CN107229286B - 考虑人工干预的无人-有人机编队信息分发处理方法 - Google Patents

Abstract

本发明涉及一种考虑人工干预的无人‑有人机编队信息分发处理方法，该方法包括：在接收到的待分发信息为强制性任务信息时，调用中断模型；对各个强制性任务信息的分发与传递属性初始化，得到初始解；将中断模型的当前优化目标设置为最大化强制性任务信息的分发数量；对当前的中断模型进行求解，得到第一方案；判断第一方案中强制性任务信息的分发数量是否等于任务池中强制性任务信息的总数量；若是，则将中断模型的当前优化目标设置为最小化分发强制性任务信息的总完成时间，采用第二遗传算法对当前的中断模型进行求解，得到第二方案。本发明能够对无人‑有人机编队接收到多个强制性任务信息进行合理的安排，形成最优的信息分发与传递序列。

Description

考虑人工干预的无人-有人机编队信息分发处理方法

技术领域

本发明涉及无人-有人机编队信息处理技术领域，尤其是涉及一种考虑人工干预的无人-有人机编队信息分发处理方法。

背景技术

在无人-有人机编队协同执行任务的过程中，在不同的阶段对所需要处理的信息类型、信息需求量，以及信息的本身的重要程度具有一定的差别，因此在对任务信息进行有效的分发与传递过程中，需要考虑任务信息可能具有不同的优先等级。在无人-有人机协同执行任务过程中，有一类任务信息由于其本身的时序要求、重要程度或者在整个协同执行任务过程中起到关键作用，需要在无人-有人机系统中立即进行分发处理，可以将这类任务称之为强制性任务，并将强制性任务在无人-有人机协同任务过程中视为优先等级最高的任务。

目前，在无人-有人机编队协同执行任务过程中，当无人-有人机编队系统同时接收到多个强制性任务信息，并没有一种方法能够对上述多个强制性任务信息的分发传递任务进行合理的安排，形成最优的信息分发与传递序列。

发明内容

(一)解决的技术问题

本发明提供一种考虑人工干预的无人-有人机编队信息分发处理方法，可以对强制性任务信息进行合理的安排，尽量在对强制性任务信息的分发与传递数量最大化的基础上实现分发与传递的时间最小化，避免对无人机和有人机的协同作业造成延误。

(二)技术方案

本发明提供的考虑人工干预的无人-有人机编队信息分发处理方法包括：

在无人-有人机编队的任务池接收到的待分发信息为强制性任务信息时，调用预先建立的中断模型；

采用编码方法对各个强制性任务信息的分发与传递属性初始化，得到初始解；

将所述中断模型的当前优化目标设置为在预设约束条件下最大化强制性任务信息的分发数量；并基于所述初始解，采用第一遗传算法对当前的中断模型进行求解，得到对强制性任务信息分发与传递的第一方案；

判断所述第一方案中强制性任务信息的分发数量是否等于所述任务池中强制性任务信息的总数量；

若是，则将中断模型的当前优化目标设置为在所述预设约束条件下最小化分发强制性任务信息的总完成时间，采用第二遗传算法对当前的中断模型进行求解，得到对强制性任务信息分发与传递的第二方案；

按照所述第二方案对任务池中的强制性任务信息进行分发与传递。

可选的，所述采用编码方法对各个强制性任务信息的分发与传递属性初始化，得到初始解，包括：

采用编码方法将所述中断模型的解编码为染色体，所述染色体上包括与任务池中待分发的强制性任务信息一一对应的基因；

将染色体上每个基因的第一标识置为1，置为1的第一标识表征该基因对应的强制性任务信息为可被分发与传递；

获取各个强制性任务信息的宿节点，并针对每一个强制性任务信息随机生成一个与其宿节点不同的源节点；

判断各个强制性任务信息是否需要转发；对于需要转发的强制性任务信息，随机生成多个不同的转发节点，形成转发路径；对于不需要转发的强制性任务信息，将其转发节点置为-1；

读取各个强制性任务信息的时间窗；对于每一个强制性任务信息，在所述时间窗内随机生成一个时刻点，并将该时刻点作为该强制性任务信息到达所述宿节点的时刻；对于需要转发的强制性任务信息，根据转发路径推算出强制性任务信息到达各个转发节点的时刻以及从源节点发出的时刻；对于不需要转发的强制性任务信息，推算出强制性任务信息从源节点发出的时刻，并将各个转发节点的转发时刻置为-1；

将每个强制性任务信息的第一标识、源节点、转发节点、宿节点、从源节点发出的时刻、到达各个转发节点的时刻以及到达所述宿节点的时刻作为该强制性任务信息的分发与传递属性，各个强制性任务信息的分发与传递属性形成初始解。

