针对多约束条件下多UUV任务分配问题，提出一种基于改进集合粒子群优化算法的分配方法，该方法首先定义包含UUV与保障船有效通信距离等指标的约束条件，建立以任务总执行时间最短为主要优化对象的目标函数，采用自适应惯性系数提高最优解邻域内的搜索能力，通过结合遗传算法的变异操作提高全局搜索能力，有效降低陷入局部最优解的概率。UUV任务分配仿真实验表明，本文提出的多约束多目标任务分配方法能够获取多UUV的最优任务分配，具有实际应用的可行性。
In order to solve the multi-UUV task assignment problem under multi-constraint, modified S-PSO is proposed. The constraints of this method contain energy, power, and the index of UUV and guarantee ship. The main target of optimization objective function is the shortest tack total execution time. The adaptive inertia coefficient is used to improve the search ability of the optimal solution in the neighborhood. The global search ability is improved by the mutation operation of genetic algorithm. This improvement can reduce the probability of falling into local optimal solution. Simulation experiments on multi-UUV task assignment show that the proposed multi-constraint multi-objective task allocation method can obtain the optimal task allocation of multi-UUV, and it is feasible for practical application.
2023,45(20): 111-115 收稿日期：2022-7-5
DOI：10.3404/j.issn.1672-7649.2023.20.021
分类号：TJ630.1
基金项目：国防基础科研项目（JCKY2021206B086）
作者简介：张向鹏(1997-),男,硕士研究生,研究方向为舰船电子信息工程
参考文献：
[1] 赵留平, 李环, 王鹏. 水下无人系统智能化关键技术发展现状[J]. 无人系统技术, 2020, 3(6): 12–24
[2] 王雅琳, 刘都群, 杨依然. 2019年水下无人系统发展综述[J]. 无人系统技术, 2020, 3(1): 55–59
[3] 邓鹏, 李伟, 王新华. 水下无人平台“蜂群”作战体系研究[J]. 兵器装备工程学报, 2018, 39(8): 8–10+47
[4] 张鑫明, 韩明磊, 余益锐, 黄田力, 陈谦, 吴铭. 潜艇与UUV协同作战发展现状及关键技术[J]. 水下无人系统学报, 2021, 29(5): 497–508
[5] 李娟, 张昆玉. 基于改进合同网算法的异构多AUV协同任务分配[J]. 水下无人系统学报, 2017, 25(6): 418–423
[6] 范学满, 王新鹏, 薛昌友. 基于混合优化算法的多UUV协同侦查任务分配方法研究[J]. 指挥控制与仿真, 2021, 43(6): 94–99
[7] 李建军, 张汝波, 杨玉. 基于混沌QPSO算法的多AUVs任务分配[J]. 华中科技大学学报(自然科学版), 2015, 43(S1): 424–427
[8] 卢骞, 潘成胜, 丁元明. 基于MODPSO-SA算法的多AUV任务分配[J]. 电光与控制, 2021, 28(1): 31–36+46
[9] CHEN W, ZHANG J, CHUANG H S H, et al. A novel set-based particle swarm optimization method for discrete optimization problems[J]. IEEE transactions on evolutionary computation, 2010, 14(2): 278–300
[10] 马云红, 刘云昊, 杨誉乔. 基于一致性群组算法的多无人机自主协同任务分配[J]. 无人系统技术, 2021, 4(4): 51–58
[11] 朱大奇, 孙兵, 李利. 基于生物启发模型的AUV三维自主路径规划与安全避障算法[J]. 控制与决策, 2015(5): 798–806
[12] 魏得路, 张雪松, 胡明. 基于多信息素蚁群算法的联合任务分配方法[J]. 中国电子科学研究院学报, 2019, 14(8): 798–807+812
