基于负载约束的多无人船任务分配方法与流程

技术特征：
1.基于负载约束的多无人船任务分配方法，将任务分配分为任务委派阶段和任务执行阶段，其特征在于该方法包括以下步骤：步骤1：环境信息的预处理及位置信息的获取；针对某一水域，存在一定数量的任务需要被执行；获取此水域的地图，将地图二值化，使用
‘0’
和
‘1’
值分别表示有障碍区域和可行区域，二值图像用bw表示；任务位置信息事先已知，表示为t
i
∈t＝{t1,t2,
…
,t
d
}，其中i＝1,2,...,d，共有d个任务需要被执行，t为任务位置集合，任务分布在二维平面的水域；步骤2：使用二值图像构建通信连接距离模型；计算通信连接概率：其中，表示i和j两个节点间通信连接概率，当其小于一个确定阈值时，表明两个节点间的通信连接失败；γ为通信连接阈值；σ2是噪声功率；d
ij
是点i和j之间的欧式距离；α是传播损失参数；c是天线增益；p是信号功率；用表示节点i和节点j间的通信成功率的权值：其中，k
sp
是控制输出曲线斜率的增长的参数，μ
p
是可建立通信连接成功率的阈值；由此通信连接距离为：其中，d
i,j
为节点i和节点j间的欧式距离；步骤3：利用步骤2构建的通信连接距离模型将任务委派给多艘无人船；任务委派阶段视为机器学习中的聚类过程，这个过程将任务位置集合t划分为一定数据量簇，每个簇中包含的任务需要单独一艘无人船执行，这个过程发生在任务委派阶段；采用改进的agglomerative算法，对任务位置集合t中的任务完成聚类，具体是在计算过程中，将步骤2中的通信连接距离模型代替传统的距离模型，表示在二值图像中不同任务位置间的关系；最终产生的聚类结果即为任务委派结果；其中，每一个簇中包含的任务被一艘无人船执行；至此，成功的将任务位置集合t中包含的任务委派给多艘无人船；步骤4：使用som算法优化各艘无人船的任务执行序列；通过步骤3的计算结果，最终产生多个簇；对于每个簇中包含的任务，任务被执行的过程视为旅行商问题，使用som算法求解旅行商问题；旅行商问题的求解的过程视为优化无人船任务执行序列的过程，这一过程发生在任务执行阶段。
2.根据权利要求1所述的基于负载约束的多无人船任务分配方法，其特征在于：步骤2中：障碍物对传播损失参数α的权重terrain
arg
计算如下：terrain
arg
＝n
obs
·
w
tp
n
obs
代表二值图像bw中障碍物占据像素点的数量；w
tp
代表二值图像bw中障碍物位置权重，反映障碍物像素在信号路径中影响程度。3.根据权利要求2所述的基于负载约束的多无人船任务分配方法，其特征在于：构建权重关系公式如下：其中，k
sa
和μ
α
是sigmoid函数定义输出曲线形状的参数，α0是无障碍物环境下传播损失函数；a为sigmoid函数的最大值。4.根据权利要求1所述的基于负载约束的多无人船任务分配方法，其特征在于：步骤3中：改进的agglomerative算法的具体过程如下；
①
初始过程设定最终聚类数或设定负载约束值为n
max
；
②
将每个任务单独视为一个簇，计算所有簇的簇间距离，生成一个相似性邻接矩阵m，邻接矩阵m中的各个元素用a
ij
表示，其中i，j∈[1，m]，m为当前簇的总数量；
③
在邻接矩阵m中搜索最小值，并判断这个值对应的两个簇的总样本数是否小于负载约束值n
max
；若小于则合并这两个簇，反之在邻接矩阵m中将搜索到的最小值设为最大值inf，并在重新搜索邻接矩阵m；
④
统计任务数小于负载约束值n
max
的簇，计算这些簇的簇间距离，更新邻接矩阵m；
⑤
重复上述步骤3和步骤4，直到达到满足最终设定聚类数或没有可以合并的簇。5.根据权利要求1所述的基于负载约束的多无人船任务分配方法，其特征在于：使用som算法求解旅行商问题具体过程如下：
①
初始过程：指定神经元个数n
neuron
，进行随机初始化；设定迭代次数n；
②
竞争过程：在输入空间随机挑选一个任务；使用欧式距离，找到距离任务最近的神经元；
③
合作过程：获胜的神经元位于合作神经元的拓扑领域中心，对于一个获胜神经元更新它的领域内的神经元；
④
更新过程：在迭代过程中，高斯分布方差减少，学习率参数η随着迭代次数n不断增加而下降；
⑤
重复
②‑④
过程，直到达到迭代次数；利用上述过程得到无人船的最优任务执行序列，即为最终无人船的任务执行序列；对步骤3的聚类结果中所有簇中包含的任务进行上述优化过程，获得所有无人船的任务执行序列。6.根据权利要求5所述的基于负载约束的多无人船任务分配方法，其特征在于：领域更新函数采用高斯函数：
其中，h
j，i
表示获胜神经元i为中心的拓扑领域，d
j，i
表示神经元i和兴奋神经元j的欧式距离，σ表示获胜神经元的影响范围。7.根据权利要求5所述的基于负载约束的多无人船任务分配方法，其特征在于：学习率参数η的计算公式：其中，η0为学习率参数的初始值，τ是som算法的一个时间常数。

技术总结
本发明涉及一种基于负载约束的多无人船任务分配方法。本发明首先对任务分配模型解耦，将多无人船任务分配模型分为任务委派阶段和任务执行阶段，并获取水域地图及初始任务分布位置。其中任务委派层可以被视为聚类过程。这个过程与无人船的负载约束和通信模型相结合，不仅保证了各艘无人船任务执行的有效性，还能有效规避障碍物区域，减少无人船绕行距离。任务执行层被视为旅行商问题，通过SOM算法计算各艘无人船的任务执行序列，并证明了算法的任务委派结果。本发明不仅考虑到实际环境的障碍物影响，又满足各艘无人船自身负载约束，避免了不同无人船之间任务分配量不平衡，能够有效应对多种任务分配场景，从多方面提高任务执行效率。执行效率。执行效率。


技术研发人员：蒋鹏 梁小阳 刘俊 朱何 俞武嘉
受保护的技术使用者：杭州电子科技大学
技术研发日：2021.07.28
技术公布日：2021/11/8