本發(fā)明涉及無(wú)人機(jī)任務(wù)規(guī)劃領(lǐng)域，尤其是一種無(wú)人機(jī)協(xié)同偵察任務(wù)規(guī)劃方法。

背景技術(shù)：

無(wú)人機(jī)作為信息采集平臺(tái)能夠根據(jù)任務(wù)需求對(duì)空、面環(huán)境目標(biāo)進(jìn)行偵察和監(jiān)視，而多無(wú)人機(jī)協(xié)同任務(wù)分配問(wèn)題涉及到協(xié)同控制、飛行控制、決策規(guī)劃等多種學(xué)科，是一個(gè)大規(guī)模協(xié)調(diào)控制的綜合性規(guī)劃。本發(fā)明以建立多基地多異構(gòu)無(wú)人機(jī)協(xié)同偵察任務(wù)分配問(wèn)題為背景，研究帶有資源約束下多無(wú)人機(jī)協(xié)同偵察任務(wù)分配，如何在資源約束下進(jìn)行各無(wú)人機(jī)目標(biāo)分配，使獲得總偵察情報(bào)最大化。

布谷鳥(niǎo)算法(cuckoosearch，cs)由英國(guó)劍橋大學(xué)xin-sheyang和suashdeb提出，基于布谷鳥(niǎo)繁殖放置鳥(niǎo)蛋的行為，并結(jié)合動(dòng)物的萊維飛行動(dòng)作進(jìn)行尋優(yōu)操作，通過(guò)增加萊維飛行，布谷鳥(niǎo)算法能夠?qū)λ阉骺臻g各個(gè)位置進(jìn)行更加全面的搜索，且該算法具有的參數(shù)較少，無(wú)需根據(jù)問(wèn)題匹配大量參數(shù)，因而受到眾多國(guó)內(nèi)外學(xué)者的關(guān)注。

布谷鳥(niǎo)算法作為一種新興的優(yōu)化算法已在諸多領(lǐng)域展現(xiàn)了良好的應(yīng)用前景，在任務(wù)規(guī)劃系統(tǒng)設(shè)計(jì)領(lǐng)域的應(yīng)用中，多數(shù)研究在建模時(shí)進(jìn)行了一定程度的簡(jiǎn)化處理，并且沒(méi)有考慮到重現(xiàn)算法與數(shù)學(xué)模型的映射關(guān)系,對(duì)解向量的構(gòu)造和將數(shù)學(xué)模型映射到算法中的闡述也比較少，合理的解構(gòu)造能夠減少算法的計(jì)算量,提高仿真效率。目前還沒(méi)有文獻(xiàn)將布谷鳥(niǎo)算法及相關(guān)改進(jìn)算法應(yīng)用于多無(wú)人機(jī)協(xié)同偵察任務(wù)分配的問(wèn)題中。

技術(shù)實(shí)現(xiàn)要素：

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明以多無(wú)人機(jī)協(xié)同執(zhí)行區(qū)域偵察任務(wù)為背景，充分考慮多基地、多異構(gòu)無(wú)人機(jī)及目標(biāo)需求特性對(duì)各無(wú)人機(jī)進(jìn)行任務(wù)分配及任務(wù)t執(zhí)行序列規(guī)劃，采用組合優(yōu)化理論及啟發(fā)式優(yōu)化算法作為數(shù)學(xué)工具，對(duì)多基地多異構(gòu)無(wú)人機(jī)協(xié)同偵察任務(wù)分配進(jìn)行充分研究。本發(fā)明考慮待偵察目標(biāo)的特性需求及多基地特性，對(duì)多無(wú)人機(jī)完成區(qū)域偵察的任務(wù)分配進(jìn)行研究，提出問(wèn)題數(shù)學(xué)模型并進(jìn)行優(yōu)化解算。

本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案的詳細(xì)步驟如下：

步驟一、構(gòu)建多基地多異構(gòu)無(wú)人機(jī)偵察任務(wù)模型

在該步驟中，定義如下：

定義1：設(shè)uavtype＝{1,2,…,i,…,nt}，uavtype表示無(wú)人機(jī)類(lèi)型集合，其中nt∈n⁺，n⁺為非零自然數(shù)集合，nt表示無(wú)人機(jī)類(lèi)型數(shù)量，集合中的元素i表示第i種無(wú)人機(jī)；

定義2：設(shè)tartype＝{1，2，…，h，…，nc}，tartype表示目標(biāo)類(lèi)型集合，其中nc∈n⁺，nc表示目標(biāo)類(lèi)型數(shù)量，集合中的元素h表示第h種目標(biāo)；

定義3：設(shè)tar＝{1，2，…，j，…，m}，tar表示目標(biāo)集合，其中m∈n⁺，m表示目標(biāo)數(shù)量，集合中的元素j表示第j個(gè)目標(biāo)；

定義4：設(shè)base＝{1，2，…，k，…，l}，base表示基地集合，其中l(wèi)∈n⁺，l表示基地?cái)?shù)量，集合中的元素k表示第k個(gè)基地；

