CN114091807A - 多无人机任务分配及调度方法、装置、***及存储介质 - Google Patents

多无人机任务分配及调度方法、装置、***及存储介质 Download PDF

Info

Publication number
CN114091807A
CN114091807A CN202111186576.8A CN202111186576A CN114091807A CN 114091807 A CN114091807 A CN 114091807A CN 202111186576 A CN202111186576 A CN 202111186576A CN 114091807 A CN114091807 A CN 114091807A
Authority
CN
China
Prior art keywords
task
unmanned aerial
subtasks
aerial vehicle
executed
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
CN202111186576.8A
Other languages
English (en)
Inventor
李晓欢
夏雪
陈倩
唐欣
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.)
Guangxi Comprehensive Transportation Big Data Research Institute
Guilin University of Electronic Technology
Original Assignee
Guangxi Comprehensive Transportation Big Data Research Institute
Guilin University of Electronic 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 Guangxi Comprehensive Transportation Big Data Research Institute, Guilin University of Electronic Technology filed Critical Guangxi Comprehensive Transportation Big Data Research Institute
Priority to CN202111186576.8A priority Critical patent/CN114091807A/zh
Publication of CN114091807A publication Critical patent/CN114091807A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Optimization (AREA)
  • Quality & Reliability (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种多无人机任务分配及调度方法、装置、无人机***以及存储介质。方法包括：获取至少一个待执行任务，根据待执行任务的类型将每个待执行任务分解生成对应的多个子任务，并根据拍卖算法将每个子任务分配至对应的无人机，再根据子任务的信息和子任务的分配结果构建任务网络模型，以及执行根据预设任务调度算法遍历任务网络模型得到的目标子任务。本申请实施方式的方法中，通过将待执行任务进行拆解得到子任务并通过拍卖算法分配给无人机，再根据子任务的执行顺序以及分配结果构建任务网络模型，以及通过预设任务调度算法确定任务网络模型中的优先执行的子任务，如此，可以有效的实现任务分配和任务调度，减少了无人机***资源消耗。

Description

多无人机任务分配及调度方法、装置、***及存储介质
技术领域
本申请涉及无人机领域，特别涉及一种多无人机任务分配及调度方法、多无人机任务分配及调度装置、无人机***及计算机可读存储介质。
背景技术
随着科技的发展，无人机技术已广泛应用于军事、工业以及民用(如灾害救援)等各个领域。相关技术中，可通过多架无人机组成的无人机***实现高复杂度和规模庞大的任务。然而，目前相关研究对于解决无人机***协同任务规划与决策研究仍有待深入，因此，解决动态复杂任务的需求，进行有效的任务分配和高效的任务调度成了具有挑战性的问题。
发明内容
