基于改进粒子群优化的无人机任务动态分配方法及系统与流程

本发明涉及无人机集群协同控制，具体而言，涉及一种基于改进粒子群优化的无人机任务动态分配方法及系统。

背景技术：

1、随着无人机平台的感知、通信、导航和自主控制能力不断发展，多架无人机协同执行巡查、监测、搜寻、识别、物资投送等任务的应用方式逐渐增多。相较于单架无人机独立执行任务，多无人机协同作业能够利用不同无人机在空间位置、载荷能力、续航能力和任务执行状态等方面的差异，对多个任务进行并行处理。在部分任务场景中，还可能需要多架无人机配合完成同一任务。因此，如何根据任务需求和无人机状态合理确定任务与无人机之间的分配关系，是多无人机协同作业中的一项任务规划内容。

2、无人机任务分配通常需要综合考虑任务信息和无人机状态信息。任务信息可以包括任务位置、任务优先级、任务所需服务时间、任务类型和任务时间窗口等，无人机状态信息可以包括无人机当前位置、飞行速度、最大航程、载荷能力、当前任务列表、剩余电量和健康状态等。不同任务之间可能存在执行顺序、时间限制或者资源占用方面的关联，不同无人机之间也可能在航程、载荷、剩余电量和可执行任务类型方面存在差异。因而，无人机任务分配通常属于受到多种条件约束的组合优化问题。随着任务数量和无人机数量增加，可供选择的任务分配组合相应增多，任务分配计算的复杂程度也会随之提高。

3、现有无人机任务分配方式可以包括集中式任务分配方式和分布式任务分配方式。集中式任务分配方式通常由地面控制站或中心计算节点收集任务数据和各无人机的状态数据，基于所获得的全局信息统一计算任务分配方案，并将任务分配结果发送给相应无人机。该方式便于对不同任务和无人机资源进行统一调度，但计算过程依赖于中心节点所获得状态信息的完整性和时效性。当无人机数量或任务数量增加时，中心节点需要处理的数据和候选任务分配组合相应增加；当任务条件或无人机状态发生变化时，还可能需要重新计算任务分配方案。

4、分布式任务分配方式通常通过合同网、拍卖或者节点间协商等机制，由各无人机或任务节点交换任务发布信息、资源状态信息和响应信息，并根据交互结果确定任务归属。该方式能够将部分计算过程分散至不同节点，但通常需要节点之间进行多轮信息交换。在通信带宽受限、通信延迟增加或者部分通信链路中断的情况下，部分节点可能无法及时获得其他节点的状态变化，进而影响任务分配结果与无人机实际状态之间的一致性。对于具有任务时间窗口或者需要在较短时间内作出调整的应用场景，多轮信息交互也会占用一定的任务规划时间。

5、为处理任务数量较多、约束关系较复杂的任务分配问题，一些任务分配方法采用遗传算法、蚁群算法、粒子群优化算法等启发式优化方法搜索候选任务分配方案。其中，粒子群优化算法通过粒子的个体搜索结果和粒子群的群体搜索结果更新粒子位置，具有参数数量相对较少、计算结构较为明确等特点。标准粒子群优化算法主要面向连续参数空间，而无人机任务分配结果通常表现为任务与无人机之间的离散分配关系。因此，将粒子群优化算法用于无人机任务分配时，需要处理连续搜索过程与离散任务分配结果之间的表示转换问题。表示方式及转换方式的不同，可能影响候选方案的生成、可行性判断以及后续迭代更新。

6、无人机任务分配还可能包含多个评价目标。例如，任务收益可以反映任务优先程度或者任务完成价值，任务执行成本可以包括任务用时、飞行距离和能耗，任务负载分布可以反映不同无人机承担任务的差异。上述评价指标的变化方向和取值范围可能不同，需要在候选方案评价过程中进行协调。如果评价方式与优化过程中的方案优选方向不一致，可能影响个体较优方案和群体较优方案的更新。同时，生成候选方案时还需要考虑无人机航程、载荷能力和任务时间窗口等约束，避免将任务分配给不具备相应执行条件的无人机。

