公开(公告)号：CN118466582B

公开(公告)日：2024-12-06

申请号：CN202410539170.0

申请日：2024-04-30

Applicant: 中国矿业大学

Inventor： 张勇 ,  饶凌风 ,  耿娜 ,  郭广颂 ,  彭超 ,  张婉秋

IPC: G05D1/695 ,  G05D109/20

Abstract: 本发明公开了一种基于分解学习粒子群的异构无人机集群多任务分配方法，属于无人机领域，以最小救援惩罚和最小资源占用为优化目标函数，在约束条件下，建立无人机集群救援任务多目标分配模型；使用粒子群优化算法对目标函数进行求得最优解。本发明采用上述的一种基于分解学习粒子群的异构无人机集群多任务分配方法，以最小化救援惩罚和资源占用为评价指标，建立多目标救援任务分配模型，充分考虑了问题自身特点，能够生成一组可行且质量较高的粒子；可以利用学习库内的优秀方案不断更新粒子中劣质的分量，更有效地完成粒子位置的更新；可以对Pareto前沿上稀疏地带进行局部开发，进一步提高了算法所得Pareto最优解集的分布性。

公开(公告)号：CN118466582A

公开(公告)日：2024-08-09

申请号：CN202410539170.0

申请日：2024-04-30

Applicant: 中国矿业大学

Inventor： 张勇 ,  饶凌风 ,  耿娜 ,  郭广颂 ,  彭超 ,  张婉秋

IPC: G05D1/695 ,  G05D109/20

Abstract: 本发明公开了一种基于分解学习粒子群的异构无人机集群多任务分配方法，属于无人机领域，以最小救援惩罚和最小资源占用为优化目标函数，在约束条件下，建立无人机集群救援任务多目标分配模型；使用粒子群优化算法对目标函数进行求得最优解。本发明采用上述的一种基于分解学习粒子群的异构无人机集群多任务分配方法，以最小化救援惩罚和资源占用为评价指标，建立多目标救援任务分配模型，充分考虑了问题自身特点，能够生成一组可行且质量较高的粒子；可以利用学习库内的优秀方案不断更新粒子中劣质的分量，更有效地完成粒子位置的更新；可以对Pareto前沿上稀疏地带进行局部开发，进一步提高了算法所得Pareto最优解集的分布性。