有鉴于此，本申请提供一种多无人机任务分配及调度方法、多无人机任务分配及调度装置、无人机***及非易失性计算机可读存储介质。
本申请的多无人机任务分配及调度方法包括：
所述无人机***包括多架无人机，所述多无人机任务分配及调度方法包括：
获取至少一个待执行任务；
根据所述待执行任务的类型将每个所述待执行任务分解生成对应的多个子任务；
根据拍卖算法将每个所述子任务分配至对应的无人机；
根据所述子任务的信息和所述子任务的分配结果构建任务网络模型；和
执行根据预设任务调度算法遍历所述任务网络模型得到的目标子任务。
在某些实施方式中，所述根据拍卖算法将每个所述子任务分配至对应的无人机包括：
根据每个所述子任务的类型确定对应的候选无人机；
根据投标函数计算每架所述候选无人机的投标结果；
根据所述投标结果从所述候选无人机中确定目标无人机；
发送所述子任务至所述目标无人机。
在某些实施方式中，所述根据投标函数计算每架所述候选无人机的投标结果包括：
确定每架所述候选无人机的负载系数以及与对应所述子任务之间的距离；
通过所述预设投标函数根据所述负载系数和所述距离计算出对应所述候选无人机的投标结果。
在某些实施方式中，所述根据所述子任务的信息和所述子任务的分配结果构建任务网络模型包括：
将每个所述子任务为节点；
确定每个所述子任务的执行顺序和由同一所述无人机执行的所述子任务；
根据每个所述子任务的执行顺序依次连接所述节点以形成有向边；
将由同一所述无人机执行的所述子任务对应的所述节点相互连接以形成无向边；
根据所述有向边、所述无向边和所述节点构建所述任务网络模型。
在某些实施方式中，所述执行根据预设任务调度算法遍历所述任务网络模型得到的目标子任务包括：
计算所述任务网络模型中每个所述节点的度值和紧密度值；
根据所述节点的所述度值和/或所述紧密度值的大小确定所述目标节点；
以所述目标节点对应的所述子任务作为所述目标子任务。
在某些实施方式中，将所述度值为零的所述节点作为所述目标节点；或
确定所述紧密度值最大的所述节点的数量；
在所述数量为一时，以紧密度值最大的所述节点为所述目标节点；
在所述数量大于一个时，以与上一个所述目标节点相连的距离最小的所述节点为所述目标节点。
在某些实施方式中，所述多无人机任务分配及调度方法还包括：
将执行后的所述子任务所对应的节点和所述向边退出所述任务网络模型。
本申请的多无人机任务分配及调度装置包括：
获取模块，用于获取至少一个待执行任务；
分解模块，用于根据所述待执行任务的类型将每个所述待执行任务分解生成对应的多个子任务；
分配模块，用于根据拍卖算法将每个所述子任务分配至对应的无人机；
构建模块，用于根据所述子任务的信息和所述子任务的分配结果构建任务网络模型；和
执行模块，用于执行根据预设任务调度算法遍历所述任务网络模型得到的目标子任务。
本申请的无人机***，包括处理器和存储器；所述存储器中存储有程序，并且所述程序被所述处理器执行，所述程序包括用于执行上述的多无人机任务分配及调度方法的指令。
本申请的分易失性计算机可读存储介质，包括计算机程序，当所述计算机程序被处理器执行时，使得所述处理器执行上述的所述的多无人机任务分配及调度方法。
本申请实施方式的多无人机任务分配及调度方法、多无人机任务分配及调度装置、无人机***及可读存储介质中，通过将待执行任务进行拆解得到多个子任务，并通过拍卖算法分配给对应的无人机，以及根据子任务的执行顺序以及分配结果构建任务网络模型，再通过预设任务调度算法遍历任务网络模型中的子任务的执行顺序，如此，实现了有效的任务分配以及高效的任务调度，从而减少了无人机***资源消耗。
本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本申请某些实施方式的多无人机任务分配及调度方法的流程示意图；
图2是本申请某些实施方式的多无人机任务分配及调度装置的模块示意图；
图3是本申请某些实施方式的无人机***的模块示意图；
图4是本申请某些实施方式的无人机投标过程的场景意图；
图5-9是本申请某些实施方式多无人机任务分配及调度方法的流程示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
请参阅图1，本申请提供一种多无人机任务分配及调度方法，用于无人机***，无人机***包括多架无人机，多无人机任务分配及调度方法包括步骤：
01，获取至少一个待执行任务；
02，根据待执行任务的类型将每个待执行任务分解生成对应的多个子任务；
03，根据拍卖算法将每个子任务分配至对应的无人机；
04，根据子任务的信息和子任务的分配结果构建任务网络模型；和
