控制理论与应用

作者：王峰,付青坡,韩孟臣,邢立宁,吴虎胜

单位：武汉大学 计算机学院,武汉大学 计算机学院,武汉大学 计算机学院,国防科技大学 系统工程学院,武警工程大学 装备管理与保障学院

关键词：无人机多任务重分配; 粒子群优化算法; 多目标优化; 协同进化

基金：国家自然科学基金项目(62173258)资助.

无人机系统在军事领域有着广泛应用, 由于战场环境复杂多变, 无人机遭遇突发状况后需进行任务重分配.异构无人机是指多种类型的无人机, 可完成单一无人机无法完成的多类型复杂任务, 异构无人机协同多任务重分配问题约束条件复杂且包含混合变量, 现有多目标优化算法不能有效处理此类问题. 为高效求解上述问题, 本文构建多约束异构无人机协同多任务重分配问题模型, 提出一种学习引导的协同多目标粒子群优化算法(LeCMPSO), 该算法引入基于先验知识的初始化策略和基于历史信息学习的粒子更新策略, 能有效避免不可行解的产生并提升算法的搜索效率. 通过在4组实例上的仿真实验表明, 与其他典型的协同进化多目标优化算法相比, 所提算法在解集的多样性、收敛性及搜索时间方面均具有较好的性能.

来源：2024年第6期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2024年第6期