DAM—BBOPSO算法的Multi—UAV集群攻击任务规划

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｐｈｙ．ｂａｓｅｄｏｐｔｉｍｉｚａｔｉｏｎ（ＢＢＯ），ｔｈｅｐａｒｔｉｃｌｅｉｎｉｔｉａｌｉｚａｔｉｏｎａｎｄｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｃｅｓｓｏｆＰＳＯａｌｇｏｉｒｔｈｍｉｓｉｍｐｒｏｖｅｄ
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００６ — ７０４３．２０１３０５００４
网络出版地址：ｈｔｔｐ：／／ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／２３．１３９０．Ｕ．２０１３０９１７．２３１１．０１７．ｈｔｍｌ
ＤＡＭ— ＢＢＯＰＳＯ算法的Ｍｕｌｔｉ — ＵＡＶ集群攻击任务规划
李杰，孙尧，莫宏伟
（哈尔滨工程大学自动化学院，黑龙江哈尔滨１５０００１）
摘
要：现代防御技术的迅速发展使得无人驾驶飞行器的攻击效果大大下降，无人驾驶飞行器自主编队集群攻击技术已
第３４卷第１Ｏ期
２０１３年１０月
哈
尔
滨
工
程
大
学
学
报
Ｖｏ１．３４Ｎｏ．１００Ｃｔ．２０１ Leabharlann Baidu３
ＪｏｕｒｎａｌｏｆＨａｒｂｉｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ
经成为未来战场的关键技术之一，多无人机之间的任务规划算法是保证无人机顺利、高效完成任务的关键．将无人机集群攻击任务规划问题看成是多约束的任务分配过程，建立任务规划模型，结合分布式拍卖机制和生物地理算法对粒子群优化算法的粒子初始化和寻优过程进行改进．根据实际约束条件生成初始粒子，保证了粒子的多样性；在算法优化过程
ｔｌｅｉｆｅｌｄ，ａｎｄｔｈｅｍｉｓｓｉｏｎｐｌａｎｎｉｎｇａｌｇｏｒｉｔｈｍａｍｏｎｇＭｕｌｔｉ — ＵＡＶｉｓｔｈｅｋｅｙｔｏｔｈｅｓｍｏｏｔｈａｎｄｅｆｆｅｃｔｉｖｅｃｏｍｐｌｅｔｉｏｎｏｆ
Ａｂｓｔｒａｃｔ：ＴｈｅｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｏｆｍｏｄｅｒｎｄｅｆｅｎｓｅｔｅｃｈｎｏｌｏｇｙｌｏｗｅｒｓｔｈｅＵＡＶｓａｔｔａｃｋｉｎｇｅｆｆｅｃｔｇｒｅａｔｌｙ，ｔｈｅａｕ — ｔｏｎｏｍｏｕｓｆｏｒｍａｔｉｏｎａｎｄｃｌｕｓｔｅｒａｔｔａｃｋｔｅｃｈｎｉｑｕｅｏｆＭｕｌｔｉ－ — ＵＡＶｈａｓｂｅｃｏｍｅｏｎｅｏｆｔｈｅｋｅｙｔｅｃｈｎｏｌｏｇｉｅｓｉｎｆｕｔｕｒｅｂａｔ・・
中，利用生物地理算法与粒子群算法对粒子运动进行动态的控制，使得算法具有更好的适应性与稳定性．仿真结果表明
运用分布式拍卖机制生物地理粒子群优化算法得到的方案不仅完全满无人机集群攻击任务的要求，而且比传统粒子群优化算法和生物地理粒子群优化算法具有更好的收敛性．关键词：多无人机；生物地理算法；分布式拍卖机制；粒子群优化；任务规划
Ｍｕｌｔｉ－ＵＡＶｂａｓｅｄｏｎＤＡＭ — ＢＢＯＰＳＯａｌｇｏｒｉｔｈｍ
ＬＩＪｉｅ，ＳＵＮＹａｏ，ＭＯＨｏｎｇｗｅｉ
（ＣｏｌｌｅｇｅｏｆＡｕｔｏｍａｔｉｏｎ，ＨａｒｂｉｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５０００１，Ｃｈｉｎａ）
ａｔａｓｋ．ＢｙｃｏｎｓｉｄｅｉｎｒｇｔｈｅｃｌｕｓｔｅｒａｔｔａｃｋｍｉｓｓｉｏｎｐｌａｎｎｉｎｇｏｆＵＡＶｓａｓａｍｕｌｔｉ — ｃｏｎｓｔｒａｉｎｅｄｔａｓｋａｌｌｏｃａｔｉｏｎｐｒｏｃｅｓｓ，ａｍｉｓｓｉｏｎｐｌａｎｎｉｎｇｍｏｄｅｌｉｓｅｓｔａｂｌｉｓｈｅｄ．Ａｎｄｉｎｃｏｍｂｉｎａｔｉｏｎｗｉｔｈｔｈｅｄｉｓｔｉｂｕｒｔｅｄａｕｃｔｉｏｎｍｅｃｈａｎｉｓｍａｎｄｂｉｏｇｅｏｇｒａ —
中图分类号：Ｖ２７９文献标志码：Ａ文章编号：１００６ — ７０４３（２０１３）１０ — １２４２ — ０７
Ｒｅｓｅａｒｃｈｏｎｃｌｕｓｔｅｒａｔｔａｃｋｍｉｓｓｉｏｎｐｌａｎｎｉｎｇｏｆ