05，执行根据预设任务调度算法遍历任务网络模型得到的目标子任务。
请参阅图2，本申请实施方式提供了一种多无人机任务分配及调度装置100。多无人机任务分配及调度装置100包括获取模块110、分解模块12、分配模块13、构建模块14和执行模块15。
其中，步骤01可以由获取模块110实现，步骤02可以由分解模块12实现，步骤03可以由分配模块13实现，步骤04可以由构建模块14实现，步骤05可以由执行模块15实现，或者说，获取模块110可以用于获取至少一个待执行任务，分解模块12可以用于根据待执行任务的类型将每个待执行任务分解生成对应的多个子任务，分配模块13可以用于根据拍卖算法将每个子任务分配至对应的无人机，构建模块14可以用于根据子任务的信息和子任务的分配结果构建任务网络模型，执行模块15可以用于执行根据预设任务调度算法遍历任务网络模型得到的目标子任务。
请结合图3，本申请还提供了一种无人机***，包括处理器和多架无人机。处理器用于获取至少一个待执行任务，并用于根据待执行任务的类型将每个待执行任务分解生成对应的多个子任务，处理器还用于根据拍卖算法将每个子任务分配至对应的无人机，根据子任务的信息和子任务的分配结果构建任务网络模型，以及执行根据预设任务调度算法遍历任务网络模型得到的目标子任务。
本申请的多无人机任务分配及调度方法、多无人机任务分配及调度装置和无人机***中，通过将待执行任务进行拆解得到多个子任务，并通过拍卖算法分配给对应的无人机，以及根据子任务的执行顺序以及分配结果构建任务网络模型，再通过预设任务调度算法遍历任务网络模型中的子任务的执行顺序，如此，实现了有效的任务分配以及高效的任务调度，减少了无人机***资源消耗。
在一些实施方式中，多无人机任务分配及调度装置100可以是预安装于无人机***中的硬件或软件，并在无人机***上启动运行时可以执行该多无人机任务分配及调度方法。例如，多无人机任务分配及调度装置100可以是无人机中的底层软件代码段或者说是操作***的一部分。
在一些实施方式中，多无人机任务分配及调度装置100可以是一定方式组装以具有前述功能的分立元件、或者是以集成电路形式存在具有前述功能的芯片、又或者是在计算机上运行时使得计算机具有前述功能的计算机软件代码段。
在一些实施方式中，作为硬件，多无人机任务分配及调度装置100可以是独立或者作为额外增加的***元件加装到计算机或者计算机***。多无人机任务分配及调度装置100也可以集成到计算机或者计算机***，例如，多无人机任务分配及调度装置100是无人机***的一部分时，多无人机任务分配及调度装置100可以集成到处理器上。
在一些实施方式中，无人机***的处理器可以分布于各个无人机上，例如，处理器可以为每架无人机中的中央处理器(central processing unit，CPU)。在一些实施方式中，无人机***的处理器可以只分布在无人机***的其中一架无人机，例如，选择一架计算资源较为丰富的无人机的CPU设置为无人机***的处理器。在一些实施方式中，处理器还可以是分布在控制无人机工作的控制中心，例如，处理器可以为控制无人机工作的遥控器。
待执行任务可以由处理器根据所接收的用户请求生成，其中，用户请求可以包括但不限于语音请求、文字输入请求等，当然，在一些实施例中，待执行任务也可根据接收到的控制指令生成。待执行任务既可以为一个，也可以为多个，也即是，待执行任务的具体数量不限，例如，可以为1个、2个、3个、5个、10个甚至更多个。
需要说明的是，无人机***可以为异构无人机***，异构无人机***可以在功能或性能上互补进而高效完成任务。异构无人机***可包括有多种类型的无人机或飞艇，并且，不同种类的无人机其执行的类型、任务负载数量以及任务负载系数可能存在差异。
子任务的信息包括但不限于子任务位置、执行子任务所需无人机类型、执行子任务所需时间等。并且，由同一待执行任务分解的子任务之间有先后执行顺序。
本领域技术人员可以理解，拍卖算法是一种用于解决分配问题的分布式算法。在本实施方式中，算法流程就像拍卖流程一样，将每个子任务的相关信息发送给每架无人机，每架无人机在接收到子任务的相关信息后，对每个子任务进行投标，再根据投标结果选择出每个子任务对应的执行无人机，也即是，在本申请中，可通过拍卖算法来选择出最适合执行子任务的无人机，如此，提升了任务分配速度，并满足资源均衡条件，提高无人机***鲁棒性。
预设任务调度算法是一种调度算法，用于在任务网络模型中通过预定规则选择优先执行的子任务，即本申请通过预设任务调度算法选择出每架无人机的负载任务中优先执行的任务，使得无人机可以减小任务完成时间和减少执行任务路程。
