地震场景下无人机群路径规划与任务分配均衡联合优化

作     者：孙鉴 马宝全 吴隹伟 杨晓焕 武涛 陈攀 

作者机构：北方民族大学计算机科学与工程学院 北方民族大学图像图形智能处理国家民委重点实验室(北方民族大学) 

出 版 物：《计算机应用》 (Journal of Computer Applications)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 070801[理学-固体地球物理学] 07[理学] 08[工学] 081104[工学-模式识别与智能系统] 0708[理学-地球物理学] 0835[工学-软件工程] 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：国家自然科学基金项目(62062002) 宁夏自然基金(2022AAC03289,2022AAC03261) 

主　　题：路径规划 任务均衡 能耗均衡 蚁群算法 无人机群 集群并行处理 

摘      要：无人机(UAV)群路径规划和任务分配是无人机群救援应用的核心，然而传统方法将路径规划与任务分配分开求解，导致资源分配不均。为了优化这一问题，结合无人机群物理属性与应用环境因素，改进蚁群算法(ACO)，提出联合并行蚁群模型(JSACO)。首先，借助分级信息素增强系数机制更新信息素，以提高JSACO任务分配均衡和能耗均衡性能；其次，设计路径平衡因子和动态概率转移因子，优化蚁群模型易陷入局部收敛问题，以提高JSACO全局搜索能力；最后，引入集群并行处理机制，以降低JSACO运算耗时。将JSACO与自适应动态蚁群算法(ADACO)、扫描动态蚁群算法(SMACO)、贪婪策略蚁群算法(GSACO)和交叉蚁群算法(IACO)采用公开数据集(CVRPLIB)在最优路径、任务分配均衡、能耗均衡、运算耗时方面进行对比。实验结果表明，JSACO在处理小规模运算中最优路径平均值与IACO和ADACO相比分别降低7.4%和16%。处理大规模运算中求解耗时与GSACO相比降低8%，与ADACO相比降低22%。验证了JSACO处理小规模运算时能够提升最优路径，处理大规模运算时在任务分配均衡、能耗均衡、运算耗时方面明显优于对比算法。