CN113112031A - 一种基于模拟退火算法的无人机任务分配方法 - Google Patents

一种基于模拟退火算法的无人机任务分配方法 Download PDF

Info

Publication number
CN113112031A
CN113112031A CN202110233376.7A CN202110233376A CN113112031A CN 113112031 A CN113112031 A CN 113112031A CN 202110233376 A CN202110233376 A CN 202110233376A CN 113112031 A CN113112031 A CN 113112031A
Authority
CN
China
Prior art keywords
solution
new
algorithm
simulated annealing
limit value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110233376.7A
Other languages
English (en)
Inventor
吴学礼
尹雅楠
甄然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hebei University of Science and Technology
Original Assignee
Hebei University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hebei University of Science and Technology filed Critical Hebei University of Science and Technology
Priority to CN202110233376.7A priority Critical patent/CN113112031A/zh
Publication of CN113112031A publication Critical patent/CN113112031A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于模拟退火算法的无人机任务分配方法，对模拟退火算法的Metropolis接受准则中对接受新解的条件进行了更改，将Metropolis接受准则用设置阈值的方式进行改进，既可以使算法跳出局部最优，又可以减少因随机而接受与当前解相差很多的新解。通过对算法的改进，大大地缩短了程序的运行时间。

Description

一种基于模拟退火算法的无人机任务分配方法
技术领域
本发明涉及一种基于模拟退火算法的无人机任务分配方法。
背景技术
模拟退火算法来源于固体退火原理，是一种基于概率的算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法从某一较高初温出发，伴随温度参数的不断下降，结合概率突跳特性在解空间中随机寻找目标函数的全局最优解，即当处于局部最优解时，能根据Metropolis接受准则概率性地跳出局部最优并最终趋于全局最优。模拟退火算法是一种通用的优化算法，理论上算法具有概率的全局优化性能。
目前在无人机任务分配中，大多是将模拟退火算法作为其它算法的辅助，并没有只用模拟退火算法进行无人机任务分配的，在计算过程中当所得到的新解比当前解大(即新解比当前解差)时，会通过模拟退火中的Metropolis接受准则来判断是否接受该解，在判断时因为
Figure BDA0002959548140000011
是和随机数rand进行的比较，所以会存在新解不一定是目前最好的解，同时新解可能和当前解差值很大，这会增大算法找到最优解的时间。
发明内容
本发明所要解决的技术问题是提供一种基于模拟退火算法的无人机任务分配方法，减少算法花费过多时间的问题。
本发明所采用的技术方案是：
一种基于模拟退火算法的无人机任务分配方法，其特征在于其包括如下步骤：
步骤一：初始化，设置初始温度T，初始分配顺序S，每个温度值T的迭代次数L；
步骤二：对k＝1，…，L执行步骤三至步骤六；
步骤三：产生新的分配顺序S1；
步骤四：计算增量△C＝C(S1)-C(S)，其中C(S)为当前的目标函数值；
步骤五：若△C<0，则表示新的分配顺序所得到的解比当前的分配顺序所得到的解好，接受新解；若△C≥0，表示当前的分配顺序所得到的解比新的分配顺序所得到的解好，使用公式(1)来选择性地接受新解，
ymin≤△C≤ymax (1)
公式(1)中ymin、ymax分别为阈值的下限和上限；
若△C在公式(1)的阈值范围内则接受新解，否则保留原解；
步骤六：保存本次迭代的最优解，如果满足终止条件则结束程序，输出最优解；
步骤七：T逐渐减少，当T≥1时，则跳转到步骤二。
本发明的积极效果为：本发明将模拟退火算法中Metropolis的接受准则改进为ymin≤△C≤ymax。该阈值范围的设定，既可以使算法跳出局部最优，又可以减少因随机而接受与当前的解相差很多的新解，通过对算法的改进，大大地缩短了算法的运行时间。
附图说明
图1为本发明框架图；
图2为本发明改进的Metropolis接受准则框架图。
具体实施方式
如附图1、2所示，本发明包括如下步骤：
步骤一：初始化，设置初始温度T，初始分配顺序S，每个温度值T的迭代次数L。
步骤二：对k＝1，…，L执行步骤三至步骤六。
步骤三：产生新的分配顺序S1。
步骤四：计算增量△C＝C(S1)-C(S)，其中C(S)为当前的目标函数值。
步骤五：若△C<0，则表示新解比当前解好，接受新解；
若△C≥0，表示新的分配顺序所得到的解比当前的分配顺序所得到的解好，在模拟退火算法的运行中接受比当前解差的新解是必不可少的，因为适当的接受这样的解可以帮助算法跳出局部最优，从而能够找到更好的解。为了解决传统模拟退火算法在解决无人机任务分配时，花费太多时间的问题，本发明对模拟退火算法的Metropolis接受准则中对接受新解的条件进行了更改。通过使用公式(1)来选择性地接受新解，
ymin≤△C≤ymax (1)
公式(1)中ymin、ymax分别为阈值的下限值和上限值，根据运行结果，在每次迭代得到的结果中，找到两者最小的差值，使其为上限值，下限值根据上限值做调整，这样可以使得所接受的较差的解与当前解之差不会差太多；若△C在公式(1)的阈值范围内则接受新解，否则保留原解；
阈值的上下限根据程序运行之后，进行调整，来使得算法尽可能地接受与当前解相差不大的新解。当得到的新解比当前解差时，通过判断新解与当前解的差值是否在设置的阈值范围内，来考虑是否接受该新解。该阈值范围的设定，既可以使算法跳出局部最优，又可以减少因随机而接受与当前解相差很多的新解。通过对算法的改进，大大地缩短了程序的运行时间。
步骤六：保存本次迭代的最优解，如果满足终止条件则结束程序，输出最优解。
步骤七：T逐渐减少，当T≥1时，则跳转到步骤二。
S表示任务分配的顺序，每一次迭代，S都会随机改变，不同的顺序得到不同的解，通过模拟退火算法将最好的解找出来，该解对应的分配顺序即为所求的分配顺序。
如下的表1是采用现有技术的任务分配结果，图2是采用本发明分配方法的结果。
表1采用现有技术的任务分配结果
Figure BDA0002959548140000031
Figure BDA0002959548140000041
Figure BDA0002959548140000051
表2采用本发明分配方法的结果
Figure BDA0002959548140000052
Figure BDA0002959548140000061
其中表1和表2均是每四行为一个分配结果，第一行为无人机1的侦察，第二行为无人机2的侦察，第三行为无人机1的打击，第四行为无人机2的打击。第一列为去执行任务1的侦察活动排序，第二列为去执行任务2的侦察活动排序，第三列为去执行任务3的侦察活动排序，第四列为去执行任务1的打击活动排序，第五列为去执行任务2的打击活动排序，第六列为去执行任务3的打击活动排序。
最终的分配结果为：无人机1执行任务1(侦察、打击)再去执行任务2(打击)；无人机2执行任务2(侦察)再去执行任务3(侦察、打击)。从图1、图2可以看出，改进的算法没有影响任务分配的结果。根据算法的运行时间计算，得到图1的仿真时间为173.3739s，而图2的仿真时间为21.5166s，改进之后的算法仿真时间减少了87.5895％。
本发明将Metropolis接受准则改进为ymin≤△C≤ymax，通过判断新解与当前解的差值是否在设置的阈值范围内，来考虑是否接受新解。该阈值范围的设定，既可以使算法跳出局部最优，又可以减少因接受比当前解差的新解而造成的算法运行时间过长，同时通过仿真验证改进后的模拟退火算法与算法改进之前的分配结果相同，目标函数值也相同，改进之后的算法的运行时间比改进前的算法运行时间减少了87.5895％。

