单jc.php

JACIII第26卷第4期,第570-580页
doi:10.20965/jaciii.2022.p0570
(2022)

纸张:

具有特定有效载荷的多架固定翼无人机侦察与确认任务规划:比较研究

张浩(Hao Zhang)*、李华窦*,**、彬欣*,张若薇*和Qing Wang*

*北京理工大学自动化学院
中国北京市海淀区中关村南街5号,邮编:100081

**北京理工大学北京智能机器人与系统先进创新中心
中国北京市海淀区中关村南街5号,邮编:100081

收到:
2022年3月19日
认可的:
2022年4月14日
出版:
2022年7月20日
关键词:
多目标进化算法、异构无人机、任务规划、任务分配、路径规划
摘要

本研究将具有特定有效载荷的多固定翼无人机(UAV)侦察与确认任务规划问题分解为两个子问题,即具有强约束和混合变量的NP-hard问题,即带有“有效载荷-目标”匹配约束的任务分配问题,和无人机群的快速路径规划,分别建立了两个数学模型。还提出了一个双层协作解决方案框架。外层优化无人机与目标之间的分配方案,而内层生成无人机路径并评估外部方案。在外层,提出了一种基于无人机与目标之间分组配对关系的统一编码方法。然后为代表性的NSGA-II、MOEA/D-AWA和DMOEA-ε设计相应的组合突变算子C类算法。在内部层,使用高效的启发式算法来解决每个无人机组的路径规划。仿真结果验证了合作双层求解方案和组合变异算子的有效性。同时,与NSGA-II和MOEA/D-AWA、DMOEA-ϵC类可以获得明显更好的Pareto前沿,并可以权衡分配的无人机数量和总任务完成时间,以生成更加多样化的侦察确认执行方案。

具有异构有效载荷的无人机任务规划

具有异构有效载荷的无人机任务规划

引用本文为:
H.Zhang、L.Dou、B.Xin、R.Zhanng和Q.Wang,“具有特定有效载荷的多架固定翼无人机的侦察和确认任务规划:比较研究”高级计算杂志。因特尔。因特尔。通知。第26卷第4期,第570-580页,2022年。
数据文件:
工具书类
  1. [1] F.Khoshnoud,I.I.Esat,C.W.D.Silva等人,“自备太阳能飞行器:迈向无限耐久无人机”,《无人系统》,第8卷,第2期,第95-117页,doi:10.1142/S23013850205000772020。
  2. [2] G.Skorobogatov、C.Barrado和E.Salamí,“多无人机系统:调查”,无人系统,第8卷,第2期,第149-169页,doi:10.1142/S23013850205000902020。
  3. [3] H.Zhang,B.Xin,L.H.Dou等人,“无人飞行器群合作路径规划综述”,《信息技术与电子工程前沿》,第21卷,第1671-1694页,doi:10.1631/FITEE.2002282020。
  4. [4] M.Zhao,L.Zhai,X.Su等人,“统一模型下多无人飞行器协同多目标分配的改进离散映射差分进化”,《机器学习与控制论国际期刊》,第8卷,第765-780页,doi:10.1007/s13042-015-0364-3,2017年。
  5. [5] M.Guo,B.Xin,J.Chen等人,“利用启发式初始化和修复策略的高效遗传算法形成多智能体联盟”,Swarm and Evolution Computation,Vol.55,doi:10.1016/J.swevo.2020.1006862020。
  6. [6] X.Zhang,J.Chen,B.Xin等人,“用于曲面约束无人机监视多个地面目标的路径规划的模因算法”,中国航空学报,第27卷,第3期,第622-633页,doi:10.1016/J.cja.2014.04.024,2014。
  7. [7] I.Khoufi,A.Laouiti,C.Adjih等人,“无人机在时间窗内进行数据采集和传输的轨迹优化”,《无人机》,第5卷,第2期,doi:10.3390/drones50200272021。
  8. [8] Z.Xu、E.Zhang和Q.Chen,“基于多目标粒子群优化的粗糙地形下旋转无人机路径规划”,《系统工程与电子杂志》,第31卷,第1期,第130-141页,doi:10.21629/JSEE.2020.01.142020年1月14日。
  9. [9] K.Deb,A.Pratap,S.Agarwal等人,“快速精英多目标遗传算法:NSGA-II”,IEEE Trans。关于进化计算,第6卷,第2期,第182-197页,doi:10.10109/4235.9960172002。
  10. [10] J.Chen、L.Juan和B.Xin,“DMOEA-εC类:采用ε-约束框架的基于分解的多目标进化算法,“IEEE Trans。进化计算,第21卷,第5期,第714-730页,doi:10.1109/TEVC.2017.26714622017。
  11. [11] Y.Qi,X.Ma,F.Liu等人,“具有自适应权重调整的MOEA/D”,进化计算,第22卷,第2期,第231-264页,doi:10.1162/EVCO_a_001092014。
  12. [12] L.Babel,“Dubins旅行推销员问题的新启发式算法”,《启发式杂志》,第26卷,第503-530页,doi:10.1007/s10732-020-09440-2,2020年。
  13. [13] S.Lu,B.Xin,H.Zhang等人,“旅行推销员问题的基于代理的自组织建构启发式”,Proc。第59届IEEE决策与控制会议(CDC),第1164-1169页,2020年。
  14. [14] A.Zhou,Q.Zhang,Y.Jin等人,“基于模型的双目标优化进化算法”,Proc。IEEE进化计算大会,第3卷,第2568-2575页,2005年。
  15. [15] E.Zitzler和L.Thiele,“多目标进化算法:比较案例研究和强度Pareto方法”,IEEE Trans。进化计算,第3卷,第4期,第257-271页,doi:10.1109/4235.7979691999。

*该网站是基于HTML5和CSS3为现代浏览器设计的,例如Chrome、Firefox、Safari、Edge和Opera。

上次更新日期:2024年6月3日