可选的，循环执行采用第一遗传算法对当前的中断模型进行求解、判断所述第一方案中强制性任务信息的分发数量是否等于所述任务池中强制性任务信息的总数量的操作以及判断循环次数是否达到预设次数的操作，直至求解操作后的第一方案中强制性任务信息的分发数量等于所述任务池中强制性任务信息的总数量或者循环次数达到预设次数；

若循环次数达到所述预设次数，则按照最后一次求解操作后的第一方案对任务池中的强制性任务信息进行分发与传递。

可选的，所述采用第一遗传算法对当前的中断模型进行求解，包括：

将以最大化强制性任务信息的分发数量为当前优化目标的中断模型的目标函数作为当前的适应度函数，计算种群中染色体的适应度函数值；

采用轮盘赌选择法从父代群体中选择中适应度函数值最高的预设数量的染色体遗传到子代群体中；

对种群中的染色体进行两两单点交叉操作；

对交叉操作得到的染色体进行重置变异处理；

对重置变异处理得到的染色体进行第一更新操作，具体为将子代群体中适应度最低的第一预设数量的染色体和子代群体中适应度最低的第二预设数量的染色体组合，形成新的种群；

将所述新的种群对应的解作为所述第一方案。

可选的，在所述对重置变异处理得到的染色体进行第一更新操作之前，所述方法还包括：对重置变异处理后的染色体上基因对应的分发与传递属性是否满足所述预设约束条件；

若是，则执行所述第一更新操作；

否则，对重置变异处理后染色体的适应度函数值进行调整后执行所述第一更新操作。

可选的，所述对交叉操作得到的染色体进行重置变异处理，包括：

生成一个介于0和1之间的随机数，若所述随机数小于预设的变异概率，则根据所述初始解的生成方法生成一条染色体；

在子代群体中随机选择一条染色体，并用根据所述初始解的生成的染色体替代随机选择的染色体，其他染色体保持不变。

可选的，所述采用第二遗传算法对当前的中断模型进行求解，包括多个迭代过程，直至迭代次数达到预设次数，将最终的种群对应的解作为所述第二方案；

其中，每一个迭代过程包括：

将以最小化分发强制性任务信息的总完成时间为当前优化目标的中断模型的目标函数作为当前的适应度函数，计算种群中染色体的适应度函数值；

采用轮盘赌选择法从父代群体中选择中适应度函数值最高的预设数量的染色体遗传到子代群体中；

对种群中的染色体进行两两单点交叉操作；

对交叉操作得到的染色体进行删除转发节点变异处理；

对删除转发节点变异处理得到的染色体进行第二更新操作，具体为将子代群体中适应度最高的第一预设数量的染色体和子代群体中适应度最高的第二预设数量的染色体组合，形成新的种群。

可选的，所述对交叉操作得到的染色体进行删除转发节点变异处理，包括：

生成一个介于0和1之间的随机数，若所述随机数小于预设的变异概率，则随机选择染色体中的一个基因，并将随机选择的基因对应的强制性任务信息的转发节点置为-1，并将强制性任务信息到达各个转发节点的时刻置为-1。

可选的，在所述对删除转发节点变异处理得到的染色体进行第二更新操作之前，所述方法还包括：

对删除转发节点变异处理后的染色体上基因对应的分发与传递属性是否满足所述预设约束条件；

若是，则执行所述第二更新操作；

否则，对删除转发节点变异处理后的染色体的适应度函数值进行调整后执行所述第二更新操作。

可选的，所述中断模型以在预设约束条件下最大化强制性任务信息的分发数量为当前优化目标的目标函数为：

式中，F1为强制性任务信息的分发数量；t表示任意一个待分发信息，T^a表示强制性任务信息；决策变量

取1或0，取1表示待分发信息t从节点i发送到节点j，取0表示待分发信息t不从节点i发送到节点j。

可选的，所述中断模型以在所述预设约束条件下最小化分发强制性任务信息的总完成时间为当前优化目标的目标函数为：

式中，F2为分发强制性任务信息的总完成时间；t表示任意一个待分发信息，T^a表示强制性任务信息；决策变量

取1或0，取1表示待分发信息t从节点i发送到节点j，取0表示待分发信息t不从节点i发送到节点j；V＝{1,2,…,m}表示通信网络拓扑中节点集合，m表示通信网络拓扑总节点数；

表示待分发信息t从节点i传递到节点j发生的传输时延；

表示待分发信息t从节点i传递到节点j发生的传播时延；N^a为任务池中强制性任务信息的数量。

可选的，所述预设约束条件包括：

ET_t≤l_t,t∈T^a

ET_t≥e_t,t∈T^a

ET_t-ST_t≤D,t∈T^a

式中，ET_t表示待分发信息t实际到达信息宿的时刻；ST_t表示待分发信息t从信息源实际开始分发时刻；V＝{1,2,…,m}表示通信网络拓扑中节点集合，m表示通信网络拓扑总节点数；

