摘要：在有限能耗下提高任务执行效率是无人机系统中一个关键问题,然而现有的无人机任务分配方法忽视任务与无人机巡航方向的相关性对能耗和时延的影响。为此,提出一种基于任务与巡航方向相关性分析的无人机任务分配方法,该方法包括任务筛选和基于共识的冲突解决两个阶段。在第一阶段,该方法首先利用任务与无人机巡航方向的夹角为单个无人机筛选出无折返任务,然后提出兼顾能耗和时间紧迫性的任务筛选算法从无折返任务中筛选出交互前候选任务。在第二阶段,该方法在多个无人机交互候选任务列表后,根据任务在这多个无人机巡航方向上的能耗效用参数和时延评估值来解决它们之间的任务冲突。经实验验证,提出的方法能够获得更低的任务平均能耗和平均时延。

摘要：基于不确定理论,研究了不确定环境下无人机多目标任务分配问题。首先,引入不确定变量来描述任务分配规划中存在的不确定因素,考虑作战任务收益和航行油耗这两个目标,建立了不确定无人机双目标任务分配模型;其次,根据不确定变量的数字特征定义了期望值-标准差有效解,并把原不确定双目标模型转化为确定多目标任务分配模型;然后,通过线性加权法与理想点法将其转化为单目标优化问题进而设计算法求解;最后,建立4架无人机,24个敌方目标的任务实例,利用蚁群算法进行求解,得到了期望值-标准差有效任务分配方案。实例仿真结果表明,该求解方法能够有效地处理不确定环境下无人机任务分配问题,且任务分配次序规划合理,总代价较小。

摘要：为解决无人机集群进行协同搜索时的任务分配问题,在基于天牛须搜索的粒子群优化(BSO)算法的基础上设计了一种天牛粒子群混合(BSO-BAS)算法,克服了粒子群优化(PSO)算法易陷入局部最优解、寻优不稳定的缺点。以多旅行商模型(MTSP)为基础构建了多目标、多约束的无人机集群任务分配模型。通过实验仿真与原始寻优算法进行对比,验证了所设计算法求解无人机协同搜索任务分配问题的可行性和稳定性。