控制与决策

作者：张祥银,夏爽,张天

单位：北京工业大学 信息学部,北京 100124;数字社区教育部工程中心,北京 100124;北京工业大学 北京人工智能研究院,北京 100124,,北京工业大学 信息学部,北京 100124;数字社区教育部工程中心,北京 100124,,北京工业大学 信息学部,北京 100124;数字社区教育部工程中心,北京 100124,

关键词：协同任务分配;粒子群算法;实向量编码;遗传学习;精英学习;自适应

基金：国家自然科学基金项目(61703012)；北京市自然科学基金项目(4182010).

研究救援场景下的多无人机协同任务分配问题,考虑幸存者所需援助类型的不同,建立更贴合实际的组合优化模型.针对该模型,提出一种自适应遗传学习粒子群算法(adaptive genetic learning particle swarm optimiza- tion,AGLPSO).首先,根据无人机与幸存者之间的救援关系,采用一种实向量编码机制处理决策变量约束,以简化模型求解.然后,通过两层级联结构提高算法搜索能力:第1层通过遗传学习策略生成高质量的精英粒子,并对进化停滞的粒子采用精英学习策略进行更新,以跳出局部最优;第2层利用精英粒子指导种群的搜索方向,并根据粒子群的进化速度和粒子的聚集程度,采用自适应进化策略提高算法在不同进化时期的寻优能力.仿真实验表明,所提出的AGLPSO算法能快速、有效地找到合理的救援分配方案.

来源：2023年第11期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第11期