本發(fā)明涉及信息，尤其涉及無人機(jī)任務(wù)分配方法及系統(tǒng)，特別涉及一種混沌自適應(yīng)遺傳算法的無人機(jī)任務(wù)分配方法，具體涉及一種基于改進(jìn)混沌自適應(yīng)遺傳算法的無人機(jī)任務(wù)分配方法。

背景技術(shù)：

1、無人機(jī)(unmanned?aerial?vehicle，uav)因其成本低、靈活性高、隱蔽性強(qiáng)而被廣泛應(yīng)用于戰(zhàn)場偵察、聯(lián)合攻擊、應(yīng)急救援等行動。在無人機(jī)技術(shù)的迅猛發(fā)展和廣泛應(yīng)用的背景下，無人機(jī)集群任務(wù)分配問題已成為研究的熱點(diǎn)之一。無人機(jī)任務(wù)分配是將一個或一組有序任務(wù)分配給無人機(jī)，并保證其總體收益達(dá)到最優(yōu)。遺傳算法是無人機(jī)任務(wù)分配群智能的經(jīng)典算法，其具有全局搜索能力強(qiáng)、較好適應(yīng)性等優(yōu)勢，但是目前遺傳算法中還存在早熟和陷入局部最優(yōu)的問題。混沌算法具有隨機(jī)性和確定性，拓展了搜索空間、增強(qiáng)了初始解的多樣性，避免了陷入局部最優(yōu)解。

2、基于此，本發(fā)明通過分析遺傳算法和混沌算法的優(yōu)勢和不足，給出了改進(jìn)混沌自適應(yīng)遺傳算法的無人機(jī)任務(wù)分配方法：如圖1所示，利用混沌映射的隨機(jī)性和確定性，生成遺傳算法的初始種群，防止過早陷入局部最優(yōu)解；基于遺傳算法的初始種群適應(yīng)度，給出了區(qū)間集中度調(diào)節(jié)參數(shù)定義；設(shè)計(jì)了改進(jìn)自適應(yīng)遺傳算法交叉概率和變異概率的計(jì)算方法，根據(jù)適應(yīng)度結(jié)果自適應(yīng)調(diào)整參數(shù)；基于改進(jìn)自適應(yīng)交叉概率和變異概率計(jì)算方法，設(shè)計(jì)基于改進(jìn)混沌自適應(yīng)遺傳算法的無人機(jī)任務(wù)分配方法。該方法充分考慮到混沌算法的隨機(jī)性和確定性，能夠增強(qiáng)算法的全局搜索能力，以及自適應(yīng)交叉率和變異率能夠根據(jù)當(dāng)前種群的適應(yīng)度和多樣性自動調(diào)整參數(shù)，避免早熟問題。這種方法使得無人機(jī)能夠高效地響應(yīng)各種任務(wù)，特別是在緊急情況下能夠迅速調(diào)整任務(wù)優(yōu)先級和資源分配，顯著提高了任務(wù)執(zhí)行的效率和成功率?；煦缱赃m應(yīng)遺傳算法的無人機(jī)分配方法因此成為無人機(jī)任務(wù)分配中一種極具潛力和應(yīng)用價值的優(yōu)化工具。

3、此外，一方面由于對本領(lǐng)域技術(shù)人員的理解存在差異；另一方面由于申請人做出本發(fā)明時研究了大量文獻(xiàn)和專利，但篇幅所限并未詳細(xì)羅列所有的細(xì)節(jié)與內(nèi)容，然而這絕非本發(fā)明不具備這些現(xiàn)有技術(shù)的特征，相反本發(fā)明已經(jīng)具備現(xiàn)有技術(shù)的所有特征，而且申請人保留在背景技術(shù)中增加相關(guān)現(xiàn)有技術(shù)之權(quán)利。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是在于提供一種混沌自適應(yīng)無人機(jī)任務(wù)分配方法，考慮到現(xiàn)有方法對于遺傳算法中存在的早熟和陷入局部最優(yōu)等問題依舊有較大的改進(jìn)空間。本發(fā)明根據(jù)混沌算法的隨機(jī)性和確定性可以拓展搜索空間、增強(qiáng)初始解的多樣性，避免了陷入局部最優(yōu)解，而自適應(yīng)交叉率和變異率提高了算法的收斂速度以及避免早熟等問題。本發(fā)明通過混沌算法的優(yōu)勢以及自適應(yīng)遺傳算法中的優(yōu)勢，設(shè)計(jì)了基于改進(jìn)混沌自適應(yīng)遺傳算法的無人機(jī)任務(wù)分配方法。

