基于AC-DSDE进化算法多UAVs协同目标分配

作     者：黄刚 李军华 HUANG Gang;LI Jun-Hua

作者机构：南昌航空大学江西省图像处理与模式识别重点实验室南昌330063 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2021年第47卷第1期

页      面：173-184页

核心收录：

学科分类：0810[工学-信息与通信工程] 1205[管理学-图书情报与档案管理] 08[工学] 081104[工学-模式识别与智能系统] 082503[工学-航空宇航制造工程] 0835[工学-软件工程] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61440049,61866025,61866026) 江西省自然科学基金(20181BAB202025) 江西省优势科技创新团队计划(20181BCB24008) 江西省研究生创新基金(YC2018-S369)资助。 

主　　题：AC-DSDE 混合双策略 差分进化算法 多无人机协同目标分配最优问题 

摘      要：多无人机协同目标分配最优问题(Multi-UAV cooperative target allocation optimal problem,MUCTAOP),旨在求解组合分配问题的最小代价值,是最具有挑战性的多约束组合优化问题之一.结合进化算法解决MUCTAOP需要考虑两个关键因素:1)在进化过程中保持覆盖问题空间的“探索性和“开发性平衡;2)建立符合实际战场复杂环境的多约束条件.为解决这两个关键因素,本文提出一种新的近似聚类混合双策略差分进化算法(Approximate clustering dualstrategy differential evolution algorithm,AC-DSDE).首先,根据父代种群适应度值将个体分成“探索类个体与“开发类个体;然后根据混合双策略变异方案平衡后代多样性与收敛性;最后,结合无人机自身性能约束、协同约束和实际三维复杂环境构建约束函数.实验结果表明,本文所提出的AC-DSDE算法能够快速地找到合理的分配方案.