请参阅图3，在某些实施方式中，步骤03包括子步骤：
031，根据每个子任务的类型确定对应的候选无人机；
032，根据预设投标函数计算每架候选无人机的投标结果；
033，根据投标结果从候选无人机中确定目标无人机；
034，发送子任务至目标无人机。
请进一步结合图2，在某些实施方式中，子步骤031-034可以由分配模块130实现。
或者说，分配模块130可以用于根据每个子任务的类型确定对应的候选无人机，并根据预设投标函数计算每架候选无人机的投标结果。分配模块130还可以用于根据投标结果从候选无人机中确定目标无人机，以及发送子任务至目标无人机。
在某些实施方式中，处理器可以用于根据每个子任务的类型确定对应的候选无人机，并根据预设投标函数计算每架候选无人机的投标结果。处理器还可以用于根据投标结果从候选无人机中确定目标无人机，以及发送子任务至目标无人机。
需要说明的是，预设投标函数是预设无人机***中的投标函数，预设投标函数可存储于每架无人机中，如此，当无人机接收的子待执行任务后，无人机可根据预设投标函数计算出对应子任务的投标结果。当然，预设投标函数也可以存储于无人机***的存储器，并被处理器调用，处理器可获取到每架无人机的例如无人机类型、负载系数或与子任务的距离等相关信息，再根据预设投标函数来单独计算出每架无人机关于子任务的投标结果，进而，根据投标结果选择出执行子任务的无人机。
请结合图4，具体地，在将待执行任务分解生成子任务时，可根据每个子任务生成对应的拍卖信息，并发送至每个等待拍卖信息的无人机，在无人机接收到拍卖信息时，可根据子任务的类型判断出是否能够执行该子任务，若判断出能够执行，则根据预算投标函数计算出投标价格(投标结果)，再发送投标信息至处理器，由处理器根据投标结果确认执行子任务的目标无人机，并在确认了目标无人机之后，向目标无人机发送竞标成功消息，在目标无人机接收到竞标成功消息时，使得目标无人机确认执行该子任务，进而再向处理器发送确认信息，以使得处理器确认从而结束子任务的拍卖流程，若无人机未接收到竞标成功消息，则继续等待下一子任务的拍卖信息。若在无人机接收到拍卖消息时，根据子任务的类型判断出无法执行子任务，则无人机直接结束拍卖流程，并向处理器发送无法执行的信息，以及等待下一个子任务生成的拍卖信息。
如此，通过拍卖算法流程可以将每个子任务分配给最适合执行的无人机，提高了子任务动态分配速度，并满足资源均衡条件，提高了无人机***的鲁棒性。
请参阅图5，在某些实施方式中，步骤032包括子步骤：
0321，确定每架候选无人机的负载系数以及与对应子任务之间的距离；
0322，通过预设投标函数根据负载系数和距离计算出对应候选无人机的投标结果。
在某些实施方式中，子步骤0321和0322可以由分配模块130实现。或者说，分配模块130可以用于确定每架候选无人机的负载系数以及与对应子任务之间的距离，并通过预设投标函数根据负载系数和距离计算出对应候选无人机的投标结果。
在某些实施方式中，处理器可以用于确定每架候选无人机的负载系数以及与对应子任务之间的距离，并通过预设投标函数根据负载系数和距离计算出对应候选无人机的投标结果。
需要说明的是，预设投标函数Ei n的计算公式为：
Figure BDA0003299489290000071
其中，ω1、ω2为系数，fi为任务负载系数，
Figure BDA0003299489290000072
为子任务与无人机间距离。
无人机i的任务负载系数fi的计算公式为：
Figure BDA0003299489290000073
Figure BDA0003299489290000074
为平均任务负载，平均任务负载
Figure BDA0003299489290000075
的计算公式为：
Figure BDA0003299489290000076
其中，ci为第i架无人机的任务负载数量。nu为无人机***中无人机总数，第i个无人机和第n个子任务之间的距离为：
Figure BDA0003299489290000077
xi和yi为无人机的位置坐标，xn和yn为子任务的位置坐标。
如此，通过确定每架候选无人机的负载系数以及与对应子任务之间的距离，并将负载数量和距离代入投标函数中，可以计算出候选无人机关于每个子任务对应的投标结果，进而可以根据投标结果选择出最适合执行子任务的无人机。
请参阅图6，在某些实施方式中，步骤04包括子步骤：
041，将每个子任务设置为节点；
042，确定每个子任务的执行顺序和由同一无人机执行的子任务；
043，根据每个子任务的执行顺序依次连接节点以形成有向边；