7、更关键的是，多无人机执行任务的过程并非始终处于静态状态。在任务执行期间，可能出现新增任务、无人机剩余电量变化、无人机健康状态变化、无人机失去任务执行能力以及通信状态变化等情况。上述动态事件可能改变待分配任务的范围、无人机的可用状态或者任务执行条件。在检测到动态事件后，如果针对全部任务和全部无人机重新执行优化计算，虽然能够重新建立任务分配关系，但也可能改变未受动态事件影响的原有任务安排，并增加重新规划所需的计算量。

8、对于无人机失效或者通信异常情形，如果仍将状态异常的无人机作为正常可用无人机参与任务分配，可能使分配结果与当前无人机状态不相适应；如果在尚未判断通信异常无人机任务执行能力的情况下直接重新分配其原有任务，又可能造成任务重复分配。对于新增任务，如果每次均重新生成全部候选任务分配方案，则先前任务分配过程中形成的有效信息难以继续利用。因此，现有无人机任务分配方法仍有进一步改进的空间，以协调连续优化过程与离散任务分配结果之间的转换关系，并在任务集合、无人机可用状态或者通信状态发生变化时，对受到影响的任务进行相应调整。

技术实现思路

1、本发明旨在至少解决现有技术中存在的上述技术问题之一。

2、为此，本发明第一方面提供了一种基于改进粒子群优化的无人机任务动态分配方法。

3、本发明第二方面提供了一种基于改进粒子群优化的无人机任务动态分配系统。

4、本发明提供了一种基于改进粒子群优化的无人机任务动态分配方法，包括：

5、获取待分配任务集合和无人机集合，并获取所述待分配任务集合中各任务的任务属性信息、所述无人机集合中各无人机的状态信息以及任务分配对应的可行性约束；

6、初始化粒子群，以所述粒子群中的每个粒子表征一个候选任务分配方案，其中，每个粒子的粒子位置由任务分配概率矩阵表示，所述任务分配概率矩阵中的各矩阵元素分别表示对应任务分配给对应无人机的分配概率，所述分配概率用于表征对应无人机与对应任务之间的分配匹配度；

7、针对所述粒子群中的每个粒子，利用循环神经网络编码器对所述粒子的任务分配概率矩阵进行编码，得到对应的隐藏特征，利用循环神经网络解码器根据所述隐藏特征生成对应的解码任务分配概率矩阵，并根据所述解码任务分配概率矩阵及所述可行性约束，确定各任务对应的目标无人机集合，得到候选任务分配方案，其中，所述目标无人机集合包括至少一架无人机；

8、根据任务收益、任务执行成本和任务负载不平衡度计算所述候选任务分配方案的适应度值；

9、根据各粒子的个体最优粒子位置和所述粒子群的群体最优粒子位置，更新各粒子的粒子速度和粒子位置，并对至少部分候选任务分配方案执行变异操作；

10、重复进行编码、解码、目标无人机集合确定、适应度值计算、粒子速度和粒子位置更新以及变异操作，直至满足预设终止条件，确定群体最优粒子位置，并根据所述群体最优粒子位置对应的任务分配概率信息及所述可行性约束，获得任务分配方案；

11、在所述任务分配方案的执行过程中，检测任务新增事件、无人机失效事件和通信异常事件中的至少一种动态事件，并根据检测到的动态事件判断是否需要重新分配任务；

12、当需要重新分配任务时，确定受影响任务集合，根据所述动态事件更新所述循环神经网络解码器的输入信息和所述可行性约束中的至少一项，利用所述循环神经网络解码器生成适应所述动态事件的任务分配概率矩阵，以所述适应所述动态事件的任务分配概率矩阵作为局部粒子群的初始粒子位置，在保持未受影响任务的分配关系不变的情况下，对所述受影响任务集合执行局部粒子群优化，获得更新后的任务分配方案；以及