定義5：設(shè)表示第k個(gè)基地裝備的無(wú)人機(jī)數(shù)量集合，集合中的元素n為自然數(shù)集合，其中i＝1,2,…,nt，k＝1,2,…,l，表示第k個(gè)基地裝備第i種無(wú)人機(jī)的數(shù)量；

定義6：nu表示無(wú)人機(jī)數(shù)量；

定義7：表示第i種無(wú)人機(jī)偵察第j個(gè)目標(biāo)所獲得的收益，i＝1,2,…,nt，j＝1,2,…,m；

定義8：djg表示第j個(gè)目標(biāo)與第g個(gè)目標(biāo)的歐氏距離，其計(jì)算公式為：

式(1)中xg、yg分別表示第g個(gè)待偵察目標(biāo)橫縱坐標(biāo)，xj、yj分別表示第j個(gè)待偵察目標(biāo)的橫縱坐標(biāo)；

定義9：vi表示第i種無(wú)人機(jī)的飛行速度，i＝1,2,…,nt，假設(shè)同一類(lèi)型的無(wú)人機(jī)的飛行速度相同；

定義10：表示第i種無(wú)人機(jī)從第j個(gè)目標(biāo)飛到第g個(gè)目標(biāo)消耗的時(shí)間，i＝1,2,…,nt，j＝1,2,…,m，g＝1,2,…,m；

定義11：表示第i種無(wú)人機(jī)偵察第g個(gè)目標(biāo)所消耗的時(shí)間，i＝1,2,…,nt，g＝1,2,…,m；

定義12：ti表示第i種無(wú)人機(jī)的飛行續(xù)航時(shí)長(zhǎng)，i＝1,2,…,nt；

定義13：rj∈tartype表示第j個(gè)目標(biāo)所屬類(lèi)型，j＝1,2,…,m；

定義14：ri∈tartype表示第i種無(wú)人機(jī)能夠執(zhí)行的任務(wù)類(lèi)型集合，i＝1,2,…,nt；

定義15：用二維決策變量表示各目標(biāo)的分配情況，其具體取值為

1)確認(rèn)目標(biāo)函數(shù)：收集情報(bào)是偵察任務(wù)的核心，采取最大化偵察情報(bào)收益為目標(biāo)函數(shù)，引導(dǎo)多無(wú)人機(jī)能夠完成更多的偵察獲得更多的情報(bào)收益，目標(biāo)函數(shù)表示如下：

2)確認(rèn)問(wèn)題約束如下：

(1)偵察限制約束：該約束要求每個(gè)目標(biāo)最多被偵察一次，表示為：

(2)偵察資源限制約束：各無(wú)人機(jī)完成任務(wù)總時(shí)間不能超過(guò)自身續(xù)航總時(shí)間，表示為：

(3)平衡約束：無(wú)人機(jī)到達(dá)某目標(biāo)執(zhí)行偵察任務(wù)后必須離開(kāi)該目標(biāo)，表示為：

其中為第k個(gè)基地中第i種第p架無(wú)人機(jī)從第g個(gè)目標(biāo)飛到第f個(gè)目標(biāo)；

(4)起飛、降落約束：每架無(wú)人機(jī)須得從所在基地起飛，完成任務(wù)后返回任意基地，表示為：

其中為第k個(gè)基地中第i種第p架無(wú)人機(jī)從第k個(gè)目標(biāo)飛到第p個(gè)目標(biāo),為第k個(gè)基地中第i種第p架無(wú)人機(jī)從第j個(gè)目標(biāo)飛到第l個(gè)目標(biāo)；

(5)無(wú)人機(jī)數(shù)量限制約束：所有被派出執(zhí)行偵察任務(wù)的無(wú)人機(jī)數(shù)量不能超過(guò)無(wú)人機(jī)的總數(shù)量，該約束表示為：

(6)基地?zé)o人機(jī)數(shù)量限制約束：基地派出執(zhí)行偵察任務(wù)的無(wú)人機(jī)數(shù)量不能超過(guò)該基地裝備的無(wú)人機(jī)數(shù)量，該約束表示為：

3)確認(rèn)數(shù)學(xué)模型：

步驟二、構(gòu)造布谷鳥(niǎo)解向量

將布谷鳥(niǎo)解向量定義為l×nt維矩陣，行l(wèi)代表基地，列nt代表無(wú)人機(jī)類(lèi)型，解向量及其元素表示具體如下所示：

元素oki為基地k中第i種無(wú)人機(jī)任務(wù)的具體序列，行代表基地序號(hào)，列代表待分配目標(biāo)序號(hào)，本發(fā)明采用基于實(shí)數(shù)向量的表示方式，oki中元素q1…qm的取值規(guī)則為正實(shí)數(shù)且保留一位小數(shù)，其取值范圍為其中為該種無(wú)人機(jī)數(shù)目，元素q1…qm的整數(shù)部分為對(duì)應(yīng)該種無(wú)人機(jī)中的架次，元素q1…qm的小數(shù)部分按由小到大排序?yàn)閳?zhí)行任務(wù)的順序；若第i種無(wú)人機(jī)無(wú)法執(zhí)行任務(wù)m或某目標(biāo)沒(méi)有分配給基地第i種無(wú)人機(jī)，則oki對(duì)應(yīng)列取值為0，b列為各無(wú)人機(jī)返回基地的序列；