044，将由同一无人机执行的子任务对应的节点相互连接以形成无向边；
045，根据有向边、无向边和节点构建任务网络模型。
请进一步结合图2，在某些实施方式中，子步骤041-045可以由构建模块140实现。
或者说，构建模块140可以用于将每个子任务设置为节点，并确定每个子任务的执行顺序和由同一无人机执行的子任务，构建模块140还可用于根据每个子任务的执行顺序依次连接节点以形成有向边，并将由同一无人机执行的子任务对应的节点相互连接以形成无向边，以及根据有向边、无向边和节点构建任务网络模型。
在某些实施方式中，处理器可以用于将每个子任务设置为节点，并确定每个子任务的执行顺序和由同一无人机执行的子任务，处理器还可用于根据每个子任务的执行顺序依次连接节点以形成有向边，并将由同一无人机执行的子任务对应的节点相互连接以形成无向边，以及根据有向边、无向边和节点构建任务网络模型。
需要说明的是，有向边和无向边的边权赋值为对应两端节点之间的距离。例如，节点A和节点B相连接形成有向边，则有向边的值为节点A与节点B之间的距离。
如此，通过根据有向边、无向边和节点构建任务网络模型，使得子任务之间的关联关系得以体现，进而方便通过预设任务调度算法根据任务网络模型来确定优先执行的子任务，如此，可以降低无人机***的资源消耗。
请参阅图7，在某些实施方式中，步骤05包括子步骤：
051，计算任务网络模型中每个节点的度值和紧密度值；
052，根据节点的度值和/或紧密度值的大小确定目标节点；
053，以目标节点对应的子任务作为目标子任务。
在某些实施方式中，子步骤051-53可以由执行模块150实现。或者说，执行模块150可以用于计算任务网络模型中每个节点的度值和紧密度值，并根据节点的度值和/或紧密度值的大小确定目标节点，以及以目标节点对应的子任务作为目标子任务。
在某些实施方式中，处理器用于计算任务网络模型中每个节点的度值和紧密度值，并根据节点的度值和/或紧密度值的大小确定目标节点，以及以目标节点对应的子任务作为目标子任务。
需要说明的是，在根据节点的度值和/或紧密度值来遍历任务网络模型中节点从而得到目标节点时，需要满足以下三条约束条件：有边(包括有向边和无向边)相连的节点不能同时遍历、有向边相连的节点间需要按照有向边方向进行遍历、两节点间有两种边连接时按照有向边遍历。
可以理解地，有边相连的两个节点，在节点之间的边为有向边时，意味着两个节点有先后执行顺序，因此，不能同时执行，而在节点之间的边为无向边，意味着两个任务节点由一个无人机执行，一个无人机不能同时执行两个任务，因此，有边(包括有向边和无向边)相连的节点不能同时遍历。并且，有向边中，有向边的方向代表任务顺序，调度按照任务顺序选择，因此，需要按照有向边方向进行遍历。而两个节点间有两种边(即一个节点同时连接有向边和无向边)，意味着一个无人机执行两个有先后顺序的任务，因此，需要按照任务顺序也就是有向边执行。
还需要说明的是，紧密度用于刻画网络中的节点通过网络到达网络中其他节点的难易程度，反映节点通过网络对其他节点施加影响的能力。选择这些节点执行的目的是破坏任务网络模型的连通性，任务网络模型连通性变低，遍历完所有节点的速度会变快，任务调度效率提高。
紧密度值Ci的计算公式为：
Figure BDA0003299489290000091
Γ为节点i所能够到达的节点的集合；Li为节点到其他所有能够达到节点的平均距离；dij为两节间最短路径的边数。
度是描述与当前节点连接的向边(包括有向边和无向边)的数目，可以理解为，由于任务网络模型中，部分节点可能会与其它节点连接形成有向边或无向边，节点的度值越高说明与其他节点的联系越多。
如此，通过计算出每个节点的度值和紧密度值的大小，再根据节点的度值和/或紧密度值的大小确定任务网络模型中优先执行的子任务，有效解决多约束条件下的任务调度问题，并提高了任务调度效率。
请结合图8，在某些实施方式中，步骤052包括子步骤：
0521，将度值为零的节点作为目标节点；或
0522，确定紧密度值最大的节点的数量；
0523，在数量为一个时，以紧密度值最大的节点为目标节点；
0524，在数量大于一个时，以与上一个目标节点相连且距离最小的节点作为目标节点。
在某些实施方式中，子步骤0521-0524可以由执行模块150实现。或者说，执行模块150可以用于将度值为零的节点作为目标节点；执行模块150还可以用于确定紧密度值最大的节点的数量，并在数量为一个时，以紧密度值最大的节点为目标节点，或者在数量大于一个时，在数量大于一个时，以与上一个目标节点相连且距离最小的节点作为目标节点。