13、将所述任务分配方案或所述更新后的任务分配方案发送至路径规划接口，以生成供相应无人机执行的航迹指令。

14、根据本发明上述技术方案的基于改进粒子群优化的无人机任务动态分配方法，还可以具有以下附加技术特征：

15、在上述技术方案中，所述任务属性信息包括任务位置、任务优先级、任务所需服务时间、任务类型、任务时间窗口和任务要求的无人机数量；

16、所述无人机的状态信息包括无人机位置、飞行速度、最大航程、载荷能力、当前任务列表、剩余电量和健康状态；

17、所述可行性约束包括无人机载荷能力约束、航程约束、任务时间窗口约束和任务要求的无人机数量约束；

18、所述粒子群的初始化包括：针对各任务与各无人机之间的对应关系，在预设概率取值区间内随机生成初始分配概率，或者根据预设的任务—无人机匹配规则确定初始分配概率，并根据所述初始分配概率生成各粒子的初始任务分配概率矩阵。

19、在上述技术方案中，第p个粒子在第k次迭代以及时刻t对应的任务分配概率矩阵满足：

20、

21、其中，表示第p个粒子在第k次迭代以及时刻t对应的粒子位置；表示第p个粒子在第k次迭代以及时刻t下，任务分配给无人机的分配概率，所述分配概率用于表征无人机与任务之间的分配匹配度；p表示粒子编号；k表示迭代次数；t表示任务规划时刻或任务执行时刻；i表示任务编号；j表示无人机编号；n表示任务数量；m表示无人机数量；

22、所述任务分配概率矩阵包括与所述待分配任务集合中的各任务一一对应的n行，以及与所述无人机集合中的各无人机一一对应的m列，同一行中的各分配概率分别表征各无人机与对应任务之间的分配匹配度；

23、所述循环神经网络编码器用于将所述任务分配概率矩阵编码为连续数值型的隐藏特征，所述循环神经网络解码器用于根据所述隐藏特征生成所述解码任务分配概率矩阵；

24、根据所述解码任务分配概率矩阵中的各分配概率和所述可行性约束，从可用无人机中为各任务确定至少一架目标无人机，并由各任务分别对应的目标无人机集合形成所述候选任务分配方案。

25、在上述技术方案中，按照适应度值越大对应的候选任务分配方案越优的最大化口径计算所述适应度值，候选任务分配方案对应的适应度值满足：

26、

27、其中，表示候选任务分配方案a对应的适应度值；表示候选任务分配方案a对应的任务收益；表示候选任务分配方案a对应的任务执行成本；表示候选任务分配方案a对应的任务负载不平衡度；表示任务收益的权重系数；表示任务执行成本的权重系数；表示任务负载不平衡度的权重系数；

28、当所述候选任务分配方案不满足所述可行性约束时，为所述候选任务分配方案设置惩罚适应度值，所述惩罚适应度值低于当前迭代中满足所述可行性约束的候选任务分配方案的适应度值。

29、在上述技术方案中，第p个粒子在第k+1次迭代以及时刻t对应的粒子速度按照下式更新：

30、

31、其中，表示第p个粒子在第k+1次迭代以及时刻t对应的粒子速度；表示第k次迭代对应的惯性权重系数；表示第p个粒子在第k次迭代以及时刻t对应的粒子速度；表示认知加速度系数；表示与认知项对应的随机数；表示第p个粒子截至第k次迭代以及时刻t对应的个体最优粒子位置；表示第p个粒子在第k次迭代以及时刻t对应的粒子位置；表示社会加速度系数；表示与社会项对应的随机数；表示所述粒子群截至第k次迭代以及时刻t对应的群体最优粒子位置；

32、第p个粒子在第k+1次迭代以及时刻t对应的粒子位置按照下式更新：

33、

34、其中，表示第p个粒子在第k+1次迭代以及时刻t对应的粒子位置。

35、在上述技术方案中，所述惯性权重系数根据迭代次数进行自适应调节，以使所述惯性权重系数在迭代初期促进全局搜索，并在迭代后期促进局部搜索；

36、变异操作包括交换变异和插入变异中的至少一种，所述交换变异用于交换两个任务与对应无人机之间的至少一个分配关系，所述插入变异用于将一个任务与至少一架无人机之间的分配关系调整为所述任务与另一可用无人机之间的分配关系；

