針對有人/無人機(jī)任務(wù)聯(lián)盟形成問題,采取任務(wù)聚類-平臺匹配的分階段形成策略。首先,給出問題要素定義,并進(jìn)行相關(guān)數(shù)學(xué)描述。其次,基于對問題的分析,以最小化任務(wù)距離和為優(yōu)化目標(biāo)建立任務(wù)聚類的數(shù)學(xué)模型;以最小化指揮決策能力代價(jià)和資源能力代價(jià)為優(yōu)化目標(biāo)建立平臺匹配的數(shù)學(xué)模型。然后,對任務(wù)聚類問題和平臺匹配問題,分別采用優(yōu)選初始簇中心的貪心聚類算法和多目標(biāo)模糊人工蜂群算法進(jìn)行求解;最后,通過仿真案例下的3組實(shí)驗(yàn),驗(yàn)證了提出方法的有效性和優(yōu)越性。 

【文章來源】：系統(tǒng)工程與電子技術(shù). 2017,39(09)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

圖１擁擠距離關(guān)系Ｆｉｇ．１Ｃｒｏｗｄｅｄｄｉｓｔａｎｃｅｒｅｌａｔｉｏｎｓｈｉｐ

跳出局部最優(yōu)策略，算法適用性較好。本文提出的ＭＯＦＡＢＣ算法，可用于求解如式（１８）等需要進(jìn)行０－１編碼的多目標(biāo)優(yōu)化問題。在ＭＯＦＡＢＣ算法中，關(guān)鍵步驟包括蜜源編、解碼和外部檔案維護(hù)，下面分別進(jìn)行描述。４．１蜜源編、解碼在ＭＯＦＡＢＣ算法中，編、解碼分別對應(yīng)決策變量空間和目標(biāo)空間，決策變量空間主要實(shí)現(xiàn)蜜源的初始化和更新操作；目標(biāo)空間為決策變量空間在解空間的映射，以及在映射后實(shí)現(xiàn)解的可行化，主要實(shí)現(xiàn)蜜源的非支配排序和擁擠距離計(jì)算，完成解的選擇和存檔操作。圖２為決策變量空間到目標(biāo)空間映射關(guān)系示意圖。圖２決策變量空間映射到目標(biāo)空間Ｆｉｇ．２Ｄｅｃｉｓｉｏｎｖａｒｉａｂｌｅｓｐａｃｅｍａｐｓｔｏｔａｒｇｅｔｓｐａｃｅ４．１．１蜜源編碼與經(jīng)典的蜂群算法一樣，編碼過程主要包括４個(gè)階段，分別為初始化階段、雇傭蜂階段、觀察蜂階段和偵察蜂階段，初始化蜜源數(shù)量、雇傭蜂數(shù)量、觀察蜂數(shù)量分別為ＮＺＱ，Ｎｅｂ，Ｎｏｂ，滿足ＮＺＱ＝Ｎｅｂ＝Ｎｏｂ。（１）初始化階段初始蜜源在可行區(qū)間內(nèi)隨機(jī)生成，分別為Ｘ１，Ｘ２，…，ＸＮＺＱ，各蜜源均為Ｎｃ×（Ｎｍ＋Ｎｕ）大小矩陣。前Ｎｍ列代表有人機(jī)－任務(wù)簇匹配關(guān)系，第Ｎｍ＋１～Ｎｍ＋Ｎｕ列代表無人機(jī)－任務(wù)簇匹配關(guān)系。矩陣Ｘ中ｌ行ｉ列、ｊ列元素的計(jì)算公式分別為ｘｌｉ＝ｘｉｍｉｎ＋ｒａｎｄ×（ｘｉｍａｘ－ｘｉｍｉｎ）（１９）ｘｌｊ＝ｘｊｍｉｎ＋ｒａｎｄ×（ｘｊｍａｘ－ｘｊｍｉｎ）（２０）式中，ｊ＝Ｎｍ＋１，