步驟三、初始化參數(shù)

初始化任務(wù)區(qū)的數(shù)目及位置信息、基地?cái)?shù)目與位置信息，各基地的無(wú)人機(jī)種類(lèi)及數(shù)量、鳥(niǎo)窩數(shù)量w、最大迭代次數(shù)tmax、鳥(niǎo)窩拋棄概率pa、步長(zhǎng)比例因子α和β以及高斯擾動(dòng)因子k，并設(shè)置當(dāng)前迭代次數(shù)為t＝0，用fgbest表示本發(fā)明最大的目標(biāo)函數(shù)值，xgbest表示fgbest對(duì)應(yīng)的解向量，初始化時(shí)設(shè)置fgbest＝0，xgbest＝0；

步驟四、初始化解向量

產(chǎn)生初始可行解的詳細(xì)步驟如下：

(1)采用基于歐氏距離的聚類(lèi)方法將待偵察目標(biāo)分配給各基地，具體步驟為：

計(jì)算每個(gè)目標(biāo)到各基地的歐氏距離，目標(biāo)j到基地k的歐式距離為其中(xj,yj),(xk,yk)分別為目標(biāo)j和基地k的坐標(biāo)，找出距離目標(biāo)j的歐式距離最近的基地，則將目標(biāo)j分配給該基地，按此步驟將所有目標(biāo)分配給距離該目標(biāo)最近的基地；

(2)針對(duì)每一個(gè)基地執(zhí)行如下步驟：

1)判斷基地是否有被分配到1個(gè)及以上任務(wù)，若是，則進(jìn)入步驟2)；若否，則結(jié)束；

2)對(duì)于分配到基地的每一個(gè)任務(wù)，判斷該任務(wù)是否只能被單一類(lèi)型無(wú)人機(jī)偵察，若是，則執(zhí)行步驟3)；若否，則執(zhí)行步驟4)；

3)對(duì)于只能由單一類(lèi)型無(wú)人機(jī)偵察的任務(wù)，用n表示該基地中能執(zhí)行該任務(wù)的無(wú)人機(jī)數(shù)量，若n＝0表示該基地中不存在能執(zhí)行該任務(wù)的無(wú)人機(jī)，則不對(duì)該任務(wù)進(jìn)行分配；若n＞1表示該基地中存在能執(zhí)行該任務(wù)的無(wú)人機(jī)，則用計(jì)算機(jī)對(duì)該任務(wù)產(chǎn)生(0,n+1)之間的隨機(jī)數(shù)r1，并采用四舍五入的方法對(duì)r1保留一位小數(shù)，得到帶一位小數(shù)的正實(shí)數(shù)即為解向量中對(duì)應(yīng)的元素值；

4)對(duì)于被多種類(lèi)型無(wú)人機(jī)偵察的任務(wù)，用m表示該基地中能執(zhí)行該任務(wù)的無(wú)人機(jī)種數(shù)，則有m＞1，在(0,m)之間產(chǎn)生一個(gè)隨機(jī)數(shù)r2，并對(duì)r2向上取整得到一個(gè)[1,m]范圍內(nèi)的整數(shù)h，則將任務(wù)分配給第h種無(wú)人機(jī)，用u表示該基地中第h種無(wú)人機(jī)的數(shù)量，則用計(jì)算機(jī)對(duì)該任務(wù)產(chǎn)生(0,n+1)之間的隨機(jī)數(shù)r3，并隨機(jī)數(shù)r3采用四舍五入的方法對(duì)r3保留一位小數(shù)，得到的帶一位小數(shù)的正實(shí)數(shù)即為解向量中對(duì)應(yīng)的元素值；

(3)檢驗(yàn)由步驟(1)-步驟(2)構(gòu)造出的初始可行解是否滿足步驟一約束條件中的公式(3)-公式(9)，若滿足則完成初始可行解的構(gòu)造,否則重復(fù)本步驟中步驟(1)和步驟(2)直至完成初始可行解的構(gòu)造；

構(gòu)造出的初始可行解形式如公式(11)中的x所示；

步驟五、計(jì)算當(dāng)前所有鳥(niǎo)窩的目標(biāo)函數(shù)

用表示在第t次迭代過(guò)程中第w個(gè)鳥(niǎo)窩的位置，即為可行解，其中w＝1,2,…,w，該鳥(niǎo)窩位置進(jìn)行解碼，具體解碼步驟為：

對(duì)于第k個(gè)基地中第i種第p架無(wú)人機(jī)，找到中第k行第i列oki中整數(shù)部分為p的所有元素，按元素值從小到大的順序進(jìn)行排列，即得到該架無(wú)人機(jī)的任務(wù)執(zhí)行順序，根據(jù)每架無(wú)人機(jī)的任務(wù)執(zhí)行順序按定義15確定決策變量的值；