37、所述预设终止条件包括达到预设最大迭代次数和连续迭代之间的适应度值变化小于预设阈值中的至少一种。

38、在上述技术方案中，对所述受影响任务集合执行局部粒子群优化，包括：

39、根据检测到的动态事件和各无人机的最新状态信息，确定所述受影响任务集合；

40、根据所述动态事件，更新各粒子对应的待解码任务分配标记信息、可行性掩码和无人机状态信息中的至少一项；

41、利用所述循环神经网络解码器生成各粒子对应的事件适应任务分配概率矩阵，并以各粒子对应的事件适应任务分配概率矩阵作为所述局部粒子群的初始粒子位置；

42、保持所述未受影响任务对应的任务分配概率矩阵行及其分配关系不变，对所述受影响任务对应的任务分配概率矩阵行执行粒子群优化，获得局部任务分配结果；以及

43、将所述局部任务分配结果与所述未受影响任务的分配关系合并，获得所述更新后的任务分配方案。

44、在上述技术方案中，当检测到所述任务新增事件时，将新增任务加入所述待分配任务集合，在各粒子对应的待解码任务分配标记信息中加入表示所述新增任务尚未确定目标无人机的待分配标志，利用嵌入层将所述待分配标志转换为连续嵌入特征，并将所述连续嵌入特征作为所述循环神经网络解码器的输入信息；

45、利用所述循环神经网络解码器生成所述新增任务对应的分配概率行，将所述分配概率行加入各粒子原有的任务分配概率矩阵，形成矩阵行数随所述新增任务增加的扩维任务分配概率矩阵，并以所述扩维任务分配概率矩阵作为所述局部粒子群的初始粒子位置；

46、当检测到所述无人机失效事件时，将失效无人机标记为不可用，将所述任务分配概率矩阵中所述失效无人机对应列的可行性掩码值设置为0，将所述失效无人机原负责的未完成任务确定为所述受影响任务，利用所述循环神经网络解码器生成所述受影响任务对应的更新分配概率行，并在屏蔽所述失效无人机的情况下对所述受影响任务执行局部粒子群优化。

47、在上述技术方案中，当检测到所述通信异常事件时：

48、利用掩码矩阵从通信异常无人机及其他无人机的状态信息中选取当前可观测信息，并利用与所述掩码矩阵互补的反掩码矩阵标识需要根据通信异常发生前的状态信息进行预测的信息；

49、利用所述循环神经网络根据所述当前可观测信息和所述通信异常发生前的状态信息，预测通信异常无人机的后续任务执行状态；

50、当所述后续任务执行状态表示通信异常无人机能够继续执行任务时，保持通信异常无人机原负责的任务不变；

51、当所述后续任务执行状态表示通信异常无人机不能继续执行任务时，将通信异常无人机原负责的未完成任务确定为所述受影响任务，并在屏蔽通信异常无人机的情况下，对所述受影响任务执行局部粒子群优化。

52、本发明提供的一种基于改进粒子群优化的无人机任务动态分配系统，包括：

53、任务管理模块，用于接收、存储和维护任务数据，并在出现新增任务时更新待分配任务集合；

54、无人机状态感知模块，用于获取各无人机的位置、剩余电量、载荷、飞行速度和健康状态，并检测无人机失效事件和通信异常事件；

55、分配决策模块，用于初始化以任务分配概率矩阵作为粒子位置的粒子群，利用循环神经网络编码器对各粒子的任务分配概率矩阵进行编码，得到对应的隐藏特征，利用循环神经网络解码器根据所述隐藏特征生成解码任务分配概率矩阵，根据所述解码任务分配概率矩阵及可行性约束确定各任务对应的目标无人机集合，根据任务收益、任务执行成本和任务负载不平衡度计算候选任务分配方案的适应度值，根据个体最优粒子位置和群体最优粒子位置更新粒子速度和粒子位置并执行变异和/或交叉操作，输出任务分配方案，以及在需要重新分配任务时，利用所述循环神经网络解码器生成适应动态事件的任务分配概率矩阵，以所述适应动态事件的任务分配概率矩阵作为局部粒子群的初始粒子位置，对受影响任务执行局部粒子群优化；

