[發明專利]多智能體協同任務分配方法

有效

• 申請號: 201911226009.3
• 申請日: 2019-12-04
• 公開（公告）號: CN111311049B
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 趙奕鑫;陸麟鑫;劉丁翔;何青
• 申請（專利權）人: 南京理工大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/12
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 馬魯晉

本發明公開了一種多智能體協同任務分配方法，該方法以集合為模型，針對突防任務和探測任務，提供了突防效能評價的指標值以及如何有效地實現對該區域的探測，同時基于約束條件，建立了任務分配函數模型，對目標函數在約束條件下進行基于遺傳算法的任務選派方案求解，即可得到最優解集。在復雜戰場環境下，本發明依據無人機突防能力和探測能力及任務目標情況快速分配任務使得收益最大化。

技術領域

本發明屬于多任務分配方法，特別是一種多智能體協同任務分配方法。

背景技術

隨著無人機等機器人智能體應用的增長，異構的網絡化智能體編隊被廣泛應用于不同類型的自治使命任務。編隊中不同智能體間協調與合作對成功完成使命至關重要，異構網絡化編隊自治的協同任務分配和規劃方法是實現這一目標的基礎。然而隨著系統數目，組成部分以及使命任務的增加，大規模編隊的任務規劃變得異常復雜。

在無人機突防過程中，對于中長航時無人機，在到達目標點過程中要飛越各種不同地貌，遭受敵方防空體系多重威脅，因此通過對無人機突防概率的研究和計算，可以定量地指出影響無人機生存的各種因素。從而進一步提高無人機戰場生存能力，提高無人機使用效能。無人機航路規劃是依據具體任務明確飛行約束條件，尋找從初始點到目標點并且滿足某種性能指標最優的運動軌跡。航路規劃的優劣直接決定無人機作戰效能發揮，甚至影響其戰場生存。國內外實時航路規劃研究已成為一個熱點問題。Pellazar Miles_lo和Ioannis K.Nikolos等分別采用了基于遺傳算法進化算法來求解航跡規劃問題，均存在比較費時的問題。Iris Hong Yang和James Doebble分別研究了規避地形障礙物的實時航跡規劃問題，但該方法沒有考慮其他外在威脅的影響；而蟻群算法中蟻群在第一次搜索航路時僅考慮固定威脅，無其他任何先驗信息，航路具有很大的隨機性，導致能夠走到目標點的螞蟻數量很少，完成全部搜索形成穩定的最優航路所需時間較長。

發明內容

本發明的目的在于提供一種基于收益最大化的多智能體協同任務分配方法。

實現本發明目的的技術解決方案為：一種基于收益最大化的多智能體協同任務分配方法，步驟如下：

步驟1、多智能體任務分配問題描述，即考慮戰場環境、智能體編隊、任務集合等一系列元素，稱包含這些元素的集合為任務空間。在考慮約束條件下建立集合模型，然后針對突防任務和探測任務分別進行了效能分析。

步驟2、具體分析任務分配的約束條件，即分別分析時間約束和類型約束，多智能體協同任務分配問題是一個多約束條件的組合優化問題，約束條件眾多，各約束條件耦合度高，求解復雜。本方案默認所有智能體均具執行以上兩種任務的能力。

步驟3、建立任務分配函數模型，即根據上述條件建立智能體協同任務分配目標函數模型。通過以上分析，本方案所研究的智能體協同任務分配的主要目標是根據目標函數在基本約束條件下進行優化求解，從而得到協同任務分配的最優解集。

步驟4、基于收益最大化的任務選派方案研究，即確定選擇哪些任務執行使得整個分配方案收益最大。代價采用每一可能出現的狀態的概率與智能體完成某任務收益(模型中稱作需求量)、距離的乘積的加權和的期望形式。本方案采用遺傳算法解決這問題因為其具有傳統優化方法無法比擬的優點。