對(duì)鳥(niǎo)窩解碼后，根據(jù)公式(2)計(jì)算該鳥(niǎo)窩的目標(biāo)函數(shù)；

步驟六、輸出最大目標(biāo)函數(shù)值

根據(jù)所有鳥(niǎo)窩的目標(biāo)函數(shù)值，用表示在第t次迭代過(guò)程中第w個(gè)鳥(niǎo)窩的目標(biāo)函數(shù)值，選出當(dāng)前最大的目標(biāo)函數(shù)值以及對(duì)應(yīng)的鳥(niǎo)窩位置若則令并判斷當(dāng)前迭代次數(shù)t是否達(dá)到最大迭代次數(shù)tmax，若t＞tmax，則結(jié)束迭代過(guò)程并輸出最大目標(biāo)函數(shù)值fgbest與目標(biāo)函數(shù)值最大鳥(niǎo)窩xgbest，若t≤tmax，則執(zhí)行步驟七；

步驟七、更新

采用公式(13)對(duì)鳥(niǎo)窩位置進(jìn)行更新：

式(13)中表示第w個(gè)鳥(niǎo)窩在第t+1代的鳥(niǎo)窩位置，表示第w個(gè)鳥(niǎo)窩在第t代的鳥(niǎo)窩位置，α為步長(zhǎng)比例因子，α∈[0,1]，為點(diǎn)對(duì)點(diǎn)乘法，levy(β)表示服從步長(zhǎng)比例因子為β的萊維飛行，步長(zhǎng)通過(guò)如下公式取得：

式(14)中，s為步長(zhǎng)，u和v為正態(tài)分布的隨機(jī)數(shù)且

其中，γ為gamma函數(shù)，σu和σv分別為u和v的標(biāo)準(zhǔn)差；

步驟八、計(jì)算每個(gè)鳥(niǎo)窩的目標(biāo)函數(shù)值計(jì)算方法如步驟五所述，比較每個(gè)鳥(niǎo)窩的當(dāng)前目標(biāo)函數(shù)值與上一代目標(biāo)函數(shù)值的大小，若則

步驟九、高斯擾動(dòng)

第t+1代的目標(biāo)函數(shù)的最大值對(duì)應(yīng)的鳥(niǎo)窩為組成的矩陣為

加高斯擾動(dòng)表示如下：

式(16)中，表示經(jīng)過(guò)高斯擾動(dòng)后的鳥(niǎo)窩，q為與同階的隨機(jī)矩陣，且q中每個(gè)元素都服從標(biāo)準(zhǔn)正態(tài)分布n(0,1)，k為高斯擾動(dòng)因子；

步驟十、鳥(niǎo)窩拋棄

每個(gè)步驟九中經(jīng)過(guò)高斯擾動(dòng)后的鳥(niǎo)窩產(chǎn)生0到1之間的服從均勻分布的隨機(jī)數(shù)r，將r與鳥(niǎo)窩拋棄概率pa進(jìn)行對(duì)比，若r＞pa，則拋棄該鳥(niǎo)窩當(dāng)前位置并重新初始化該鳥(niǎo)窩的位置，初始化過(guò)程如步驟四所述；若r≤pa，則不改變?cè)擑B(niǎo)窩的位置；

步驟十一、將當(dāng)前迭代次數(shù)t加1，轉(zhuǎn)步驟五計(jì)算目標(biāo)函數(shù)值進(jìn)入下一次迭代計(jì)算，直至達(dá)到最大迭代次數(shù)時(shí)，迭代計(jì)算結(jié)束。

本發(fā)明的有益效果在于采用多基地多異構(gòu)下無(wú)人機(jī)協(xié)同偵察任務(wù)分配，以偵察收益最大化為目標(biāo)函數(shù)，考慮資源約束以及多基地多異構(gòu)無(wú)人機(jī)約束建立數(shù)學(xué)模型，對(duì)布谷鳥(niǎo)算法進(jìn)行離散改進(jìn)和性能改進(jìn)，建立算法與數(shù)學(xué)模型之間的映射關(guān)系，使其能夠有效的解決偵察任務(wù)分配問(wèn)題。

附圖說(shuō)明

圖1為本發(fā)明的改進(jìn)cs算法流程圖。

圖2為本發(fā)明戰(zhàn)場(chǎng)態(tài)勢(shì)。

圖3為本發(fā)明改進(jìn)cs算法收斂曲線。

圖4為本發(fā)明基地1中各無(wú)人機(jī)任務(wù)分配圖。

圖5為本發(fā)明基地2中各無(wú)人機(jī)任務(wù)分配圖。

圖6為本發(fā)明基地3中各無(wú)人機(jī)任務(wù)分配圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)一步說(shuō)明。

