基于粒子群优化的无人战斗机编队任务协调方法研究

Journal of Systems Engineering and Electronics ›› 2009, Vol. 31 ›› Issue (2): 439-442.

基于粒子群优化的无人战斗机编队任务协调方法研究

张雷^1,2, 王道波¹, 高宇辉³, 段海滨⁴

1. 南京航空航天大学自动化学院, 江苏, 南京, 210016;
2. 空军装备研究院通信导航与指挥自动化研究所, 北京, 100085;
3. 航天指挥控制中心, 北京, 100094;
4. 北京航空航天大学自动化科学与电气工程学院, 北京, 100083

收稿日期:2007-08-22 修回日期:2008-04-21 出版日期:2009-02-20 发布日期:2010-01-03
作者简介:张雷(1978- ),男,工程师,博士研究生,主要研究方向为无人机任务规划.E-mail:nawswrew2@hotmail.com
基金资助:
国家航空科学基金资助课题(2006ZC51039)

Study on uninhabited combat air vehicle formation tasks scheduling method based on particle swarm optimization algorithm

ZHANG Lei^1,2, WANG Dao-bo¹, GAO Yu-hui³, DUAN Hai-bin⁴

1. Dept. of Automation, Nanjing Univ. of Aeronautics and Astronautics, Nanjing 210016, China;
2. Communication Navigation and Command Automation Inst., Air Force Equipment Academy, Beijing 100085, China;
3. Aerospace Control Center, Beijing 100094, China;
4. School of Automation Science and Electrical Engineering, Beijing Univ. of Aeronautics and Astronautics, Beijing 100083, China

Received:2007-08-22 Revised:2008-04-21 Online:2009-02-20 Published:2010-01-03

摘要/Abstract

摘要： 执行任务时多无人机之间的任务协调是保证无人机具备协同工作能力并且顺利完成任务的关键.将无人战斗机编队的协调过程看成一种动态的任务分配过程,建立任务协调模型,分析任务协调问题的粒子初始化和寻优方法,编写基于粒子群优化算法的任务协调问题程序.对粒子群优化算法参数对任务协调方案的影响进行了仿真验证,结果表明此方法得出的方案合理有效可以满足无人战斗机任务协调问题的要求.

Abstract: When multi uninhabited combat air vehicles(UCAVs) are executing their tasks,their tasks scheduling is a key issue that UCAVs have interoperability and can complete their tasks.If task scheduling was assumed as a dynamic task allocation process,the scheduling model is built.Then an algorithm based on particle swarm optimization(PSO) is introduced,when the initialized particles were constructed,the task scheduling program based on PSO can be acquired.The influences of PSO parameters on scheduling results are validated,and the simulation shows that the task scheduling results are valid and conform to the requirements of task scheduling problems.

中图分类号:

TP301
O225

张雷, 王道波, 高宇辉, 段海滨. 基于粒子群优化的无人战斗机编队任务协调方法研究[J]. Journal of Systems Engineering and Electronics, 2009, 31(2): 439-442.

ZHANG Lei, WANG Dao-bo, GAO Yu-hui, DUAN Hai-bin. Study on uninhabited combat air vehicle formation tasks scheduling method based on particle swarm optimization algorithm[J]. Journal of Systems Engineering and Electronics, 2009, 31(2): 439-442.

[1]	路复宇, 童宁宁, 冯为可, 万鹏程. 自适应杂交退火粒子群优化算法[J]. 系统工程与电子技术, 2022, 44(11): 3470-3476.
[2]	孙田野, 孙伟, 吴建军. 改进Quatre算法的无人机编队快速集结方法[J]. 系统工程与电子技术, 2022, 44(9): 2840-2848.
[3]	闫世瑛, 颜克斐, 方伟, 陆恒杨. 基于差分进化邻域自适应的大规模多目标算法[J]. 系统工程与电子技术, 2022, 44(7): 2112-2124.
[4]	汤安迪, 韩统, 徐登武, 周欢, 谢磊. 使用高斯分布估计策略的改进樽海鞘群算法[J]. 系统工程与电子技术, 2022, 44(7): 2229-2240.
[5]	庞维建, 李辉, 黄谦, 李朋, 马贤明. 基于本体的无人系统任务规划研究综述[J]. 系统工程与电子技术, 2022, 44(3): 908-920.
[6]	曾斌, 王睿, 李厚朴, 樊旭. 基于强化学习的战时保障力量调度策略研究[J]. 系统工程与电子技术, 2022, 44(1): 199-208.
[7]	马威强, 高永琪, 赵苗. 基于全局最优和差分变异的头脑风暴优化算法[J]. 系统工程与电子技术, 2022, 44(1): 270-278.
[8]	魏锋涛, 张洋洋, 黎俊宇, 史云鹏. 基于动态分级策略的改进正余弦算法[J]. 系统工程与电子技术, 2021, 43(6): 1596-1605.
[9]	丁嘉辉, 汤建龙, 于正洋. 轻量化的增量式集成学习算法设计[J]. 系统工程与电子技术, 2021, 43(4): 861-867.
[10]	刘家义, 岳韶华, 王刚, 姚小强, 张杰. 复杂任务下的多智能体协同进化算法[J]. 系统工程与电子技术, 2021, 43(4): 991-1002.
[11]	刘越, 仲小清, 付金宇, 李想. 基于混合优化方法的立体匹配算法[J]. 系统工程与电子技术, 2020, 42(12): 2692-2699.
[12]	徐涛, 吴志帅, 卢敏, 吕宗磊, 李忠虎. 面向拥堵问题的枢纽航线网络优化模型[J]. 系统工程与电子技术, 2020, 42(11): 2553-2559.
[13]	王前东. 经典轨迹的相似度量快速算法[J]. 系统工程与电子技术, 2020, 42(10): 2189-2196.
[14]	姚智海, 刘建平, 王建平, 李伟, 任勃. 地面测控资源调度效能评估指标体系[J]. 系统工程与电子技术, 2020, 42(8): 1751-1758.
[15]	刘家义, 岳韶华, 王刚, 张杰, 姚小强. 多平台分布式协同作战下基于MPC-MAS的指挥控制模型设计[J]. 系统工程与电子技术, 2020, 42(7): 1582-1589.