多无人机协同任务规划方法

收稿日期：2017-03-29

修回日期：2017-05-19

作者简介：王钦钊（1973-），男，山东文登人，博士生导师。研究方向：火控系统、系统仿真。

摘

要：针对多UCAV 协同作战的复杂问题，建立了多无人机任务分配模型，模型在任务规划前进行路径预规

划，增强规划过程的准确性，提出一种基于整数编码的多种群混合遗传算法对问题求解并进行仿真实验。实验结果表明，该算法增强了搜索的有效性，极大地避免了遗传算法容易陷入未成熟收敛的缺陷，保证了寻优过程的收敛性和任务规划效果的最优化。

关键词：无人作战飞机，任务规划，多种群混合遗传算法，路径规划中图分类号：TP391

文献标识码：A

DOI ：10.3969/j.issn.1002-0640.2018.03.019

多无人机协同任务规划方法

王钦钊，程金勇，李小龙（陆军装甲兵学院，北京100072）

Method Research on Cooperative Task Planning for Multiple UCAVs

WANG Qin-zhao ，CHENG Jin-yong ，LI Xiao-long

（Army Academy of Armored Force ，Beijing 100072，China ）

Abstract ：To solve the complicated problem of multiple UCAVs cooperative combat ，multiple Unmanned Aerial Vehicles task allocation model is established ，route planning should be done before

mission planning in order to enhance the accuracy of the planning process.A method based on multi-population hybrid genetic algorithm with integer coding for multiple UCAVs ’cooperation task allocation is designed and the simulation experiment is carried out.The results show that this algorithm has strong effectiveness to solve the problem ，greatly avoids the defect that the genetic algorithm is easy to fall into premature convergence ，which ensures the convergence of the optimization process and the optimization of the task planning effect.

Key words ：

UCAV ，task allocation ，multi-population hybrid genetic algorithm ，route planning 0引言

无人作战飞机（Unmanned Combat Aerial Vehi-cle ，简称UCAV ）是一种能完成压制防空、实施对地轰炸与攻击、执行对空作战任务的空中无人作战系

统［1］。与单无人机相比，多无人机协同系统在时间、空间、功能、信息和资源上的分布特性，使其具有更强的工作能力和鲁棒性。任务规划作为多无人机协同的基本问题之一，具有十分重要的地位。作战环境下，由于受到各种因素的约束，多无人机协同任务规划问题是一个约束众多而复杂的NP 问题，在算法的求解上比较困难，尤其是在规模较大时，获得最优解的代价较大，制约了实际战场应用［2］，因

此，合理而有效的任务规划方案对于提高多无人机

的作战效能具有至关重要的作用。

目前采用较多的问题模型有多旅行商问题［3-4］

（Multiple Traveling Salesman Problem ，MTSP ）、车辆调度和路径规划问题模型（Vehicle Routing Problem ，VRP ）、混合整数线性规划问题模型（Mixed Integer Linear Programming ，MILP ）等。任务分配求解的算法主要有蚁群算法、memetic 算法、基于合同网拍卖算法、差分进化算法等，大部分算法主要针对传统的多旅行商问题进行求解，无法对具有多约束条件的实际问题进行有效的求解。

本文基于多无人机协同作战问题，构建任务分配模型，针对遗传算法容易陷入局部最优和早熟的

文章编号：1002-0640（2018）

03-0086-04Vol.43，No.3Mar ，2018

火力与指挥控制

Fire Control &Command Control 第43卷第3期2018年3月

86··

（总第43-）

缺陷，提出一种基于整数编码的多种群混合遗传算

法（Multi-Population Hybrid Genetic Algorithm ，MPH-GA ）进行求解，最后以典型的压制敌防空火力作战任务（Suppression of Enemy Air Defences ，SEAD ）为想定，进行matlab 仿真实验和验证。

1多无人机任务分配模型

1.1问题描述

假设多个无人作战飞机对敌方地面固定目标执行攻击的任务，攻击前通过前期侦察手段已预先获知战场环境和目标分布信息。综合考虑实际作战环境中的目标种类差异、无人机个体载荷和协同约束、实际战场环境威胁约束等条件，对作战问题进行建模：

E 为战场环境；待执行任务的无人机群体集合

为，无人机的数量为N R ；攻击目

标集合

为

，目标数量为N T ；不同

的战场目标具有不同的价值、攻击优先度和抵抗能力，目标的价值集

合；不同的

无人机载弹载荷和自身价值可能不同，无人机的价

值集合

为。

在二维空间任一时刻内，无人作战飞机的位置

为

，目标的位置

为

。根

据相应的任务规划方案，每架无人机分配到一条

任务执行路线P ，例如无人机r i 任务方案是对3个目标进行攻

击

，任务执行路线为

。

1.2目标函数

无人机执行作战任务目的是消灭目标价值最大，自身的损伤代价最小，同时为避免任务执行过程中出现意外情况，任务完成的时间最少。但实际作战过程中很难保证各个指标均为最优化，需要指战员在任务要求的基础上对各个指标赋予相应的权重。本文在下一节中采用系数归一化处理方法引入指挥员决策偏好对目标函数的不同指标进行处理。

1）运动总时间。无人机运动距离越长，暴露在敌方威胁下的时间越长，被击落的可能性越大，因此，为了降低风险，要求无人机的运动时间最短

。

（1）

2）任务完成时间。战场环境瞬息万变，如何以最短的时间结束战斗是胜负的关键，任务执行时间指标为

：

（2）

3）攻击目标的价值收益。目标价值最大化是战

争的目的，为了方便进行计算和适应度函数的确立，采用目标的剩余价值量来进行评估

。

（3

）（4）

V all 为所有目标的总价值；S ij 代表第i 架无人机攻击第j 个目标，无人机的生存概率；AK ij 代表第i 架无人机攻击第j 个目标，对于目标的损伤概率；V ij 表示目标毁伤的总价值。

4）无人机的损伤代价。追求无人机损伤代价的最小

化。

（5

）（6）

A ij 表示第i 架无人机攻击第j 个目标时无人机的损伤概率。1.3约束条件

1）多无人机对目标进行打击的过程不能超过目标的最大价值

：

（7）

2）单架无人机的执行能力约束

：

（8）

n 为第i 架无人机的载弹量。

3）目标任务必须被执行，各目标T 的抵抗能力不同，有的可能需要多无人机进行协同打击

。

（9）

4）无人机的航程约束，无人机具有油耗限值，不能无限制运动，每个无人机的运动总距离越小越好

。

（10）

2模型算法求解

2.1路径规划

实际环境中存在障碍物和禁飞区，为了确保任务规划模型中的路径可行，在任务规划之前，需要对可行路径进行预规划，增强规划过程的准确性和可行性。

王钦钊，等：多无人机协同任务规划方法87··

0463