試述基于自適應遺傳算法的無人機任務分配

李佳

四川大學 電子信息學院 四川 成都 610065

引言

近年來無人機的任務分配問題引起了廣泛關注。高效的協同任務分配方案能夠提升機群執行任務的成功率和效率，降低成本和風險。開展多無人機的協同任務分配問題研究，具有重大的意義。

文獻[1]將節約里程法與最近鄰算法引入遺傳算法中，解決了多基地、多無人機的戰場物資配送任務分配問題。文獻[2]建立以任務執行時間和攻擊收益為綜合性能指標的任務分配優化模型，提出避免產生“死鎖”現象的基于多類型基因編碼的改進遺傳算法。針對異構型多無人機協同偵察任務決策問題[3]，提出了一種分布式的擴展CBBA算法。

現有的任務分配模型中缺乏對異構無人機屬性和多任務類型的考量。因此，我們提出了一種自適應遺傳算法。首先，引入多類型基因，建立無死鎖染色體編碼策略。根據染色體編碼策略，我們修改了交叉和變異算子，保證了遺傳算法種群的可行性。

1 任務分配模型

2 進的自適應遺傳算法

2.1 染色體編碼策略

圖1 染色體編碼方式

為了描述偵察-打擊-評估任務中的多個任務，提出了具有多類型基因的染色體編碼策略。

（1）多類型基因的染色體

2.2 遺傳操作

本文根據多類型基因的染色體編碼策略，對交叉和突變算子進行改進。

2.2.1 選擇操作。用 表示種群中個體的適應度的值，n表示種群中個體的數量，采取輪盤賭法使種群個體適應度值 較大的被選擇。

2.2.2 交叉操作。交叉操作是將兩個選擇的親本染色體的基因信息交換，從而產生兩個后代染色體。本文選擇兩點交叉算子。

2.2.3 變異操作。突變操作改變所選親本染色體的一個或多個基因，以產生后代染色體。突變操作的目的是通過對基因的突變來提高局部搜索能力。本文突變無人機航向角或者分配無人機信息。

2.2.4 自適應設置。

3 仿真實驗

3.1 仿真參數設置

3.2 實驗結果

2種算法的優化指標主要體現在4個方面：目標值的最小值、最大值、平均值和收斂指數。其中收斂指數

收斂效果。fffffa為n次迭代后的目標值，fffff9為迭代前的初始目標值， 越小，算法的收斂性能越好。從圖2可以看出，所提出的AGA具有更好的性能。因此，與GA算法相比，該算法在不同場景下都能獲得更好的CMTAP解。

圖2 AGA、GA在三種場景下的性能指標對比