一种区间信息条件下的多无人机目标分配决策方法

摘要

本发明公开了一种区间信息条件下的多无人机目标分配决策方法，该方法包括以下几个步骤：步骤一：定义多无人机目标分配决策的变量；步骤二：计算排名可接受度分析指标；步骤三：计算全局可接受度分析指标；步骤四：建立目标分配模型；步骤五：将求得的指标结果代入模型中，得出最优分配方案。本发明基于随机多属性可接受性分析方法，提出了目标分配模型，能有效解决不确定区间信息条件下的多无人机目标分配决策问题，提高了目标分配的效果，能满足真实复杂战场环境的需要。

说明书

技术领域

本发明涉及一种区间信息条件下的多无人机目标分配决策方法，属于无人机控制与决 策领域。

背景技术

无人机在军事和民用领域发挥着越来越重要的作用，在过去的几十年里，无人机作为智 能体，在多种危险和复杂的环境下的任务中得到应用。由于多机协同执行复杂任务能够大大 增加任务完成概率，因此多无人机协同控制和决策问题，受到了极大的关注。多无人机目标 分配的目的是将若干待攻击的目标分配给多个无人机，使得总体的分配效能达到最优。在进 行目标分配时，需要考虑多个属性，无人机的航程代价，无人机的毁伤代价，价值收益等。

目前，对多无人机目标分配问题，往往使用数学规划或群体协商等方法进行求解。但在 真实的任务环境中，掌握的属性信息是往往不确定的，表现为随机性或者模糊性，比如目标 的位置信息，虽然可以事先探测，但不能保证完全准确，具有一定的随机性；保护目标的防 空力量，其对无人机的威胁程度难以确定；目标的价值，往往也是模糊的，难以精确给定。 不确定性来源于多种因素，有传感器的不精确、目标的移动和伪装、主观判断的不精确等等， 多种形式的不确定性往往混合在一起，形成一种深度不确定的局面，使得常规的数学规划方 法和群体协商的方法难以奏效。因此，在深度不确定的条件下进行目标分配的研究具有现实 的意义。

发明内容

本发明是为了克服现有技术存在的不足之处，提供一种区间信息条件下的多无人机目标 分配决策方法，以期能有效解决深度不确定条件下，属性是不确定区间信息的多无人机目标 分配问题，提高目标分配的效果，从而满足复杂战场的决策需要。

本发明为解决技术问题采取如下技术方案：

本发明一种区间信息条件下的多无人机目标分配决策方法，是应用于由N_U架无人机攻 打N_T个地面目标的战场环境中，并有N_U＝N_T；其特点是按照如下步骤进行：

步骤一、定义多无人机目标分配决策的变量：

将所述N_U架无人机记为1≤i≤N_U；，u_i表示所述N_U架无人机u 中第i架无人机；将所述N_T个地面目标记为1≤j≤N_T；，t_j表示所述N_T 个地面目标t中第j个地面目标；