2、為實(shí)現(xiàn)上述發(fā)明的目的，本發(fā)明提出一種無人機(jī)任務(wù)分配方法。本發(fā)明提出一種改進(jìn)混沌自適應(yīng)遺傳算法的無人機(jī)任務(wù)分配方法。如圖1所示，方法包括如下步驟：

3、(1)基于混沌映射，給出混沌遺傳算法的初始種群定義；

4、(2)基于初始種群適應(yīng)度，給出了區(qū)間集中度調(diào)節(jié)參數(shù)定義；

5、(3)提出改進(jìn)自適應(yīng)交叉概率和變異概率計(jì)算方法；

6、(4)基于改進(jìn)的交叉概率和變異概率，設(shè)計(jì)改進(jìn)混沌自適應(yīng)遺傳算法的無人機(jī)任務(wù)分配方法。

7、根據(jù)一種優(yōu)選實(shí)施方式，基于混沌logistic映射，生成遺傳算法初始種群?，F(xiàn)有遺傳算法隨機(jī)生成的種群可能包含大量低質(zhì)量的個體，這會導(dǎo)致種群質(zhì)量不高，易陷入局部最優(yōu)解。本發(fā)明提出采用logistic混沌映射的遍歷性進(jìn)行全局搜索，來提高初始種群個體的質(zhì)量。logistic混沌映射其表達(dá)式為：

8、sr+1＝μsr(1-sr)，r＝0,1,2,…?????????????????(1)，

9、式中，μ為控制參數(shù)，通常3.57<μ≤4；μ值的不同，logistic曲線呈現(xiàn)出不同的狀態(tài)。優(yōu)選地，本發(fā)明選擇μ值為4.0。

10、根據(jù)一種優(yōu)選實(shí)施方式，基于遺傳算法初始種群，給出了區(qū)間集中度調(diào)節(jié)參數(shù)的定義。其定義闡述如下：

11、(1)為自適應(yīng)調(diào)節(jié)交叉概率和變異概率，定義γ、λ為兩個區(qū)間集中度

12、調(diào)節(jié)參數(shù)為：

13、

14、(2)假定f'為待交叉?zhèn)€體的較大適應(yīng)度值，favg為種群的平均適應(yīng)度值，fmax為種群的最大適應(yīng)度值，fmin為種群的最小適應(yīng)度值。為表征種群在平均適應(yīng)度值上下兩個區(qū)間的分布情況，定義參數(shù)a(上半?yún)^(qū)間)、b(下半?yún)^(qū)間)，其范圍分別為0.5<a<1、0.5<b<1。

15、(3)具體調(diào)節(jié)判定方法如下：當(dāng)λ>a時，表明個體集中于上半?yún)^(qū)，λ越接近于1，上半?yún)^(qū)集中程度越高；當(dāng)γ>b時，則表明個體集中于下半?yún)^(qū)，γ越接近于1，下半?yún)^(qū)集中程度越高。

16、通過分析相同條件下，不同參數(shù)的成本來選取最優(yōu)的集中度調(diào)節(jié)參數(shù)，避免自適應(yīng)交叉率和變異率調(diào)整幅度過大、增加平滑性。

17、根據(jù)一種優(yōu)選實(shí)施方式，根據(jù)區(qū)間集中度調(diào)節(jié)參數(shù)定義，提出改進(jìn)自適應(yīng)交叉概率和變異概率計(jì)算方法。考慮到自適應(yīng)交叉概率和變異概率可提高算法的收斂速度和全局搜索能力，避免過早收斂到局部最優(yōu)解，本發(fā)明將采用改進(jìn)自適應(yīng)交叉概率和變異概率進(jìn)行無人機(jī)任務(wù)分配。