步驟一、構(gòu)建多基地多異構(gòu)無(wú)人機(jī)偵察任務(wù)模型

在該步驟中，定義如下：

定義1：設(shè)uavtype＝{1,2,…,i,…,nt}，uavtype表示無(wú)人機(jī)類(lèi)型集合，其中nt∈n⁺，n⁺為非零自然數(shù)集合，nt表示無(wú)人機(jī)類(lèi)型數(shù)量，集合中的元素i表示第i種無(wú)人機(jī)；

定義2：設(shè)tartype＝{1，2，…，h，…，nc}，tartype表示目標(biāo)類(lèi)型集合，其中nc∈n⁺，nc表示目標(biāo)類(lèi)型數(shù)量，集合中的元素h表示第h種目標(biāo)；

定義3：設(shè)tar＝{1，2，…，j，…，m}，tar表示目標(biāo)集合，其中m∈n⁺，m表示目標(biāo)數(shù)量，集合中的元素j表示第j個(gè)目標(biāo)；

定義4：設(shè)base＝{1，2，…，k，…，l}，base表示基地集合，其中l(wèi)∈n⁺，l表示基地?cái)?shù)量，集合中的元素k表示第k個(gè)基地；

定義5：設(shè)表示第k個(gè)基地裝備的無(wú)人機(jī)數(shù)量集合，集合中的元素n為自然數(shù)集合，其中i＝1,2,…,nt，k＝1,2,…,l，表示第k個(gè)基地裝備第i種無(wú)人機(jī)的數(shù)量；

定義6：nu表示無(wú)人機(jī)數(shù)量；

定義7：表示第i種無(wú)人機(jī)偵察第j個(gè)目標(biāo)所獲得的收益，i＝1,2,…,nt，j＝1,2,…,m；

定義8：djg表示第j個(gè)目標(biāo)與第g個(gè)目標(biāo)的歐氏距離，其計(jì)算公式為：

式(1)中xg、yg分別表示第g個(gè)待偵察目標(biāo)橫縱坐標(biāo)，xj、yj分別表示第j個(gè)待偵察目標(biāo)的橫縱坐標(biāo)；

定義9：vi表示第i種無(wú)人機(jī)的飛行速度，i＝1,2,…,nt，假設(shè)同一類(lèi)型的無(wú)人機(jī)的飛行速度相同；

定義10：表示第i種無(wú)人機(jī)從第j個(gè)目標(biāo)飛到第g個(gè)目標(biāo)消耗的時(shí)間，i＝1,2,…,nt，j＝1,2,…,m，g＝1,2,…,m；

定義11：表示第i種無(wú)人機(jī)偵察第g個(gè)目標(biāo)所消耗的時(shí)間，i＝1,2,…,nt，g＝1,2,…,m；

定義12：ti表示第i種無(wú)人機(jī)的飛行續(xù)航時(shí)長(zhǎng)，i＝1,2,…,nt；

定義13：rj∈tartype表示第j個(gè)目標(biāo)所屬類(lèi)型，j＝1,2,…,m；

定義14：ri∈tartype表示第i種無(wú)人機(jī)能夠執(zhí)行的任務(wù)類(lèi)型集合，i＝1,2,…,nt；

定義15：用二維決策變量表示各目標(biāo)的分配情況，其具體取值為

1)確認(rèn)目標(biāo)函數(shù)：收集情報(bào)是偵察任務(wù)的核心，采取最大化偵察情報(bào)收益為目標(biāo)函數(shù)，引導(dǎo)多無(wú)人機(jī)能夠完成更多的偵察獲得更多的情報(bào)收益，目標(biāo)函數(shù)表示如下：

2)確認(rèn)問(wèn)題約束如下：

(1)偵察限制約束：該約束要求每個(gè)目標(biāo)最多被偵察一次，表示為：

(2)偵察資源限制約束：各無(wú)人機(jī)完成任務(wù)總時(shí)間不能超過(guò)自身續(xù)航總時(shí)間，表示為：

(3)平衡約束：無(wú)人機(jī)到達(dá)某目標(biāo)執(zhí)行偵察任務(wù)后必須離開(kāi)該目標(biāo)，表示為：

其中為第k個(gè)基地中第i種第p架無(wú)人機(jī)從第g個(gè)目標(biāo)飛到第f個(gè)目標(biāo)；

(4)起飛、降落約束：每架無(wú)人機(jī)須得從所在基地起飛，完成任務(wù)后返回任意基地，表示為：

其中為第k個(gè)基地中第i種第p架無(wú)人機(jī)從第k個(gè)目標(biāo)飛到第p個(gè)目標(biāo),為第k個(gè)基地中第i種第p架無(wú)人機(jī)從第j個(gè)目標(biāo)飛到第l個(gè)目標(biāo)；

(5)無(wú)人機(jī)數(shù)量限制約束：所有被派出執(zhí)行偵察任務(wù)的無(wú)人機(jī)數(shù)量不能超過(guò)無(wú)人機(jī)的總數(shù)量，該約束表示為：

(6)基地?zé)o人機(jī)數(shù)量限制約束：基地派出執(zhí)行偵察任務(wù)的無(wú)人機(jī)數(shù)量不能超過(guò)該基地裝備的無(wú)人機(jī)數(shù)量，該約束表示為：