定义x_ij为一个判断值，x_ij＝1表示第i架无人机u_i攻打第j个地面目标t_j，x_ij＝0表示第i架 无人机u_i不攻打第j个地面目标t_j；

定义R_ij表示所述第i架无人机u_i攻打第j个地面目标t_j时的价值收益区间信息，并有 服从均匀分布；ω_R表示所述价值收益的权重区间信息，并有服从均匀分布；

定义F_ij表示所述第i架无人机u_i攻打第j个地面目标t_j时的航程代价区间信息，并有 服从均匀分布；ω_F表示所述航程代价的权重区间信息，并有服从均匀分布；

定义L_ij表示所述第i架无人机u_i攻打第j个地面目标t_j时的毁伤代价区间信息，并有 服从均匀分布；ω_L表示所述毁伤代价的权重区间信息，并有服从均匀分布；

步骤二、利用蒙特卡罗仿真方法计算所述第i架无人机u_i攻打第j个地面目标t_j时所有排 名的可接受度分析指标集合；

步骤三、计算所述第i架无人机u_i攻打第j个地面目标t_j的全局可接受度分析指标a_ij；

步骤四、建立目标分配模型：

步骤五、将所述全局可接受度分析指标a_ij代入所述目标分配模型中，从而获得目标分配 的最优决策方案。

本发明所述的区间信息条件下的多无人机目标分配决策方法的特点也在于，

所述步骤二是按如下步骤进行：

步骤2.1、对所述价值收益区间信息R_ij、航程代价区间信息F_ij和毁伤代价区间信息L_ij进 行归一化处理；获得归一化处理后的价值收益区间信息航程代价区间信息 ${F_{\mathrm{ij}}}^{\prime }=[{F_{\min }^{\mathrm{ij}}}^{\prime },{F_{\max }^{\mathrm{ij}}}^{\prime }]$和毁伤代价区间信息${L_{\mathrm{ij}}}^{\prime }=[{L_{\min }^{\mathrm{ij}}}^{\prime },{L_{\max }^{\mathrm{ij}}}^{\prime }];$

步骤2.2、定义迭代次数为l；迭代阈值τ；

步骤2.3、初始化j＝1；

步骤2.4、初始化l＝1；

步骤2.5、利用式(1)、式(2)和式(3)分别获得初始权重向量

${\omega }_R^l=\mathrm{unifrnd}[{\omega }_{\min }^R,{\omega }_{\max }^R]---\left(1\right)$

${\omega }_F^l=\mathrm{unifrnd}[{\omega }_{\min }^F,{\omega }_{\max }^F]---\left(2\right)$

${\omega }_L^l=1-{\omega }_R^l-{\omega }_F^l---\left(3\right)$

式(1)和式(2)中，unifrnd[]函数表示产生服从均匀分布区间[]的随机数；

步骤2.6、判断是否成立；若成立，则执行步骤2.7；否则清零并返回步 骤2.5；

步骤2.7、利用式(4)、式(5)和式(6)分别获得初始价值收益航程代价和毁伤代价

$R_{\mathrm{ij}}^l=\mathrm{unifrnd}[{R_{\min }^{\mathrm{ij}}}^{\prime },{R_{\max }^{\mathrm{ij}}}^{\prime }]---\left(4\right)$

$F_{\mathrm{ij}}^l=\mathrm{unifrnd}[{F_{\min }^{\mathrm{ij}}}^{\prime },{F_{\max }^{\mathrm{ij}}}^{\prime }]---\left(5\right)$

$L_{\mathrm{ij}}^l=\mathrm{unifrnd}[{L_{\min }^{\mathrm{ij}}}^{\prime },{L_{\max }^{\mathrm{ij}}}^{\prime }]---\left(6\right)$

步骤2.8、利用式(7)获得所述第i架无人机u_i攻打第j个地面目标t_j时的效用

$U_{\mathrm{ij}}^l={\omega }_R^l{R}_{\mathrm{ij}}^l-{\omega }_F^l{F}_{\mathrm{ij}}^l-{\omega }_L^l{L}_{\mathrm{ij}}^l---\left(7\right)$

步骤2.9、重复步骤2.7和步骤2.8，从而获得第l次迭代下的N_U架无人机的效用集合 $\{U_{1j}^l,U_{2j}^l,...,U_{\mathrm{ij}}^l,...,U_{N_{U}j}^l\};$

步骤2.10、将所述第l次迭代下的N_U架无人机的效用集合进行 降序排序，从而获得第l次迭代下的所述第i架无人机u_i攻打第j个地面目标t_j时的次序进而获得第l次迭代下的N_U架无人机攻打第j个地面目标t_j时的次序集合 $\{h_{1j}^l,h_{2j}^l,...,h_{\mathrm{ij}}^l,...,h_{N_{U}j}^l\};$

步骤2.11、将l+1赋值给l，并判断l≤τ是否成立，若成立，则返回步骤2.5顺序执行； 否则获得τ次迭代下的所述第i架无人机u_i攻打第j个地面目标t_j时的次序集合 进而获得τ次迭代下的N_U架无人机攻打第j个地面目标t_j时的次序集合 $\{h_{1j}^1,h_{2j}^2,...,h_{1j}^l,...,h_{1j}^{\tau },h_{2j}^1,h_{2j}^2,...,h_{2j}^l,...,h_{2j}^{\tau },...,h_{N_{U}j}^1,h_{N_{U}j}^2,...,h_{N_{U}j}^l,...,h_{N_{U}j}^{\tau }\};$