18、在無人機(jī)任務(wù)分配過程中，當(dāng)任務(wù)分配方案的適應(yīng)度值高于平均適應(yīng)度值時，降低自適應(yīng)交叉率pc和自適應(yīng)變異率pm；當(dāng)任務(wù)分配方案的適應(yīng)度值不高于平均適應(yīng)度值時，提高pc和pm。

19、在計(jì)算交叉概率和變異概率時，sigmoid函數(shù)對參數(shù)a和b的作用可以使調(diào)整項(xiàng)的大小適應(yīng)于不同的適應(yīng)度水平。這樣，在高適應(yīng)度下，交叉概率的調(diào)整更為靈敏，有助于保護(hù)優(yōu)秀解；而在低適應(yīng)度時，交叉概率的調(diào)整更為緩和，有助于避免算法陷入局部最優(yōu)解。sigmoid為平滑調(diào)節(jié)函數(shù)，其定義為：

20、

21、基于以上原則和判定方法，提出定義新的交叉概率和變異概率定義：

22、(1)當(dāng)f'>favg時，pc和pm分別定義如下：

23、

24、(2)當(dāng)f'<＝favg時，pc和pm分別定義如下：

25、

26、其中，pc1、pc2為待交叉?zhèn)€體的初始交叉概率；pm1、pm2為待變異個體的初始變異概率。0.08、0.008是集中度調(diào)節(jié)參數(shù)的調(diào)節(jié)系數(shù)。

27、根據(jù)一種優(yōu)選實(shí)施方式，基于混沌映射和改進(jìn)的自適應(yīng)交叉概率和變異概率，設(shè)計(jì)混沌自適應(yīng)遺傳算法無人機(jī)任務(wù)分配方法。

28、詳細(xì)任務(wù)分配過程如下：

29、step1：input：五元組<b,u,m,t,r>。

30、step2：利用混沌映射初始化種群。

31、step3：利用公式(1)(3)(4)對無人機(jī)任務(wù)分配過程進(jìn)行計(jì)算。

32、step4：記錄當(dāng)前迭代的最優(yōu)解。

33、step5：用輪盤賭概率進(jìn)行選擇適應(yīng)度較高的個體。

34、step6：用改進(jìn)的自適應(yīng)交叉率pc進(jìn)行交叉操作。

35、step7：用改進(jìn)的自適應(yīng)變異率pm進(jìn)行變異操作。

36、step8：output：最優(yōu)適應(yīng)度值。

37、本發(fā)明另一方面涉及一種基于改進(jìn)混沌自適應(yīng)遺傳算法的無人機(jī)任務(wù)分配系統(tǒng)。系統(tǒng)被配置為：

38、(1)基于混沌映射，給出混沌遺傳算法的初始種群定義；

39、(2)基于初始種群適應(yīng)度，給出了區(qū)間集中度調(diào)節(jié)參數(shù)定義；

40、(3)提出改進(jìn)自適應(yīng)交叉概率和變異概率計(jì)算方法；

41、(4)基于改進(jìn)的交叉概率和變異概率，設(shè)計(jì)改進(jìn)混沌自適應(yīng)遺傳算法的無人機(jī)任務(wù)分配方法。

42、本發(fā)明相對于現(xiàn)有技術(shù)的有益效果是：

43、基于混沌映射，生成了遺傳算法的初始種群；其次，利用生成的初始種群，給出了區(qū)間集中度調(diào)節(jié)參數(shù)的定義；接著根據(jù)區(qū)間集中度調(diào)節(jié)參數(shù)，改進(jìn)自適應(yīng)交叉概率和變異概率；最后，將混沌算法和改進(jìn)的自適應(yīng)遺傳算法結(jié)合，設(shè)計(jì)了混沌自適應(yīng)遺傳算法。本發(fā)明有效描述了算法在任務(wù)分配過程中考慮無人機(jī)的載荷能力、飛行續(xù)航力、功能性等特性。同時，也評估了每個任務(wù)的價值收益和所需時間等因素，確保了分配方案既能滿足任務(wù)需求，也能最大化無人機(jī)資源的效率。