3)確認(rèn)數(shù)學(xué)模型：

步驟二、構(gòu)造布谷鳥(niǎo)解向量

將布谷鳥(niǎo)解向量定義為l×nt維矩陣，行l(wèi)代表基地，列nt代表無(wú)人機(jī)類(lèi)型，解向量及其元素表示具體如下所示：

元素oki為基地k中第i種無(wú)人機(jī)任務(wù)的具體序列，行代表基地序號(hào)，列代表待分配目標(biāo)序號(hào)，本發(fā)明采用基于實(shí)數(shù)向量的表示方式，oki中元素q1…qm的取值規(guī)則為正實(shí)數(shù)且保留一位小數(shù)，其取值范圍為其中為該種無(wú)人機(jī)數(shù)目，元素q1…qm的整數(shù)部分為對(duì)應(yīng)該種無(wú)人機(jī)中的架次，元素q1…qm的小數(shù)部分按由小到大排序?yàn)閳?zhí)行任務(wù)的順序；若第i種無(wú)人機(jī)無(wú)法執(zhí)行任務(wù)m或某目標(biāo)沒(méi)有分配給基地第i種無(wú)人機(jī)，則oki對(duì)應(yīng)列取值為0，b列為各無(wú)人機(jī)返回基地的序列；

步驟三、初始化參數(shù)

初始化任務(wù)區(qū)的數(shù)目及位置信息、基地?cái)?shù)目與位置信息，各基地的無(wú)人機(jī)種類(lèi)及數(shù)量、鳥(niǎo)窩數(shù)量w、最大迭代次數(shù)tmax、鳥(niǎo)窩拋棄概率pa、步長(zhǎng)比例因子α和β以及高斯擾動(dòng)因子k，并設(shè)置當(dāng)前迭代次數(shù)為t＝0，用fgbest表示本發(fā)明最大的目標(biāo)函數(shù)值，xgbest表示fgbest對(duì)應(yīng)的解向量，初始化時(shí)設(shè)置fgbest＝0，xgbest＝0；

步驟四、初始化解向量

為避免初始解中不可行解過(guò)多而導(dǎo)致收斂速度較慢，本發(fā)明針對(duì)多基地多異構(gòu)無(wú)人機(jī)協(xié)同偵察任務(wù)分配，以可行解進(jìn)行初始化，產(chǎn)生初始可行解的詳細(xì)步驟如下：

(1)采用基于歐氏距離的聚類(lèi)方法將待偵察目標(biāo)分配給各基地，其目的是將各目標(biāo)分配給與之最近的基地，具體步驟為：

計(jì)算每個(gè)目標(biāo)到各基地的歐氏距離，目標(biāo)j到基地k的歐式距離為其中(xj,yj),(xk,yk)分別為目標(biāo)j和基地k的坐標(biāo)，找出距離目標(biāo)j的歐式距離最近的基地，則將目標(biāo)j分配給該基地，按此步驟將所有目標(biāo)分配給距離該目標(biāo)最近的基地；

(2)進(jìn)行各基地內(nèi)的無(wú)人機(jī)任務(wù)分配，經(jīng)過(guò)步驟(1)將每個(gè)目標(biāo)分配給了對(duì)應(yīng)的基地后，進(jìn)一步需要把各基地分配得到的任務(wù)再分配給該基地內(nèi)的無(wú)人機(jī)針對(duì)每一個(gè)基地執(zhí)行如下步驟：

1)判斷基地是否有被分配到1個(gè)及以上任務(wù)，若是，則進(jìn)入步驟2)；若否，則結(jié)束；

2)對(duì)于分配到基地的每一個(gè)任務(wù)，判斷該任務(wù)是否只能被單一類(lèi)型無(wú)人機(jī)偵察，若是，則執(zhí)行步驟3)；若否，則執(zhí)行步驟4)；

3)對(duì)于只能由單一類(lèi)型無(wú)人機(jī)偵察的任務(wù)，用n表示該基地中能執(zhí)行該任務(wù)的無(wú)人機(jī)數(shù)量，若n＝0表示該基地中不存在能執(zhí)行該任務(wù)的無(wú)人機(jī)，則不對(duì)該任務(wù)進(jìn)行分配；若n＞1表示該基地中存在能執(zhí)行該任務(wù)的無(wú)人機(jī)，則用計(jì)算機(jī)對(duì)該任務(wù)產(chǎn)生(0,n+1)之間的隨機(jī)數(shù)r1，并采用四舍五入的方法對(duì)r1保留一位小數(shù)，得到帶一位小數(shù)的正實(shí)數(shù)即為解向量中對(duì)應(yīng)的元素值；