步骤2.12、统计τ次迭代下所述第i架无人机u_i攻打第j个地面目标t_j时次序r在所述次 序集合中出现的概率1≤r≤N_U；以所述概率作为所述第i架无人 机u_i攻打第j个地面目标t_j时排名第r的可接受度分析指标从而获得所述第i架无人机u_i攻打第j个地面目标t_j时所有排名的可接受度分析指标集合进而获得N_U架无人机攻打第j个地面目标t_j时所有排名的可接受度分析指标集合

步骤2.13、将j+1赋值给j，并判断j≤N_T是否成立，若成立，则返回步骤2.4顺序执 行；否则获得N_U架无人机一对一攻打N_T个地面目标时的可接受度分析指标集合 $\{b_{11},b_{21},...,b_{i1},...,b_{N_{U}1},b_{12},b_{22},...,b_{i2},...,b_{N_{U}2},...,b_{1N_T},b_{2N_T},...,b_{i{N}_T},...,b_{N_U{N}_T}\}.$

所述步骤2.1中是利用式(8)、式(9)和式(10)进行归一化处理：

${R_{\mathrm{ij}}}^{\prime }=[\frac{R_{\min }^{\mathrm{ij}}-R_{\min }}{R_{\max }-R_{\min }},\frac{R_{\max }^{\mathrm{ij}}\text{-}{R}_{\min }}{R_{\max }-R_{\min }}]---\left(8\right)$

${F_{\mathrm{ij}}}^{\prime }=[\frac{F_{\min }^{\mathrm{ij}}-F_{\min }}{F_{\max }-F_{\min }},\frac{F_{\max }^{\mathrm{ij}}\text{-}{F}_{\min }}{F_{\max }-F_{\min }}]---\left(9\right)$

${L_{\mathrm{ij}}}^{\prime }=[\frac{L_{\min }^{\mathrm{ij}}-L_{\min }}{L_{\max }-L_{\min }},\frac{L_{\max }^{\mathrm{ij}}\text{-}{L}_{\min }}{L_{\max }-L_{\min }}]---\left(10\right)$

式(8)中，$R_{\min }=\underset{1\le i\le N_U,1\le j\le N_T}{\min }{R}_{\min }^{\mathrm{ij}},R_{\max }=\underset{1\le i\le N_U,1\le j\le N_T}{\max }{R}_{\max }^{\mathrm{ij}};$

式(9)中，$F_{\min }=\underset{1\le i\le N_U,1\le j\le N_T}{\min }{F}_{\min }^{\mathrm{ij}},F_{\max }=\underset{1\le i\le N_U,1\le j\le N_T}{\max }{F}_{\max }^{\mathrm{ij}};$

式(10)中，$L_{\min }=\underset{1\le i\le N_U,1\le j\le N_T}{\min }{L}_{\min }^{\mathrm{ij}},L_{\max }=\underset{1\le i\le N_U,1\le j\le N_T}{\max }{L}_{\max }^{\mathrm{ij}}.$

所述步骤三是利用式(11)获得第i架无人机u_i攻打第j个目标t_j的全局可接受度分析指 标a_ij：

$a_{\mathrm{ij}}={\Sigma }_{r=1}^{N_U}{\alpha }_r{b}_{\mathrm{ij}}^r---\left(11\right)$

式(11)中，${\alpha }_r=\underset{a=r}{\overset{N_U}{\Sigma }}\frac{1}{a}/\underset{a=1}{\overset{N_U}{\Sigma }}\frac{1}{a}.$

所述步骤四的目标分配模型为：

目标函数：$\max {\Sigma }_{i=1}^{N_U}{\Sigma }_{j=1}^{N_T}{x}_{\mathrm{ij}}{a}_{\mathrm{ij}}---\left(12\right)$

