發(fā)布時(shí)間：2021-08-10 13:26

　　針對(duì)多無(wú)人機(jī)協(xié)同任務(wù)分配越來(lái)越復(fù)雜的問(wèn)題,采用一種改進(jìn)的階層分級(jí)粒子群優(yōu)化算法（HGIWPSO）獲得最優(yōu)分配方案。首先,根據(jù)粒子適應(yīng)度值將種群動(dòng)態(tài)劃分為三個(gè)不同階層,依據(jù)不同階層粒子特性選擇合適的學(xué)習(xí)模型,并引入獨(dú)立權(quán)重思想調(diào)節(jié)慣性權(quán)重大小,平衡算法全局與局部搜索能力,提高算法性能;然后,建立協(xié)同多任務(wù)分配問(wèn)題模型,采用多余負(fù)載競(jìng)拍方案減少非法劣解,通過(guò)實(shí)數(shù)編碼建立粒子和實(shí)際分配方案之間的映射關(guān)系,解決實(shí)際分配問(wèn)題。實(shí)驗(yàn)結(jié)果表明,該算法能夠有效解決復(fù)雜約束條件下多無(wú)人機(jī)協(xié)同任務(wù)分配問(wèn)題,得到最優(yōu)分配序列,具有一定的理論以及實(shí)際意義。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用研究. 2019,36(11)北大核心CSCD

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

Sphere函數(shù)收斂對(duì)比曲線(xiàn)(10維)圖2Sphere函數(shù)收斂對(duì)比曲線(xiàn)(30維)

PSOSAPSOCLSPSOHGIWPSOf1mean4．7752E+022．45550．03380．0118std1．8189E+021．27290．49430．1705f2mean1．5298E+0229．819712．30503．1052std59．56329．428116．89794．2535f3mean8．80513．65266．59422．8480std1．17370．81191．33590．6245f4mean1．38580．09260．03890．0144std0．14930．04340．02850．0141f5mean89．266071．410996．578354．3095std16．338720．292225．098215．3889圖1Sphere函數(shù)收斂對(duì)比曲線(xiàn)(10維)圖2Sphere函數(shù)收斂對(duì)比曲線(xiàn)(30維)圖3Ｒosenbrock函數(shù)收斂對(duì)比曲線(xiàn)(10維)圖4Ｒosenbrock函數(shù)收斂對(duì)比曲線(xiàn)(30維)圖5Ackley函數(shù)收斂對(duì)比曲線(xiàn)(10維)圖6Ackley函數(shù)收斂對(duì)比曲線(xiàn)(30維)圖7Griewank函數(shù)收斂對(duì)比曲線(xiàn)(10維)圖8Griewank函數(shù)收斂對(duì)比曲線(xiàn)(30維)圖9Ｒastrigin函數(shù)收斂對(duì)比曲線(xiàn)(10維)圖10Ｒastrigin函數(shù)收斂對(duì)比曲線(xiàn)(30維)·6433·計(jì)算機(jī)應(yīng)用研究第36卷

30．1705f2mean1．5298E+0229．819712．30503．1052std59．56329．428116．89794．2535f3mean8．80513．65266．59422．8480std1．17370．81191．33590．6245f4mean1．38580．09260．03890．0144std0．14930．04340．02850．0141f5mean89．266071．410996．578354．3095std16．338720．292225．098215．3889圖1Sphere函數(shù)收斂對(duì)比曲線(xiàn)(10維)圖2Sphere函數(shù)收斂對(duì)比曲線(xiàn)(30維)圖3Ｒosenbrock函數(shù)收斂對(duì)比曲線(xiàn)(10維)圖4Ｒosenbrock函數(shù)收斂對(duì)比曲線(xiàn)(30維)圖5Ackley函數(shù)收斂對(duì)比曲線(xiàn)(10維)圖6Ackley函數(shù)收斂對(duì)比曲線(xiàn)(30維)圖7Griewank函數(shù)收斂對(duì)比曲線(xiàn)(10維)圖8Griewank函數(shù)收斂對(duì)比曲線(xiàn)(30維)圖9Ｒastrigin函數(shù)收斂對(duì)比曲線(xiàn)(10維)圖10Ｒastrigin函數(shù)收斂對(duì)比曲線(xiàn)(30維)·6433·計(jì)算機(jī)應(yīng)用研究第36卷

【參考文獻(xiàn)】：
期刊論文
[1]基于獨(dú)立權(quán)重和分級(jí)變異策略的粒子群算法[J]. 劉振,周先存.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2017(02)
[2]基于禁忌搜索算法的甩掛運(yùn)輸路徑規(guī)劃問(wèn)題研究[J]. 馬華偉,范奉偉,胡笑旋.  中國(guó)管理科學(xué). 2016(S1)
[3]基于改進(jìn)蟻群算法的多主體制造資源配置沖突協(xié)調(diào)方法[J]. 王磊,郭順生,李西興,杜百崗,彭兆.  計(jì)算機(jī)集成制造系統(tǒng). 2017(12)
[4]基于改進(jìn)粒子群算法的變異體選擇優(yōu)化[J]. 王曙燕,楊?lèi)?孫家澤.  計(jì)算機(jī)應(yīng)用研究. 2017(03)
[5]無(wú)人機(jī)任務(wù)分配與航跡規(guī)劃協(xié)同控制方法[J]. 孫小雷,齊乃明,董程,姚蔚然.  系統(tǒng)工程與電子技術(shù). 2015(12)
[6]改進(jìn)的遺傳算法求解旅行商問(wèn)題[J]. 于瑩瑩,陳燕,李桃迎.  控制與決策. 2014(08)
[7]一種改進(jìn)的多目標(biāo)粒子群優(yōu)化算法及其應(yīng)用[J]. 馮金芝,陳興,鄭松林.  計(jì)算機(jī)應(yīng)用研究. 2014(03)
[8]一種遺傳算法與粒子群優(yōu)化的多子群分層混合算法[J]. 金敏,魯華祥.  控制理論與應(yīng)用. 2013(10)
[9]多UCAV協(xié)同任務(wù)分配模型及粒子群算法求解[J]. 杜繼永,張鳳鳴,楊驥,吳虎勝.  控制與決策. 2012(11)
[10]雙精英協(xié)同進(jìn)化遺傳算法[J]. 劉全,王曉燕,傅啟明,張永剛,章曉芳.  軟件學(xué)報(bào). 2012(04)

博士論文
[1]基于一致性理論的多UAV分布式協(xié)同控制與狀態(tài)估計(jì)方法[D]. 張慶杰.國(guó)防科學(xué)技術(shù)大學(xué) 2011



本文編號(hào)：3334146