4)對(duì)于被多種類(lèi)型無(wú)人機(jī)偵察的任務(wù)，用m表示該基地中能執(zhí)行該任務(wù)的無(wú)人機(jī)種數(shù)，則有m＞1，在(0,m)之間產(chǎn)生一個(gè)隨機(jī)數(shù)r2，并對(duì)r2向上取整得到一個(gè)[1,m]范圍內(nèi)的整數(shù)h，則將任務(wù)分配給第h種無(wú)人機(jī)，用u表示該基地中第h種無(wú)人機(jī)的數(shù)量，則用計(jì)算機(jī)對(duì)該任務(wù)產(chǎn)生(0,n+1)之間的隨機(jī)數(shù)r3，并隨機(jī)數(shù)r3采用四舍五入的方法對(duì)r3保留一位小數(shù)，得到的帶一位小數(shù)的正實(shí)數(shù)即為解向量中對(duì)應(yīng)的元素值；

(3)檢驗(yàn)由步驟(1)-步驟(2)構(gòu)造出的初始可行解是否滿足步驟一約束條件中的公式(3)-公式(9)，若滿足則完成初始可行解的構(gòu)造,否則重復(fù)本步驟中步驟(1)和步驟(2)直至完成初始可行解的構(gòu)造；

構(gòu)造出的初始可行解形式如公式(11)中的x所示；

步驟五、計(jì)算當(dāng)前所有鳥(niǎo)窩的目標(biāo)函數(shù)

用表示在第t次迭代過(guò)程中第w個(gè)鳥(niǎo)窩的位置，即為可行解，在計(jì)算每個(gè)鳥(niǎo)窩的目標(biāo)函數(shù)之前，先對(duì)該鳥(niǎo)窩位置進(jìn)行解碼，具體解碼步驟為：

對(duì)于第k個(gè)基地中第i種第p架無(wú)人機(jī)，找到中第k行第i列oki中整數(shù)部分為p的所有元素，這些元素對(duì)應(yīng)的任務(wù)都分配給了該架無(wú)人機(jī)，將這些任務(wù)按對(duì)應(yīng)元素值從小到大的順序進(jìn)行排列，即得到該架無(wú)人機(jī)的任務(wù)執(zhí)行順序，根據(jù)每架無(wú)人機(jī)的任務(wù)執(zhí)行順序確定決策變量的值，按定義15進(jìn)行確定；

對(duì)鳥(niǎo)窩解碼后，根據(jù)公式(2)計(jì)算該鳥(niǎo)窩的目標(biāo)函數(shù)；

步驟六、輸出最大目標(biāo)函數(shù)值

根據(jù)所有鳥(niǎo)窩的目標(biāo)函數(shù)值，用表示在第t次迭代過(guò)程中第w個(gè)鳥(niǎo)窩的目標(biāo)函數(shù)值，選出當(dāng)前最大的目標(biāo)函數(shù)值以及對(duì)應(yīng)的鳥(niǎo)窩位置若則令并判斷當(dāng)前迭代次數(shù)t是否達(dá)到最大迭代次數(shù)tmax，若t＞tmax，則結(jié)束迭代過(guò)程并輸出最大目標(biāo)函數(shù)值fgbest與目標(biāo)函數(shù)值最大鳥(niǎo)窩xgbest，若t≤tmax，則執(zhí)行步驟七；

步驟七、更新

采用公式(13)對(duì)鳥(niǎo)窩位置進(jìn)行更新：

式(13)中表示第w個(gè)鳥(niǎo)窩在第t+1代的鳥(niǎo)窩位置，表示第w個(gè)鳥(niǎo)窩在第t代的鳥(niǎo)窩位置，α為步長(zhǎng)比例因子，α∈[0,1]，為點(diǎn)對(duì)點(diǎn)乘法，levy(β)表示服從步長(zhǎng)比例因子為β的萊維飛行，步長(zhǎng)通過(guò)如下公式取得：

式(14)中，s為步長(zhǎng)，u和v為正態(tài)分布的隨機(jī)數(shù)且

其中，γ為gamma函數(shù)，σu和σv分別為u和v的標(biāo)準(zhǔn)差；

步驟八、計(jì)算每個(gè)鳥(niǎo)窩的目標(biāo)函數(shù)值計(jì)算方法如步驟五所述，比較每個(gè)鳥(niǎo)窩的當(dāng)前目標(biāo)函數(shù)值與上一代目標(biāo)函數(shù)值的大小，若則

步驟九、高斯擾動(dòng)

第t+1代的目標(biāo)函數(shù)的最大值對(duì)應(yīng)的鳥(niǎo)窩為為了不讓鳥(niǎo)窩直接進(jìn)入下一次迭代，引入高斯擾動(dòng)，使得新解向量在舊解向量附近微調(diào)并保留較好的解向量，記組成的矩陣為

加高斯擾動(dòng)表示如下：

式(16)中，表示經(jīng)過(guò)高斯擾動(dòng)后的鳥(niǎo)窩，q為與同階的隨機(jī)矩陣，且q中每個(gè)元素都服從標(biāo)準(zhǔn)正態(tài)分布n(0,1)，k為高斯擾動(dòng)因子；