约束条件：${\Sigma }_{i=1}^{N_U}{x}_{\mathrm{ij}}=1---\left(13\right)$

${\Sigma }_{j=1}^{N_T}{x}_{\mathrm{ij}}=1---\left(14\right)$

x_ij∈{0,1}                         (15)

式(13)和(14)表示每个地面目标只能分配给一架无人机；每架无人机只能攻打一个地面目 标。

与已有技术相比，本发明的有益效果体现在：

1、本发明提出了一套新的解决复杂战场环境下多无人机目标分配的决策方法,将无人 机目标分配问题看成是一个随机多属性决策问题，考虑了价值收益、航程代价、毁伤代价这 三个属性，属性和权重的随机性通过区间信息来表示，利用仿真计算得到评估指标值，再结 合目标分配模型进行综合决策，从而得到最优分配方案；

2、本发明将属性和权重用区间信息表示，可以充分利用评价者的模糊属性信息和决策 者的部分偏好信息，使得在尽可能满足决策者愿望的前提下，作出客观合理的决策；

3、本发明将计算出的全局可接受度指标作为最终的评估指标，它是随机多属性决策方 法中考虑的一个重要指标，可以表示决策方案综合的可接受度，相比排名可接受度指标来说 更具有全局性，评估更加简单方便；

4、本发明计算评估指标时采用的是蒙特卡罗仿真方法，它是通过大量而简单的重复抽 样实现的，计算方法和程序内部都很简单，适应性强，受问题条件限制的影响较小；

5、本发明提出了一个目标分配模型，是以分配方案的全局可接受度指标加和最大为最 优分配方案，并且每个地面目标只能分配给一架无人机，每架无人机只能攻打一个地面目标， 从一对一的分配层次上保证了无人机资源利用的最大化。

附图说明

图1为本发明分配决策方法流程图。

具体实施方式

本实施例中，一种区间信息条件下的多无人机目标分配决策方法，是应用于由N_U架无 人机攻打N_T个地面目标的战场环境中，并有N_U＝N_T；具体地说，是按照如下步骤进行：

步骤一、定义多无人机目标分配决策的变量：

将N_U架无人机记为1≤i≤N_U；，u_i表示N_U架无人机u中第i架 无人机；将N_T个地面目标记为1≤j≤N_T；，t_j表示N_T个地面目标t中 第j个地面目标；

定义x_ij为一个判断值，x_ij＝1表示第i架无人机u_i攻打第j个地面目标t_j，x_ij＝0表示第i架 无人机u_i不攻打第j个地面目标t_j；

在实际的复杂战场环境中，很难获得准确的目标分配信息，这些信息在数学上可表述为 不确定区间决策信息；多无人机目标分配问题可以描述为基于区间信息的随机多属性决策问 题，属性分别为价值收益指标，航程代价指标和毁伤代价指标。定义R_ij表示第i架无人机u_i攻 打第j个地面目标t_j时的价值收益区间信息，并有服从均匀分布；ω_R表示价 值收益的权重区间信息，并有服从均匀分布；

定义F_ij表示第i架无人机u_i攻打第j个地面目标t_j时的航程代价区间信息，并有 服从均匀分布；ω_F表示航程代价的权重区间信息，并有服从 均匀分布；

定义L_ij表示第i架无人机u_i攻打第j个地面目标t_j时的毁伤代价区间信息，并有 服从均匀分布；ω_L表示毁伤代价的权重区间信息，并有服从 均匀分布；

步骤二、利用蒙特卡罗仿真方法计算第i架无人机u_i攻打第j个地面目标t_j时所有排名的 可接受度分析指标集合；

步骤2.1、利用式(1)、式(2)和式(3)对价值收益区间信息R_ij、航程代价区间信息F_ij和毁 伤代价区间信息L_ij进行归一化处理；从而获得归一化处理后的价值收益区间信息 ${R_{\mathrm{ij}}}^{\prime }=[{R_{\min }^{\mathrm{ij}}}^{\prime },{R_{\max }^{\mathrm{ij}}}^{\prime }]$、航程代价区间信息${F_{\mathrm{ij}}}^{\prime }=[{F_{\min }^{\mathrm{ij}}}^{\prime },{F_{\max }^{\mathrm{ij}}}^{\prime }]$和毁伤代价区间信息 ${L_j}^{\prime }=[{L_{\min }^{\mathrm{ij}}}^{\prime },{L_{\max }^{\mathrm{ij}}}^{\prime }];$

