    表  14  新增目标的信息设置

    Table  14.   Information setting of increased targets

    目标 类型 位置/km 价值量 速度/(m·s-1)
    T9 SAM (47, 53) 0.75 (-25, 0)
    T10 SAM (69, 68) 0.75 (25, 0)
    下载: 导出CSV

    表  15  新增目标依赖矩阵

    Table  15.   Dependence matrix of increased targets

    目标 T1 T2 T3 T4 T5 T6 T7 T8 T9 T10
    T9 0.5 0.2 0.6 0.3 0.1 0.1 0.6 0.1 1 0.9
    T10 0.4 0.1 0.55 0.2 0.3 0.2 0.7 0.1 0.9 1
    下载: 导出CSV

    表  16  增加目标前后的任务分配方案比较

    Table  16.   Comparison of task allocation scheme before and after increased targets

    UCAV V1 V2 V3 V4 V5 V6
    增加目标前 增加目标后 增加目标前 增加目标后 增加目标前 增加目标后 增加目标前 增加目标后 增加目标前 增加目标后 增加目标前 增加目标后
    目标 T3 T3 T1, T2 T1, T2 T5 T9T4 T4 T10T5 T6 T6 T8, T7 T8, T7
    下载: 导出CSV

    表  17  增加目标前后的任务分配优化结果对比

    Table  17.   Comparison of task allocation optimized result before and after increased targets

    优化指标 优化时间/s 最优适应度值 平均适应度值
    增加目标前 增加目标后 增加目标前 增加目标后 增加目标前 增加目标后
    数值 0.262 5 0.287 1 0.323 5 0.441 6 0.498 0 0.883 0
    下载: 导出CSV
  • [1] 龙涛, 朱华勇, 沈林成.多UCAV协同中基于协商的分布式任务分配研究[J].宇航学报, 2006, 27(3):457-462. doi: 10.3321/j.issn:1000-1328.2006.03.026

    LONG T, ZHU H Y, SHEN L C.Negotiation-based distributed task allocation for cooperative multiple unmanned combat aerial vehicles[J].Journal of Astronautics, 2006, 27(3):457-462(in Chinese). doi: 10.3321/j.issn:1000-1328.2006.03.026
    [2] 杨啸天, 刘小军, 冯金富, 等.不确定环境下空地多目标攻击优先权决策[J].南京理工大学学报, 2012, 36(4):567-571. doi: 10.3969/j.issn.1005-9830.2012.04.003

    YANG X T, LIU X J, FENG J F, et al.Priority decision of air to surface multi-target attack under uncertainty[J].Journal of Nanjing University of Science and Technology, 2012, 36(4):567-571(in Chinese). doi: 10.3969/j.issn.1005-9830.2012.04.003
    [3] 王永泉, 罗建军.基于多群体改进萤火虫算法的UCAV协同多目标分配[J].西北工业大学学报, 2014, 32(3):451-455. doi: 10.3969/j.issn.1000-2758.2014.03.023

    WANG Y Q, LUO J J.Target assignment in cooperative attacking of UCAVs based on multi-intelligence improved glowworm swarm optimization algorithm[J].Journal of Northwestern Polytechnical University, 2014, 32(3):451-455(in Chinese). doi: 10.3969/j.issn.1000-2758.2014.03.023
    [4] 颜骥, 李相民, 刘波.基于离散粒子群-郭涛算法分配多无人机协同任务[J].国防科技大学学报, 2015, 37(4):165-171. http://kns.cnki.net/KCMS/detail/detail.aspx?filename=GFKJ201504027&dbname=CJFD&dbcode=CJFQ