步驟十、鳥(niǎo)窩拋棄

每個(gè)步驟九中經(jīng)過(guò)高斯擾動(dòng)后的鳥(niǎo)窩產(chǎn)生0到1之間的服從均勻分布的隨機(jī)數(shù)r，將r與鳥(niǎo)窩拋棄概率pa進(jìn)行對(duì)比，若r＞pa，則拋棄該鳥(niǎo)窩當(dāng)前位置并重新初始化該鳥(niǎo)窩的位置，初始化過(guò)程如步驟四所述；若r≤pa，則不改變?cè)擑B(niǎo)窩的位置；

步驟十一、將當(dāng)前迭代次數(shù)t加1，轉(zhuǎn)步驟五計(jì)算目標(biāo)函數(shù)值進(jìn)入下一次迭代計(jì)算，直至達(dá)到最大迭代次數(shù)時(shí)，迭代計(jì)算結(jié)束。

本發(fā)明的仿真環(huán)境：intelcorei5-4590@3.30ghz，4gram，windows7系統(tǒng)，matlab2016b平臺(tái)。

偵察環(huán)境為100km*100km區(qū)域，區(qū)域內(nèi)基地?cái)?shù)量為3，無(wú)人機(jī)種類(lèi)為3種，分別記為u1、u2、u3，基地配置無(wú)人機(jī)如表1所示；待偵察目標(biāo)數(shù)為20，任務(wù)種類(lèi)為4種，每種任務(wù)類(lèi)型數(shù)量為5個(gè)，任務(wù)類(lèi)型與無(wú)人機(jī)類(lèi)型對(duì)應(yīng)關(guān)系及無(wú)人機(jī)信息如表2所示：

表1基地配置信息

表2無(wú)人機(jī)與目標(biāo)對(duì)應(yīng)關(guān)系及無(wú)人機(jī)信息

目標(biāo)坐標(biāo)分布及類(lèi)型、偵察目標(biāo)所消耗的時(shí)間如表3所示：

表3目標(biāo)信息

基地內(nèi)各種類(lèi)無(wú)人機(jī)偵察各目標(biāo)所獲得的收益如表4所示，表中收益為0表示該種無(wú)人機(jī)不能偵察該種目標(biāo)：

表4目標(biāo)-無(wú)人機(jī)種類(lèi)收益表

本發(fā)明的偵察環(huán)境態(tài)勢(shì)如圖2所示：

仿真結(jié)果與分析如下，根據(jù)改進(jìn)布谷鳥(niǎo)算法構(gòu)造的初始可行解如下：

(1)根據(jù)歐氏距離分配給各基地的任務(wù)目標(biāo)：

基地1分配的目標(biāo)為：t1、t2、t3、t4、t5、t6、t14、t15，共8個(gè)目標(biāo)；

基地2分配的目標(biāo)為：t7、t9、t11、t12、t18、t19、t20，共7個(gè)目標(biāo)；

基地3分配的目標(biāo)為：t8、t13、t16、t17，共5個(gè)目標(biāo)；

(2)根據(jù)基地內(nèi)分配規(guī)則，采用基于實(shí)數(shù)向量方式確定各無(wú)人機(jī)分配的任務(wù)及執(zhí)行順序結(jié)果如表5所示，初始總偵察收益為790：

表5初始可行解分配結(jié)果

采用的改進(jìn)cs算法進(jìn)行解算，具體的參數(shù)配置：鳥(niǎo)窩數(shù)量為40，最大迭代次數(shù)為100，步長(zhǎng)比例因子α＝1、β＝1.5，發(fā)現(xiàn)概率pa＝0.25，k＝0.00005。結(jié)算得到的迭代收斂過(guò)程如圖3所示，得到的分配結(jié)果如表6所示：

表6分配結(jié)果

各無(wú)人機(jī)消耗的總時(shí)間如表7所示：

表7消耗總時(shí)間

表6中可以得到，基地1中u1無(wú)人機(jī)起飛按順序偵察目標(biāo)t9-t13獲得偵察收益并安全返回基地3；u2無(wú)人機(jī)起飛按順序偵察目標(biāo)t14-t16-t20-t6并安全返回基地1；基地2中u2無(wú)人機(jī)起飛按順序偵察目標(biāo)t4-t18-t10-t2并安全返回基地1；u3無(wú)人機(jī)起飛按順序偵察目標(biāo)t11-t12-t7-t15-t3并安全返回基地2；基地3中u1起飛按順序偵察目標(biāo)t17-t5-t1并安全返回基地1?？傁臅r(shí)間分別為9.1032h，11.9413h，11.3925h，14.0165h，9.4395h；此外表7的結(jié)果表明所有無(wú)人機(jī)總消耗時(shí)間均在自身續(xù)航時(shí)間內(nèi)。結(jié)果表明，本發(fā)明提出的改進(jìn)cs算法能夠有效的解決多基地多異構(gòu)無(wú)人機(jī)的偵察任務(wù)分配問(wèn)題。

圖4、圖5、圖6所示為偵察區(qū)域內(nèi)基地1、基地2、基地3內(nèi)擁有無(wú)人機(jī)具體分配到的偵察目標(biāo)及執(zhí)行順序。