Claims (1)

1.一种基于模拟退火算法的无人机任务分配方法，其特征在于其包括如下步骤：
步骤一：初始化，设置初始温度T，初始分配顺序S，每个温度值T的迭代次数L；
步骤二：对k＝1，…，L执行步骤三至步骤六；
步骤三：产生新的分配顺序S1；
步骤四：计算增量△C＝C(S1)-C(S)，其中C(S)为当前的目标函数值；
步骤五：若△C<0，则表示新的分配顺序所得到的解比当前的分配顺序所得到的解好，接受新解；若△C≥0，表示当前的分配顺序所得到的解比新的分配顺序所得到的解好，使用公式(1)来选择性地接受新解，
ymin≤△C≤ymax (1)
公式(1)中ymin、ymax分别为阈值的下限值和上限值，根据运行结果，在每次迭代得到的结果中，找到两者最小的差值，使其为上限值；
若△C在公式(1)的阈值范围内则接受新解，否则保留原解；
步骤六：保存本次迭代的最优解，如果满足终止条件则结束程序，输出最优解；
步骤七：T逐渐减少，当T≥1时，则跳转到步骤二。
CN202110233376.7A 2021-03-03 2021-03-03 一种基于模拟退火算法的无人机任务分配方法 Pending CN113112031A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110233376.7A CN113112031A (zh) 2021-03-03 2021-03-03 一种基于模拟退火算法的无人机任务分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110233376.7A CN113112031A (zh) 2021-03-03 2021-03-03 一种基于模拟退火算法的无人机任务分配方法

Publications (1)

Publication Number Publication Date
CN113112031A true CN113112031A (zh) 2021-07-13

