(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111044647.0 (22)申请日 2021.09.07 (71)申请人 西北工业大 学 地址 710072 陕西省西安市碑林区友谊西 路127号 (72)发明人 杨振　李枭扬　陈曦　闵令通　 侍佼　支元杰　周德云　 (74)专利代理 机构 西安嘉思特知识产权代理事 务所(普通 合伙) 6123 0 代理人 王萌 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) G06Q 10/08(2012.01) G06F 30/27(2020.01)G06N 3/12(2006.01) G06F 111/04(2020.01) (54)发明名称 基于状态转移策略遗传算法的异构多无人 机任务分配方法 (57)摘要 本发明公开了一种基于状态转移策略遗传 算法的异构多无人机任务分配方法， 包括： 确定 待执行任务， 并在获取每个待执行任务的第一信 息以及无人机的第二信息后， 生成第一种群； 若 当前迭代次数大于等于2， 则利用上一次迭代过 程中得到的最佳个体对第一种群进行更新； 根据 预设收益函数、 第一种群和更新后的第一种群， 确定第二种群； 从第二种群中确定交叉父代进行 交叉操作， 得到第三种群后， 确定第三种群的收 益； 从第三种群中确定变异父代进行变异操作， 得到第四种群后， 确定第四种群的收益； 确定本 次迭代过程的最佳个体， 在当前迭代次数达到预 设迭代次数时， 根据最佳个体确定各无人机对应 的待执行任务。 本发明提高了无人机任务分配方 法的效率和收敛性。 权利要求书3页 说明书11页 附图4页 CN 113971502 A 2022.01.25 CN 113971502 A 1.一种基于状态转移策略遗传算法的异构多无 人机任务分配方法， 其特 征在于， 包括： 根据预设目标确定待执行任务， 并在获取每个所述待执行任务的第 一信息以及无人机 的第二信息后， 生成包括多个 个体的第一种群； 每次迭代过程中， 检测当前迭代次数 是否为第一次迭代； 若否， 则获取上一次迭代过程中得到的最佳个体， 并利用所述最佳个体对第一种群进 行更新， 得到更新后的第一种群； 根据预设收益 函数、 所述第一种群和所述更新后的第一种群， 确定第二种群； 利用所述预设 收益配对函数从所述第 二种群中确定第 二个体， 将所述第 二个体作为交 叉父代进行交叉操作， 得到第三种群后， 利用所述预设收益 函数确定所述第三种群的收益； 利用轮盘赌法从所述第 三种群中确定第 三个体， 将所述第 三个体作为变异父代进行变 异操作， 得到第四种群后， 利用所述预设收益 函数确定所述第四种群的收益； 根据所述第三种群的收益、 所述第 四种群的收益及所述预设收益函数， 确定本次迭代 过程的最佳个体， 并在当前迭代 次数达到预设迭代 次数时， 根据所述最佳个体确定各无人 机对应的待执 行任务。 2.根据权利要求1所述的基于状态转移策略遗传算法的异构多无人机任务分配方法， 其特征在于， 所述第一信息包括每个待执行任务的第一标识、 每个待执行任务对应预设目 标的第一 坐标、 以及每 个待执行任务的预设价 值量； 所述第二信息包括每个无人机的第 二标识、 第 二坐标、 预设执行能力、 以及所述待执行 任务的集 合。 3.根据权利要求1所述的基于状态转移策略遗传算法的异构多无人机任务分配方法， 其特征在于， 所述预设收益配对函数为： 式中， 表示无人机i是否对目标j执行了待执行任务k， f( ·)表示各无人机完成待执 行任务的收益， P( ·)表示预设惩罚因子， dij表示无人机i到目标j的航程估 计值， α 、 β 表示 预 设权重， fu'为预设收益配对函数， 表示第u轮分配时从n架无人机与m个目标中选择的一对 最大收益配对方式； 其中， 若 则表示无人机i对目标j执行待执行任务k， 若 则表示无人机i对目标j不 执行待执行任务k。 4.根据权利要求3所述的基于状态转移策略遗传算法的异构多无人机任务分配方法， 其特征在于， 所述预设收益 函数为： 式中， bu表示第u次分配时， 从n架无人机与m个目标中选择的一对最大收益配对方式所 占的权重， F表示所有无 人机执行所有待执行任务的总收益。 5.根据权利要求3所述的基于状态转移策略遗传算法的异构多无人机任务分配方法， 其特征在于， 所述预设惩罚因子根据航程约束条件、 执行时间约束条件和执行次数约束条权　利　要　求　书 1/3 页 2 CN 113971502 A 2件确定。 6.根据权利要求5所述的基于状态转移策略遗传算法的异构多无人机任务分配方法， 其特征在于， 按照如下公式确定所述 航程约束条件： 式中， Dmax(i)为无人机i所能够飞行的最远距离， d为预设 常数， Pd表示航程约束条件； 按照如下公式确定所述执 行时间约束条件： 式中， Tmax(i)为无人机i对目标j执行第一任务的最大执行时间， tij表示无人机i到目标j 的估计时间值， t为预设 常数， Pt表示执行时间约束条件； 按照如下公式确定所述执 行次数约束条件： 式中， Tp表示待执 行任务p的次序， Tq表示待执 行任务q的次序， r为预设 常数。 7.根据权利要求6所述的基于状态转移策略遗传算法的异构多无人机任务分配方法， 其特征在于， 所述预设惩罚因子为： 8.根据权利要求1所述的基于状态转移策略遗传算法的异构多无人机任务分配方法， 其特征在于， 所述根据预设收益函数、 所述第一种群和所述更新后的第一种群， 确定第二种 群的步骤， 包括： 利用所述预设 收益函数分别确定所述第 一种群的收益、 以及所述更新后的第 一种群的 收益； 若所述更新后的第 一种群的收益小于所述第 一种群的收益， 则将所述第 一种群确定为 第二种群； 反 之， 则将所述更新后的第一种群确定为第二种群。 9.根据权利要求1所述的基于状态转移策略遗传算法的异构多无人机任务分配方法， 其特征在于， 所述利用所述预设收益配对函数从所述第二种群中确定第二个体， 将所述第 二个体作为交叉 父代进行交叉操作， 得到第三种群的步骤， 包括： 利用所述预设 收益配对函数从所述第 二种群中确定第 二个体， 将所述第 二个体作为交 叉父代； 根据预设交换算子， 所述交叉 父代进行状态转移， 并按照如下公式进行交叉操作： Xk+1＝EkXk 式中， Ek表示预设交换算子， Ek为带有交换功能 的随机0‑1矩阵， Xk表示由xij组成的n×1权　利　要　求　书 2/3 页 3 CN 113971502 A 3