在某些实施方式中，处理器用于将度值为零的节点作为目标节点；处理器用于确定紧密度值最大的节点的数量，并在数量为一个时，以紧密度值最大的节点为目标节点，或者在数量大于一个时，以与上一个目标节点相连且距离最小的节点作为目标节点。
可以理解地，当节点的度值为0时，则当前节点对应的子任务为单独任务，与其它节点所对应的子任务之间并无关联，因此，当无人机负载了一个单独的任务，直接执行即可。而节点的紧密度值越大，说明反映节点通过任务网络模型对其他节点施加影响越大，因此，选择紧密度值最大的节点，可以最大的破坏任务网络模型的连通性，使得任务网络模型的连通性变低，进而遍历完所有节点的速度会变快，任务调度效率提高。
在根据紧密度值来确定目标节点时，由于紧密值最大的节点可能不止一个，因此，需要确定紧密度值最大的节点的数量，若在数量为一个，直接以该节点为目标节点，在数量为多个时，需确定优先执行的节点，从而选择执行与上一个目标节点相连且距离最小的节点作为目标节点。
请结合图9，在某些实施方式中，多无人机任务分配及调度方法还包括：
06，将执行后的目标子任务所对应的节点和与节点连接的有向边和无向边退出任务网络模型。
在某些实施方式中，步骤06可以由执行模块150实现。或者说，执行模块150可以用于将执行后的目标子任务所对应的节点和与节点连接的有向边和无向边退出任务网络模型。
在某些实施方式中，处理器可以用于将执行后的目标子任务所对应的节点和与节点连接的有向边和无向边退出任务网络模型。
如此，通过在对应子任务执行完毕后，其节点和与其相连的边可以退出任务网络模型，从而可以根据任务网络模型来确定子任务是否执行。
本申请的无人机***，还包括存储器，存储器存储有一个或多个程序，并且被处理器执行，程序被处理器执行上述多无人机任务分配及调度方法的指令。
本申请实施方式还提供了一种非易失性计算机可读存储介质，计算机读存储介质存储有计算机程序，当计算机程序被一个或多个处理器执行时，使得处理器执行上述的多无人机任务分配及调度方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其他任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc，DVD))、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种多无人机任务分配及调度方法，用于无人机***，其特征在于，所述无人机***包括多架无人机，所述多无人机任务分配及调度方法包括：
获取至少一个待执行任务；
根据所述待执行任务的类型将每个所述待执行任务分解生成对应的多个子任务；
根据拍卖算法将每个所述子任务分配至对应的无人机；
根据所述子任务的信息和所述子任务的分配结果构建任务网络模型；和
执行根据预设任务调度算法遍历所述任务网络模型得到的目标子任务。
2.如权利要求1所述的多无人机任务分配及调度方法，其特征在于，所述根据拍卖算法将每个所述子任务分配至对应的无人机包括：
根据每个所述子任务的类型确定对应的候选无人机；
根据预设投标函数计算每架所述候选无人机的投标结果；
根据所述投标结果从所述候选无人机中确定目标无人机；
发送所述子任务至所述目标无人机。
3.如权利要求2所述的多无人机任务分配及调度方法，其特征在于，所述根据预设投标函数计算每架所述候选无人机的投标结果包括：
确定每架所述候选无人机的负载系数以及与对应所述子任务之间的距离；
通过所述预设投标函数根据所述负载系数和所述距离计算出对应所述候选无人机的投标结果。
4.如权利要求1所述的多无人机任务分配及调度方法，其特征在于，所述根据所述子任务的信息和所述子任务的分配结果构建任务网络模型包括：
将每个所述子任务设置为节点；
确定每个所述子任务的执行顺序和由同一所述无人机执行的所述子任务；
根据每个所述子任务的执行顺序依次连接所述节点以形成有向边；
将由同一所述无人机执行的所述子任务对应的所述节点相互连接以形成无向边；
根据所述有向边、所述无向边和所述节点构建所述任务网络模型。
5.如权利要求4所述的多无人机任务分配及调度方法，其特征在于，所述执行根据预设任务调度算法遍历所述任务网络模型得到的目标子任务包括：
计算所述任务网络模型中每个所述节点的度值和紧密度值；
根据所述节点的所述度值和/或所述紧密度值的大小确定所述目标节点；
以所述目标节点对应的所述子任务作为所述目标子任务。
6.如权利要求5所述的多无人机任务分配及调度方法，其特征在于，所述根据所述节点的所述度值和/或所述紧密度值的大小确定所述目标节点包括：