Family

ID=76709808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110233376.7A Pending CN113112031A (zh) 2021-03-03 2021-03-03 一种基于模拟退火算法的无人机任务分配方法

Country Status (1)

Country Link
CN (1) CN113112031A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487264A (zh) * 2021-07-20 2021-10-08 中南大学 一种基于异构多无人机的物流配送方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101806728A (zh) * 2010-03-12 2010-08-18 江苏大学 基于模拟退火算法的近红外光谱特征波长的选择方法
CN102928382A (zh) * 2012-11-12 2013-02-13 江苏大学 基于改进型模拟退火算法的近红外光谱特征波长选择方法
CN111176807A (zh) * 2019-12-09 2020-05-19 中国空间技术研究院 一种多星协同任务规划方法
CN111585279A (zh) * 2020-06-11 2020-08-25 南京工程学院 一种基于新能源消纳的微电网优化调度方法
CN112016812A (zh) * 2020-08-06 2020-12-01 中南大学 多无人机任务调度方法、***及存储介质
CN112232545A (zh) * 2020-09-01 2021-01-15 东南大学 基于模拟退火算法的agv任务调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101806728A (zh) * 2010-03-12 2010-08-18 江苏大学 基于模拟退火算法的近红外光谱特征波长的选择方法
CN102928382A (zh) * 2012-11-12 2013-02-13 江苏大学 基于改进型模拟退火算法的近红外光谱特征波长选择方法
CN111176807A (zh) * 2019-12-09 2020-05-19 中国空间技术研究院 一种多星协同任务规划方法
CN111585279A (zh) * 2020-06-11 2020-08-25 南京工程学院 一种基于新能源消纳的微电网优化调度方法
CN112016812A (zh) * 2020-08-06 2020-12-01 中南大学 多无人机任务调度方法、***及存储介质
CN112232545A (zh) * 2020-09-01 2021-01-15 东南大学 基于模拟退火算法的agv任务调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
H-X等: "multi-uav reconnaissance task assignment for heterogeneous targets based on modified symbiotic organisms search algorithm", 《SENSORS》 *
常忠东: "对模拟退火算法的衰减函数T和MetrOPolis准则的改进", 《内蒙古民族大学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487264A (zh) * 2021-07-20 2021-10-08 中南大学 一种基于异构多无人机的物流配送方法及***
CN113487264B (zh) * 2021-07-20 2022-09-02 中南大学 一种基于异构多无人机的物流配送方法及***

Similar Documents

Publication Publication Date Title
CN107506865B (zh) 一种基于lssvm优化的负荷预测方法及***
KR101113006B1 (ko) 클러스터 간 상호정보를 이용한 클러스터링 장치 및 방법
CN113985294B (zh) 一种电池剩余寿命的预估方法及装置
CN110827299B (zh) 一种基于哈里斯鹰优化算法的图像分割方法
CN113361201B (zh) 一种基于噪声标签学习的众包获取标签数据清洗方法
CN112733458B (zh) 一种基于自适应变分模态分解的工程结构信号处理方法
US20220374722A1 (en) Intelligent ammunition co-evolution task assignment method
WO2017124930A1 (zh) 一种特征数据处理方法及设备
CN117271143B (zh) 一种数据中心优化节能调度方法及***
CN115578248B (zh) 一种基于风格引导的泛化增强图像分类算法
CN112990420A (zh) 一种用于卷积神经网络模型的剪枝方法
CN113112031A (zh) 一种基于模拟退火算法的无人机任务分配方法
CN110097176A (zh) 一种应用于空气质量大数据异常检测的神经网络结构搜索方法
CN114419884B (zh) 基于强化学习和相位竞争的自适应信号控制方法及***
CN114186518A (zh) 一种集成电路良率估算方法及存储器
CN109074348A (zh) 用于对输入数据集进行迭代聚类的设备和迭代方法
CN112800384A (zh) 基于自适应大领域搜索的gtsp求解算法
CN103578274B (zh) 一种交通流预测方法及装置
Bi et al. Self-adaptive Teaching-learning-based Optimizer with Improved RBF and Sparse Autoencoder for Complex Optimization Problems
CN110321799B (zh) 一种基于sbr和平均类间距离的场景数选择方法
CN112394640A (zh) 参数整定方法、装置、存储介质及参数整定单元
CN117059169A (zh) 基于参数自适应成长优化器的生物多序列比对方法及***
CN112100893B (zh) 一种用于有限元计算的非连续域的优化方法
Chen et al. Research on adaptive genetic algorithm based on multi-population elite selection strategy
CN114528596A (zh) 一种基于深度学习的有向无环图区块链可扩展性增强方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210713

RJ01 Rejection of invention patent application after publication