    YAN J, LI X M, LIU B.Cooperative task allocation of multi-UAVs with mixed DPSO-GT algorithm[J].Journal of National University of Defense Technology, 2015, 37(4):165-171(in Chinese). http://kns.cnki.net/KCMS/detail/detail.aspx?filename=GFKJ201504027&dbname=CJFD&dbcode=CJFQ
    [5] RABBATH C A, GOGNON E, LAUZON M.On the cooperative control of multiple unmanned aerial vehicles[J].IEEE Canadian Review, 2004(46):15-19. http://canrev.ieee.ca/cr46/pages15-19.pdf
    [6] AMATO P, FARINA M.An alift-inspired evoluntionary algorithm for dynamic multiobjective optimization problems[J].Soft Computing:Methodologies and Applications, 2005, 32:113-125. doi: 10.1007/3-540-32400-3_9
    [7] 魏政磊, 赵辉, 韩邦杰, 等.基于自适应GWO的多UCAV协同攻击目标决策[J].计算机工程与应用, 2016, 52(18):257-261. doi: 10.3778/j.issn.1002-8331.1601-0316

    WEI Z L, ZHAO H, HAN B J, et al.Research on cooperative attack decision of unmanned combat aerial vehicles using self-adaptive grey wolf optimization[J].Computer Engineering and Application, 2016, 52(18):257-261(in Chinese). doi: 10.3778/j.issn.1002-8331.1601-0316
    [8] 罗德林, 段海滨, 吴顺祥, 等.基于启发式蚁群算法的协同多目标攻击空战决策研究[J].航空学报, 2006, 27(6):1166-1170. doi: 10.3321/j.issn:1000-6893.2006.06.034

    LUO D L, DUAN H B, WU S X, et al.Research on air combat decision-making for cooperative multiple target attack using heuristic ant colony algorithm[J].Acta Aeronautica et Astronautica Sinica, 2006, 27(6):1166-1170(in Chinese). doi: 10.3321/j.issn:1000-6893.2006.06.034
    [9] 郑昌文, 严平, 丁明跃.飞行器航迹规划研究现状与趋势[J].宇航学报, 2007, 28(6):1441-1446. doi: 10.3321/j.issn:1000-1328.2007.06.001

    ZHENG C W, YAN P, DING M Y.Research status and trend of route planning for flying vehicles[J].Journal of Astronautics, 2007, 28(6):1441-1446(in Chinese). doi: 10.3321/j.issn:1000-1328.2007.06.001
    [10] 王宝龙, 黄考利, 马立元, 等.基于依赖矩阵的测试性分析[J].计算机测量与控制, 2011, 19(6):1260-1265. http://d.old.wanfangdata.com.cn/Periodical/jsjzdclykz201106002

    WANG B L, HUANG K L, MA L Y, et al.Dependency matrix based testability analysis[J].Computer Measurement & Control, 2011, 19(6):1260-1265(in Chinese). http://d.old.wanfangdata.com.cn/Periodical/jsjzdclykz201106002
    [11] 王庆江, 彭军, 曾儒伟, 等.无人机对地多目标攻击决策研究[J].电光与控制, 2014, 21(11):57-61. doi: 10.3969/j.issn.1671-637X.2014.11.011

    WANG Q J, PENG J, ZENG R W, et al.Decision-making of UAVs for air-to-ground multi-target attacking[J].Electronics Optics & Control, 2014, 21(11):57-61(in Chinese). doi: 10.3969/j.issn.1671-637X.2014.11.011
    [12] 潘峰, 陈杰, 任智平, 等.基于计算智能方法的无人机任务指派约束优化模型研究[J].兵工学报, 2009, 30(12):1706-1713. doi: 10.3321/j.issn:1000-1093.2009.12.026