将所述度值为零的所述节点作为所述目标节点；或
确定所述紧密度值最大的所述节点的数量；
在所述数量为一个时，以紧密度值最大的所述节点为所述目标节点；
在所述数量大于一个时，以与上一个所述目标节点相连的距离最小的所述节点为所述目标节点。
7.如权利要求6所述的多无人机任务分配及调度方法，其特征在于，所述多无人机任务分配及调度方法还包括：
将执行后的所述目标子任务所对应的节点和与所述节点连接的所述有向边和所述无向边退出所述任务网络模型。
8.一种多无人机任务分配及调度装置，用于无人机***，其特征在于，包括：
获取模块，用于获取至少一个待执行任务；
分解模块，用于根据所述待执行任务的类型将每个所述待执行任务分解生成对应的多个子任务；
分配模块，用于根据拍卖算法将每个所述子任务分配至对应的无人机；
构建模块，用于根据所述子任务的信息和所述子任务的分配结果构建任务网络模型；和
执行模块，用于执行根据预设任务调度算法遍历所述任务网络模型得到的目标子任务。
9.一种无人机***，其特征在于，包括无人机、处理器和存储器，所述存储器存储有至少一个程序，并且所述程序被所述处理器执行，所述程序包括用于执行根据权利要求1-7任意一项所述的多无人机任务分配及调度方法的指令。
10.一种计算机程序的非易失性计算机可读存储介质，其特征在于，当所述计算机程序被处理器执行时，使得所述处理器执行权利要求1-7中任一项所述的多无人机任务分配及调度方法。
CN202111186576.8A 2021-10-12 2021-10-12 多无人机任务分配及调度方法、装置、***及存储介质 Pending CN114091807A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111186576.8A CN114091807A (zh) 2021-10-12 2021-10-12 多无人机任务分配及调度方法、装置、***及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111186576.8A CN114091807A (zh) 2021-10-12 2021-10-12 多无人机任务分配及调度方法、装置、***及存储介质

Publications (1)

Publication Number Publication Date
CN114091807A true CN114091807A (zh) 2022-02-25

Family

ID=80296762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111186576.8A Pending CN114091807A (zh) 2021-10-12 2021-10-12 多无人机任务分配及调度方法、装置、***及存储介质

Country Status (1)

Country Link
CN (1) CN114091807A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116502869A (zh) * 2023-06-25 2023-07-28 海易科技(北京)有限公司 任务分配方法、装置、电子设备和计算机可读介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107947845A (zh) * 2017-12-05 2018-04-20 中国科学院自动化研究所 基于通信中继的无人机编队协同目标分配方法
CN110703802A (zh) * 2019-11-04 2020-01-17 中国科学院自动化研究所 基于多无人机协同作业的桥梁自动检测方法及***
CN112561395A (zh) * 2020-12-25 2021-03-26 桂林电子科技大学 无人机协同方法、***、装置、电子设备及存储介质
CN113064449A (zh) * 2021-03-31 2021-07-02 广东电网有限责任公司电力调度控制中心 一种无人机调度方法及***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107947845A (zh) * 2017-12-05 2018-04-20 中国科学院自动化研究所 基于通信中继的无人机编队协同目标分配方法
CN110703802A (zh) * 2019-11-04 2020-01-17 中国科学院自动化研究所 基于多无人机协同作业的桥梁自动检测方法及***