56、路径规划接口模块，用于将所述分配决策模块输出的任务分配方案转换为供对应目标无人机集合中的无人机执行的航迹指令；以及

57、动态反馈模块，用于监控各无人机的任务执行状态，并在检测到任务新增事件、无人机失效事件或通信异常事件时，触发所述分配决策模块判断是否需要重新分配任务。

58、综上所述，由于采用了上述技术特征，本发明的有益效果是：

59、本发明通过获取待分配任务的位置、优先级、服务时间、任务类型、时间窗口和要求的无人机数量等属性信息，以及各无人机的位置、航程、载荷能力、剩余电量、健康状态和当前任务列表等状态信息，构建与任务条件和无人机可用资源相对应的动态分配过程。在任务分配过程中综合考虑任务收益、任务执行成本和任务负载不平衡度，并通过可行性约束排除不满足载荷能力、航程、任务时间窗口或无人机数量要求的候选方案，能够兼顾任务完成需求、资源消耗和多架无人机之间的任务负载分布，并支持一个任务由一架无人机执行或者由多架无人机共同执行的任务分配情形。

60、本发明以任务分配概率矩阵表示粒子的搜索位置，矩阵中的各分配概率分别表征相应无人机与相应任务之间的分配匹配度，不要求同一任务对应的各分配概率构成互斥概率分布。通过循环神经网络编码器提取任务分配概率矩阵中的关联特征，并由循环神经网络解码器生成对应的解码任务分配概率矩阵，再结合各任务要求的无人机数量、分配概率及可行性约束确定目标无人机集合，能够在连续数值型粒子位置和离散任务分配结果之间建立对应关系。该处理方式既适用于一个任务对应一架无人机的分配情况，也适用于一个任务对应多架无人机的协同执行情况，并能够为后续适应度评价和航迹生成提供明确的任务—无人机分配关系。

61、本发明根据粒子的个体最优位置和粒子群的群体最优位置更新粒子速度及粒子位置，并结合随迭代过程调节的惯性权重，使粒子群在迭代初期保持对不同候选任务分配方案的搜索能力，在迭代后期加强对已有较优方案附近区域的搜索。同时，对至少部分候选任务分配方案执行交换变异或插入变异，以改变任务与无人机之间的原有分配关系，增加迭代过程中候选任务分配方案的差异性。采用任务收益为正向评价项、任务执行成本和任务负载不平衡度为负向评价项的最大化适应度评价方式，还能够使适应度计算方向与个体最优位置及群体最优位置的更新方向保持一致。

62、本发明在任务执行过程中检测新增任务、无人机失效和通信异常等动态事件，并根据动态事件更新循环神经网络解码器的输入信息、无人机状态信息或者可行性掩码。对于新增任务，通过嵌入层将待分配标志转换为连续嵌入特征，由解码器生成新增任务对应的分配概率行，并在保留原有矩阵行的基础上形成扩维任务分配概率矩阵；对于无人机失效，通过掩码屏蔽失效无人机，并重新生成其未完成任务对应的分配概率；对于通信异常，先根据已有状态信息预测通信异常无人机的后续任务执行状态，再确定保留原分配关系或者重新分配未完成任务。将动态事件发生后生成的任务分配概率矩阵作为局部粒子群的初始粒子位置，并仅对受影响任务进行局部优化，有助于继续利用原粒子群中已经形成的搜索信息，减少对未受影响任务分配关系的调整。

63、本发明通过任务管理、无人机状态感知、分配决策、路径规划接口和动态反馈等功能环节形成任务分配与执行反馈的闭环。任务分配结果能够经路径规划接口转换为对应目标无人机执行的航点序列和航迹指令，任务执行过程中的位置、电量、载荷、健康状态和任务完成情况能够反馈至任务分配过程，用于触发后续任务调整。由此能够使任务数据、无人机实时状态、任务分配结果和航迹执行过程保持关联，为多架无人机在巡查、监测、搜寻、识别和物资投送等场景下协同执行多项任务提供任务规划与动态调整支持。

64、本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。