${R_{\mathrm{ij}}}^{\prime }=[\frac{R_{\min }^{\mathrm{ij}}-R_{\min }}{R_{\max }-R_{\min }},\frac{R_{\max }^{\mathrm{ij}}\text{-}{R}_{\min }}{R_{\max }-R_{\min }}]---\left(1\right)$

${F_{\mathrm{ij}}}^{\prime }=[\frac{F_{\min }^{\mathrm{ij}}-F_{\min }}{F_{\max }-F_{\min }},\frac{F_{\max }^{\mathrm{ij}}\text{-}{F}_{\min }}{F_{\max }-F_{\min }}]---\left(2\right)$

${L_{\mathrm{ij}}}^{\prime }=[\frac{L_{\min }^{\mathrm{ij}}-L_{\min }}{L_{\max }-L_{\min }},\frac{L_{\max }^{\mathrm{ij}}\text{-}{L}_{\min }}{L_{\max }-L_{\min }}]---\left(3\right)$

式(1)中，$R_{\min }=\underset{1\le i\le N_U,1\le j\le N_T}{\min }{R}_{\min }^{\mathrm{ij}},R_{\max }=\underset{1\le i\le N_U,1\le j\le N_T}{\max }{R}_{\max }^{\mathrm{ij}};$

式(2)中，$F_{\min }=\underset{1\le i\le N_U,1\le j\le N_T}{\min }{F}_{\min }^{\mathrm{ij}},F_{\max }=\underset{1\le i\le N_U,1\le j\le N_T}{\max }{F}_{\max }^{\mathrm{ij}};$

式(3)中，$L_{\min }=\underset{1\le i\le N_U,1\le j\le N_T}{\min }{L}_{\min }^{\mathrm{ij}},L_{\max }=\underset{1\le i\le N_U,1\le j\le N_T}{\max }{L}_{\max }^{\mathrm{ij}};$

步骤2.2、定义迭代次数为l；迭代阈值τ；一般τ取10000；

步骤2.3、初始化j＝1；

步骤2.4、初始化l＝1；

步骤2.5、利用式(4)、式(5)和式(6)分别获得初始权重向量

${\omega }_R^l=\mathrm{unifrnd}[{\omega }_{\min }^R,{\omega }_{\max }^R]---\left(4\right)$

${\omega }_F^l=\mathrm{unifrnd}[{\omega }_{\min }^F,{\omega }_{\max }^F]---\left(5\right)$

${\omega }_L^l=1-{\omega }_R^l-{\omega }_F^l---\left(6\right)$

式(4)和式(5)中，unifrnd[]函数表示产生服从均匀分布区间[]的随机数，式(6)表示 所有属性权重加和为1；

步骤2.6、判断是否成立；若成立，则执行步骤2.7；否则清零并返回 步骤2.5，重新获得初始权重向量；

步骤2.7、利用式(7)、式(8)和式(9)分别获得初始价值收益航程代价和毁伤代价

$R_{\mathrm{ij}}^l=\mathrm{unifrnd}[{R_{\min }^{\mathrm{ij}}}^{\prime },{R_{\max }^{\mathrm{ij}}}^{\prime }]---\left(7\right)$

$F_{\mathrm{ij}}^l=\mathrm{unifrnd}[{F_{\min }^{\mathrm{ij}}}^{\prime },{F_{\max }^{\mathrm{ij}}}^{\prime }]---\left(8\right)$

$L_{\mathrm{ij}}^l=\mathrm{unifrnd}[{L_{\min }^{\mathrm{ij}}}^{\prime },{L_{\max }^{\mathrm{ij}}}^{\prime }]---\left(9\right)$