CN112561395A (zh) * 2020-12-25 2021-03-26 桂林电子科技大学 无人机协同方法、***、装置、电子设备及存储介质
CN113064449A (zh) * 2021-03-31 2021-07-02 广东电网有限责任公司电力调度控制中心 一种无人机调度方法及***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116502869A (zh) * 2023-06-25 2023-07-28 海易科技(北京)有限公司 任务分配方法、装置、电子设备和计算机可读介质
CN116502869B (zh) * 2023-06-25 2023-09-12 海易科技(北京)有限公司 任务分配方法、装置、电子设备和计算机可读介质

Similar Documents

Publication Publication Date Title
US20200257968A1 (en) Self-learning scheduler for application orchestration on shared compute cluster
US8434085B2 (en) Scalable scheduling of tasks in heterogeneous systems
US9501318B2 (en) Scheduling and execution of tasks based on resource availability
CN111768006A (zh) 一种人工智能模型的训练方法、装置、设备及存储介质
US9304817B2 (en) Method and apparatus for a user-driven priority based job scheduling in a data processing platform
WO2011009652A2 (en) A method and system for job scheduling in distributed data processing system with identification of optimal network topology
WO2023051505A1 (zh) 一种任务求解方法及其装置
CN111352711B (zh) 多计算引擎调度方法、装置、设备及存储介质
CN114610474B (zh) 一种异构超算环境下多策略的作业调度方法及***
CN107562528B (zh) 支持多种计算框架的单元化按需计算方法及相关装置
KR20140117905A (ko) 클라우드 서비스의 가상자원 할당을 위한 퍼지 로직 기반의 자원평가 장치 및 방법
CN111124644B (zh) 任务调度资源的确定方法、装置及***
WO2015042904A1 (zh) 一种多核***中资源池的调度方法、装置和***
CN114924745A (zh) 深度学习编译器的运行方法、装置及电子设备
Stavrinides et al. Security and cost aware scheduling of real-time IoT workflows in a mist computing environment
CN114091807A (zh) 多无人机任务分配及调度方法、装置、***及存储介质
CN111776896A (zh) 电梯调度方法和装置
CA2631255A1 (en) Scalable scheduling of tasks in heterogeneous systems
CN111049900B (zh) 一种物联网流计算调度方法、装置和电子设备
CN113220459A (zh) 一种任务处理方法及装置
CN107634978B (zh) 一种资源调度方法及装置
US20180260246A1 (en) Runtime piggybacking of concurrent jobs in task-parallel machine learning programs
CN112446754B (zh) 用于处理订单的方法和装置
WO2020211358A1 (zh) 数据库调度方法、装置、计算机设备及存储介质
CN115344359A (zh) 算力资源分配方法、装置、计算机可读存储介质及设备

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