］中算法，運(yùn)行１００次，取平均值。以式（８）中測度為標(biāo)準(zhǔn)，表５為各算法對比情況。表５ＧＣＷＯＩＣＣ算法與其他算法對比Ｔａｂｌｅ５ＣｏｍｐａｒｉｓｏｎｏｆＧＣＷＯＩＣＣａｎｄｏｔｈｅｒｓ算法本文算法算法１算法２算法３測度３８４．３１３２６６１．０３０２３９３．２４４９５５７．０３７０從表５可以看出，ＧＣＷＯＩＣＣ算法與其他算法相比，得到的測度值更小，且運(yùn)行次數(shù)僅需１次，具有較好的聚類效果。圖３為采用ＧＣＷＯＩＣＣ算法的任務(wù)聚類結(jié)果。圖３ＧＣＷＯＩＣＣ算法下的任務(wù)聚類結(jié)果Ｆｉｇ．３ＴａｓｋｃｌｕｓｔｅｒｉｎｇｒｅｓｕｌｔｕｎｄｅｒＧＣＷＯＩＣＣ仿真實(shí)驗(yàn)２將ＭＯＦＡＢＣ算法分別運(yùn)行８０代，每隔２０代記錄非劣解集，根據(jù)各代非劣解集的情況判定ＭＯＦＡＢＣ算法的進(jìn)化性能。表６為ＭＯＦＡＢＣ算法分別在２０代、４０代、６０代、８０代時(shí)的非劣解集。表６典型迭代次數(shù)下非劣解集Ｔａｂｌｅ６Ｎｏｎ－ｉｎｆｅｒｉｏｒｓｏｌｕｔｉｏｎｓｅｔｕｎｄｅｒｔｙｐｉｃａｌｉｔｅｒａｔｉｏｎｓｉｔｅ各迭代次數(shù)下的非劣解集２０（８，５６６），（８．５，５６１），（９．５，５５１），（１０，４９５），（１４，４４０），（１５．５，４１９）４０（５，７３２），（８，５４６），（９，４９９），（９．５，４４０），（１５．５，４１９）６０（５，７３２），（８，５４６），（７，５５７），（９，４９９），（９．５，４４０），（１５．５，４１９）８０（５，７３２），（６

【參考文獻(xiàn)】：
期刊論文
[1]未知環(huán)境下異構(gòu)多無人機(jī)協(xié)同搜索打擊中的聯(lián)盟組建[J]. 劉重,高曉光,符小衛(wèi),牟之英.  兵工學(xué)報(bào). 2015(12)
[2]Cooperative coalition for formation flight scheduling based on incomplete information[J]. Meng Linghang,Xu Xiaohao,Zhao Yifei.  Chinese Journal of Aeronautics. 2015(06)
[3]Hierarchical method of task assignment for multiple cooperating UAV teams[J]. Xiaoxuan Hu,Huawei Ma,Qingsong Ye,He Luo.  Journal of Systems Engineering and Electronics. 2015(05)
[4]帶有聯(lián)盟個(gè)數(shù)約束的最優(yōu)聯(lián)盟結(jié)構(gòu)生成[J]. 徐廣斌,劉驚雷.  南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2015(04)
[5]二維磁法數(shù)據(jù)多目標(biāo)粒子群反演算法（英文）[J]. 熊杰,張濤.  Applied Geophysics. 2015(02)
[6]基于多智能體聯(lián)盟的多機(jī)協(xié)同空戰(zhàn)任務(wù)分配[J]. 刁興華,方洋旺,肖冰松,毛東輝.  北京航空航天大學(xué)學(xué)報(bào). 2014(09)
[7]有人-無人作戰(zhàn)智能體任務(wù)聯(lián)盟形成策略方法[J]. 萬路軍,姚佩陽,孫鵬,鄧長來,稅冬東.  空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(03)
[8]An accelerated K-means clustering algorithm using selection and erasure rules[J]. Suiang-Shyan LEE,Ja-Chen LIN.  Journal of Zhejiang University-Science C（Computers & Electronics）. 2012(10)
[9]自適應(yīng)的多目標(biāo)模擬退火優(yōu)化算法(英文)[J]. 啜鋼,趙丹,孫禮.  中國通信. 2012(09)
[10]基于改進(jìn)層次聚類法的指揮控制資源部署[J]. 周翔翔,姚佩陽,王欣.  系統(tǒng)工程與電子技術(shù). 2012(03)



本文編號：3463406