(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211056286.6 (22)申请日 2022.08.31 (71)申请人 哈尔滨工业大 学 地址 150001 黑龙江省哈尔滨市南岗区西 大直街92号 (72)发明人 郑红星　白成超　郭继峰　 (74)专利代理 机构 黑龙江立超同创知识产权代 理有限责任公司 23217 专利代理师 杨立超　张妍飞 (51)Int.Cl. G06F 30/20(2020.01) G06F 9/50(2006.01) G06F 11/36(2006.01) G06F 111/04(2020.01) G06F 111/06(2020.01)G06F 111/08(2020.01) G06F 111/10(2020.01) (54)发明名称 一种基于知识与经验的无人机集群任务规 划方法及系统 (57)摘要 一种基于知识与经验的无人机集群任务规 划方法及系统， 涉及任务规划技术领域， 用以解 决异构无人机集群任务规划问题。 本发明的技术 要点包括： 建立异构多无人机耦合任务规划问题 的数学模型； 基于知识与经验的任务规划方法对 数学模型求解， 使得异构 多无人机团队在满足多 个约束条件 下， 完成所有任务的同时获取的任务 收益最大化且总飞行时间及总时间窗惩罚最小。 本发明提出了基于知识和基于经验引导的邻域 搜索结构， 考虑了涵盖机载资源配置、 任务 分配、 时序调度、 飞行模式选择四个子问题的异构无人 机集群多子问题耦合任务规划问题， 更加符合异 构无人机集群的应用场景， 提升了搜索效率， 提 升了高质量解的被发现概率， 进一步提升了优化 效率。 权利要求书5页 说明书16页 附图5页 CN 115329595 A 2022.11.11 CN 115329595 A 1.一种基于知识与经验的无 人机集群任务 规划方法， 其特 征在于， 包括以下步骤： 步骤一、 建立异构多无 人机耦合任务 规划问题的数 学模型； 步骤二、 基于知识与经验的任务规划方法对所述数学模型求解， 使得异构多无人机团 队在满足多个约束条件下， 完成所有任务的同时获取 的任务收益最大化， 且总飞行时间及 总时间窗惩罚最小。 2.根据权利要求1所述的一种基于知识与经验的无人机集群任务规划方法， 其特征在 于， 步骤一中所述数学模型包括优化目标函数及约束 条件， 其中， 所述优化目标函数为最大 化J： Maximize J＝w1f1‑w2f2‑w3f3 式中， f1表示异构多无人机团队的总任务收益； f2表示异构多无人机团队的总飞行时 间； f3表示所有任务的总时间窗惩罚； w1、 w2、 w3分别表示其对应项的权重系数， 即总任务收 益权重系数、 总飞行时间权 重系数、 总时间窗惩罚系数； 所述约束条件包括： 每个无人机装载载荷的数量不超过其装载载荷数量的上限； 异构 多无人机团队装载的载荷总和不超过载荷的总数； 每个无人机装载的载荷的总重量不超过 其载重上限； 互斥载荷不 允许装载到同一无人机上； 每个任务只允许被执行一次； 所有无人 机的路径起始于基地及终止 于基地； 每 个无人机的飞行时间不大于最大飞行时间的上限。 3.根据权利要求2所述的一种基于知识与经验的无人机集群任务规划方法， 其特征在 于， 步骤二中基于知识与经验的任务 规划方法对所述数 学模型求 解的具体过程包括： 步骤二一、 初始化运行参数； 所述运行参数包括运行最大迭代次数， 优化解集的数量 各个优化 解集中解的数量 步骤二二、 初始化 个初始解作为 个优化解集的搜索起 点； 步骤二三、 提取当前 个优化解集的搜索起点 的先验知识， 并通过基于知识引导 的邻 域搜索结构为每 个优化解集生成 个解， 使得每 个优化解集均具有 个候选解； 步骤二四、 计算全部候选解的目标函数值， 遍历当前 个优化解集， 遍历 过程中利用贪 婪算法从当前优化解集的 个候选解中选择一个目标值最高的解， 作为该优化解集新 的搜索起 点； 步骤二五、 根据所述新 的搜索起点， 通过基于经验引导 的邻域搜索结构生成 个候选 解； 步骤二六、 基于全局更新方法从 个候选解中选出 个解作为下一轮迭代过程中 个优化解集的搜索起 点； 步骤二七、 判断迭代次数是否达到运行最大迭代次数， 若达到则运行结束， 输出当前最 优规划方案； 否则转至步骤二三继续迭代运行； 所述最优规划方案为： 计算最后一次迭代中 步骤二六所获得的 个解所对应的目标函数值， 确定最优目标函数值所对应的一个 解为最 优规划方案 。 4.根据权利要求3所述的一种基于知识与经验的无人机集群任务规划方法， 其特征在 于， 步骤二中优化解集中的每个解通过四组对应的整数列表进行编码表示， 分别为确定任 务分配方案的任务列表TL、 确定任务时序优先级的时序列表PL、 确定资源分配方案的资源列权　利　要　求　书 1/5 页 2 CN 115329595 A 2表SL以及确定飞行模式选择 方案的模式列表 VL。 5.根据权利要求4所述的一种基于知识与经验的无人机集群任务规划方法， 其特征在 于， 步骤二三中所述先验知识包括无人机任务重分配概率、 时序调度概率、 资源重 分配概率 以及飞行模式切换概 率； 其中， 无人机任务重分配概 率 的计算公式为： 式中， Qh(Th,Sh,G(h))表示无人机Uh的任务收益 ‑总航程比， 代表了任务收益的获取效 率； Th表示无人机Uh的已分配任务集合， Sh表示无人机Uh装载的资源集合， G(h)表示无人机Uh 的飞行路线； Qi(Sh,T(h, σj),T(h, σj‑1))表示任务Ti的任务收益 ‑航段长度比， 代表了无人机 从该任务获取的实际收益； T(h， σj)＝Ti， T(h， σj‑1)为T(h， σj)的前置任务， σj为任务编号； m 表示任务总数； 时序调度概 率 的计算公式为： 资源重分配概 率 的计算公式为： 式中， 表示资源Sz的平均任务收益 ‑重量比， 代表了无人机任务集 合与装载资源的适配程度； 表示无人机Uh装载的第z个资源， 为资源的编号； 飞行模式切换概 率 的计算公式为： 式中， Pi(Ti,Uh)表示任务Ti的时间窗惩罚。 6.根据权利要求5所述的一种基于知识与经验的无人机集群任务规划方法， 其特征在 于， 步骤二三中通过基于知识引导的邻域搜索结构为每个优化解集生成 个解为： 根据无 人机任务重分配概率 时序调度概率 资源重分配概率 以及飞行模 式切换概 率 按照下述过程 生成 个解： 根据轮盘赌方法， 基于各个无人机的任务重分配概率 选择无人机Uh， 在满足无 人机最大飞行时间约束条件下， 选择无人机Uh任务集合中的一项任务Ti， 为U(i)∈TL重新分 配一个无人机编号； U(i)∈TL代表执行任务Ti的无人机编号； 基于各个任务的时序调度概率 选择任务Ti， 在满足无人机最大 飞行时间约束条件下， 选择任务Tj， 并置换时序列表权　利　要　求　书 2/5 页 3 CN 115329595 A 3