一种无人机群协作打击目标分配方法

摘要

本发明涉及一种无人机群协作打击目标分配方法，属实时嵌入式领域。首先初始化粒子群，根据评价标准制定适应度函数，保存每个粒子的适应度值，判断是否达到最优的目标分配方案，如果没有则分别用随机函数、认知函数和社会函数对粒子进行更新，并计算当前粒子的适应度值，更新个体最佳适应度的粒子或全局最佳适应度的粒子；用更新后的粒子个体适应度值和整体适应度值与初始个体最佳适应度值和全局最佳适应度值比较，然后所有粒子更新完后进化至下一代，并重新判断是否达到最优的目标分配方案。本发明建立无人机群和目标之间的粒子矩阵，通过不断的自我学，能快速高效的解决无人机群对目标的分配问题，实现单机对多目标打击，方法简单便捷。

主权项

一种无人机群协作打击目标分配方法，其特征在于：所述方法的具体步骤如下：Step1、初始化粒子群，将无人机群与目标之间的关系转化为粒子矩阵形式作为一个粒子，并按照约束条件进行随机初始化；Step2、根据评价标准制定适应度函数f(x)，并计算每个粒子的适应度值；Step3、保存每个粒子的适应度值，并从所有的粒子适应度值中选择初始个体最佳适应度值和全局最佳适应度值进行保存；Step4、判断是否达到最优的目标分配方案，即MAXf(x)，MAXf(x)为攻击收益与战损之差的最大值，若没有计算得到适应度函数f(x)的最大值MAXf(x)，则进行步骤Step5，如果计算得到适应度函数f(x)的最大值MAXf(x)，计算出该最大值MAXf(x)的粒子即为目标分配的最优方法；Step5、分别用随机函数、认知函数和社会函数对粒子进行更新，并计算当前粒子的适应度值；Step6、更新个体最佳适应度的粒子或全局最佳适应度的粒子；用更新后的粒子的个体适应度值和整体适应度值与初始个体的个体最佳适应度值和全局最佳适应度值比较；若更新后的粒子的适应度值超过初始保存的个体适应度值，则用更新后的粒子的适应度值替换初始的个体适应度值并保存，若更新后的粒子群中选择出的一个适应度值超过了初始的整体适应度值，则用更新后的粒子群适应度值替换初始的整体适应度值并保存；Step7、所有粒子更新完后进化至下一代，并转步骤Step4重新判断是否达到最优的目标分配方案。