    PAN F, CHEN J, REN Z P, et al.Research on vehicle assignment model for constraints handing based on computational intelligence algorithms[J].Acta Armamentarii, 2009, 30(12):1706-1713(in Chinese). doi: 10.3321/j.issn:1000-1093.2009.12.026
    [13] CHANDLER P R, PACHTER M, SWAROOP D, et al. Complexity in UAV cooperative control[C]//The Proceedings of American Control Conference. Piscataway, NJ: IEEE Press, 2012: 1831-1836. http://ieeexplore.ieee.org/xpls/icp.jsp?arnumber=1023833
    [14] SEYEDALI M, SEYED M M, ANDREW L.Grey wolf optimizer[J].Advances in Engineering Software, 2014, 69:46-61. doi: 10.1016/j.advengsoft.2013.12.007
    [15] SEYEDALI M, SHAHRZAD S, SEYED M M, et al.Multi-objective grey wolf optimizer:A novel algorithm for multi-criterion optimization[J].Expert Systems With Application, 2016, 47:106-119. doi: 10.1016/j.eswa.2015.10.039
    [16] ZHU A J, XU C P.Hybridizing grey wolf optimization with differential evolution for global optimization and test scheduling for 3D stacked SoC[J].Journal of Systems Engineering and Electronics, 2015, 26(2):317-328. doi: 10.1109/JSEE.2015.00037
    [17] 龙文, 赵东泉, 徐松金.求解约束优化问题的改进灰狼优化算法[J].计算机应用, 2015, 35(9):2590-2595. doi: 10.3969/j.issn.1001-3695.2015.09.007

    LONG W, ZHAO D Q, XU S J.Improved grey wolf optimization algorithm for constrained optimization problem[J].Journal of Computer Application, 2015, 35(9):2590-2595(in Chinese). doi: 10.3969/j.issn.1001-3695.2015.09.007
    [18] 魏政磊, 赵辉, 李牧东, 等.控制参数值非线性调整策略的灰狼优化算法[J].空军工程大学学报(自然科学版), 2016, 17(3):104-110. http://d.old.wanfangdata.com.cn/Periodical/kjgcdxxb201603013

    WEI Z L, ZHAO H, LI M D, et al.A grey wolf optimization algorithm based on nonlinear adjustment strategy of control parameter[J].Journal of Air Force Engineering University(Natural Science Edition), 2016, 17(3):104-110(in Chinese). http://d.old.wanfangdata.com.cn/Periodical/kjgcdxxb201603013
    [19] 周敏, 李太勇.粒子群优化算法中的惯性权重值非线性调整[J].计算机工程, 2011, 37(5):68-72. doi: 10.3969/j.issn.1000-3428.2011.05.023

    ZHOU M, LI T Y.Nonlinear adjustment strategy of inertia weight in particle swarm optimization algorithm[J].Computer Engineering, 2011, 37(5):68-72(in Chinese). doi: 10.3969/j.issn.1000-3428.2011.05.023
    [20] CHATTERJEE A, SIARRY P.Nonlinear inertia weight variation for dynamic adaptation in particle swarm optimization[J].Computers & Operations Research, 2006, 33(3):859-871. http://www.sciencedirect.com/science/article/pii/S0305054804002023
    [21] 李牧东, 赵辉, 翁兴伟.具有广泛学习策略的回溯搜索优化算法[J].系统工程与电子技术, 2015, 37(4):958-963. http://d.old.wanfangdata.com.cn/Periodical/xtgcydzjs201504036

    LI M D, ZHAO H, WENG X W.Backtracking search optimization algorithm with comprehensive learning strategy[J].Systems Engineering and Electronics, 2015, 37(4):958-963(in Chinese). http://d.old.wanfangdata.com.cn/Periodical/xtgcydzjs201504036
    [22] SOLIS F, WETS R.Minimization by random search techniques[J].Mathematics of Operations Research, 1981, 6(1):19-30. doi: 10.1287/moor.6.1.19
    [23] TAL S, STEVEN J R, ANDREW G S, et al.Multiple task assignments for cooperating uninhabited aerial vehicles using genetic algorithms[J].Computers & Operations Research, 2006, 33(11):3252-3269. http://www.sciencedirect.com/science/article/pii/S030505480500095X
  • 加载中
图(13) / 表(17)
计量
  • 文章访问数:  351
  • HTML全文浏览量:  4
  • PDF下载量:  420
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-09-21
  • 录用日期:  2017-12-11
  • 刊出日期:  2018-08-20

目录

    /

    返回文章
    返回
    常见问答