步骤2.8、利用式(10)获得第i架无人机u_i攻打第j个地面目标t_j时的效用

$U_{\mathrm{ij}}^l={\omega }_R^l{R}_{\mathrm{ij}}^l-{\omega }_F^l{F}_{\mathrm{ij}}^l-{\omega }_L^l{L}_{\mathrm{ij}}^l---\left(10\right)$

步骤2.9、重复步骤2.7和步骤2.8，从而获得第l次迭代下的N_U架无人机的效用集合 $\{U_{1j}^l,U_{2j}^l,...,U_{\mathrm{ij}}^l,...,U_{N_{U}j}^l\};$

步骤2.10、将第l次迭代下的N_U架无人机的效用集合进行降序 排序，从而获得第l次迭代下的第i架无人机u_i攻打第j个地面目标t_j时的次序比如第l次 迭代下第2架无人机u₂攻打第j个地面目标t_j时的效用在N_U架无人机的效用集合 的降序次序为3，那么就记为进而获得第l次迭代下的N_U架 无人机攻打第j个地面目标t_j时的次序集合

步骤2.11、将l+1赋值给l，并判断l≤τ是否成立，若成立，则返回步骤2.5顺序执行； 否则获得τ次迭代下的第i架无人机u_i攻打第j个地面目标t_j时的次序集合 进而获得τ次迭代下的N_U架无人机攻打第j个地面目标t_j时的次序集合 $\{h_{1j}^1,h_{2j}^2,...,h_{1j}^l,...,h_{1j}^{\tau },h_{2j}^1,h_{2j}^2,...,h_{2j}^l,...,h_{2j}^{\tau },...,h_{N_{U}j}^1,h_{N_{U}j}^2,...,h_{N_{U}j}^l,...,h_{N_{U}j}^{\tau }\};$

步骤2.12、统计τ次迭代下第i架无人机u_i攻打第j个地面目标t_j时次序r在次序集合 中出现的概率1≤r≤N_U；以概率作为第i架无人机u_i攻打第j个 地面目标t_j时排名第r的可接受度分析指标从而获得第i架无人机u_i攻打第j个地面目标 t_j时所有排名的可接受度分析指标集合进而获得N_U架无人机攻打第j个 地面目标t_j时所有排名的可接受度分析指标集合

步骤2.13、将j+1赋值给j，并判断j≤N_T是否成立，若成立，则返回步骤2.4顺序执 行，分别求每架无人机攻打第j个地面目标t_j时所有排名的可接受度分析指标；否则获得N_U架无人机一对一攻打N_T个地面目标时的可接受度分析指标集合 $\{b_{11},b_{21},...,b_{i1},...,b_{N_{U}1},b_{12},b_{22},...,b_{i2},...,b_{N_{U}2},...,b_{1N_T},b_{2N_T},...,b_{i{N}_T},...,b_{N_U{N}_T}\};$

步骤三、利用式(11)计算第i架无人机u_i攻打第j个地面目标t_j的全局可接受度分析指标 a_ij；

$a_{\mathrm{ij}}={\Sigma }_{r=1}^{N_U}{\alpha }_r{b}_{\mathrm{ij}}^r---\left(11\right)$

式(11)中，${\alpha }_r=\underset{a=r}{\overset{N_U}{\Sigma }}\frac{1}{a}/\underset{a=1}{\overset{N_U}{\Sigma }}\frac{1}{a}.$

步骤四、利用式(12)-式(15)建立目标分配模型：

目标函数：$\max {\Sigma }_{i=1}^{N_U}{\Sigma }_{j=1}^{N_T}{x}_{\mathrm{ij}}{a}_{\mathrm{ij}}---\left(12\right)$

约束条件：${\Sigma }_{i=1}^{N_U}{x}_{\mathrm{ij}}=1---\left(13\right)$

${\Sigma }_{j=1}^{N_T}{x}_{\mathrm{ij}}=1---\left(14\right)$

x_ij∈{0,1}                      (15)

式(13)和(14)表示每个地面目标只能分配给一架无人机；每架无人机只能攻打一个地面目 标；

步骤五、将所有计算出的全局可接受度分析指标a_ij代入目标分配模型中，从而获得目标 分配的最优决策方案。