表示待分发信息t从节点i传递到节点j发生的传输时延；

表示待分发信息t从节点i传递到节点j发生的传播时延；T^a表示强制性任务信息；l_t表示待分发信息t最迟到达信息宿的时间；e_t表示待分发信息t最早信息宿到达时间；D表示通信网络拓扑中可接受的最大时延；TW_t表示待分发信息t所需要的带宽；NW_ij表示通信网络拓扑中有向边<i,j>所能承受的最大带宽；B_v表示节点v所能提供的最大数据量，v表示通信网络拓扑中的任一节点,v∈V；决策变量

取1或0，其中，取1表示待分发信息t从节点i发送到节点j，取0表示待分发信息t不从节点i发送到节点j。

(三)有益效果

本发明提供的考虑人工干预的无人-有人机编队信息分发处理方法，首先以最大化强制性任务信息的分发数量为优化目标，当实现该目标后，再以最小化分发强制性任务信息的总完成时间为目标，实现对强制性任务信息进行全部分发与传递的基础上实现立即分发与传递，保证任务信息的时效性，避免对无人机和有人机的协同作业造成延误。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。

图1示出了本发明一实施例中考虑人工干预的无人-有人机编队信息分发处理方法的部分流程示意图；

图2示出了本发明一实施例中一条由5个基因构成的染色体的示意图。

具体实施方式

下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

第一方面，本发明提供一种考虑人工干预的无人-有人机编队信息分发处理方法，如图1所示，包括：

S1、在任务池接收到的待分发信息为强制性任务信息时，调用预先建立的中断模型；

可理解的是，所谓的强制性任务信息为在整个协同过程中具有关键作用，需要立即执行的任务信息。例如：攻击任务、侦察攻击一体化任务、火力评估任务。在执行攻击任务、侦察攻击一体化任务时，无人机将发现攻击的目标信息及拍摄到图像等信息即时传递给有人机，再由有人机下达命令指挥无人机去执行攻击打击。火力评估任务分为火力引导校射和火力打击评估。火力引导校射是利用无人机进入火力打击目标区，拍摄相应区域的图像信息，传输给指挥员协助观察弹着点、修正射击偏差量、提高火力打击精确度、降低弹药消耗。火力打击评估是指前期打击结束后，无人机进入火力打击目标区，帮助观察火力打击效果，为下步行动提供重要依据。

其中，中断模型也可以称之为BRE-IDD模型。

S2、采用编码方法对各个强制性任务信息的分发与传递属性初始化，得到初始解；

S3、将所述中断模型的当前优化目标设置为在预设约束条件下最大化强制性任务信息的分发数量；并基于所述初始解，采用第一遗传算法对当前的中断模型进行求解，得到对强制性任务信息分发与传递的第一方案；

可理解的是，当前中断模型的目标为在预设约束条件下最大化强制性任务信息的分发数量。

S4、判断所述第一方案中强制性任务信息的分发数量是否等于所述任务池中强制性任务信息的总数量；

S5、若是，则将中断模型的当前优化目标设置为在所述预设约束条件下最小化分发强制性任务信息的总完成时间，采用第二遗传算法对当前的中断模型进行求解，得到对强制性任务信息分发与传递的第二方案；

可理解的是，若第一方案中强制性任务信息的分发数量等于所述任务池中强制性任务信息的总数量，说明实现了最大化强制性任务信息的分发数量的目标，此时将中断模型的优化目标设置为最小化分发强制性任务信息的总完成时间，即在实现最大化强制性任务信息的分发数量的基础上，争取实现最小化分发强制性任务信息的总完成时间。

S6、按照所述第二方案对任务池中的强制性任务信息进行分发与传递。

本发明提供的信息分发处理方法，首先以最大化强制性任务信息的分发数量为优化目标，当实现该目标后，再以最小化分发强制性任务信息的总完成时间为目标，实现对强制性任务信息进行全部分发与传递的基础上实现立即分发与传递，保证任务信息的时效性，避免对无人机和有人机的协同作业造成延误。

为了清楚表述，下面对各式中涉及到的公式参数进行说明：

本文用有向图G(V,E,W)来表示无人机/有人机之间所有可用的通信网络拓扑，将无人机/有人机描述为通信网络拓扑中的节点，具体模型参数如下：

V＝{1,2,…,m}表示通信网络拓扑中节点集合，m表示通信网络拓扑总节点数。

E＝{<i,j>|i,j∈V,i≠j}表示有向边集合，其中<i,j>表示通信网络拓扑中节点i到节点j的有向边；

W＝{w_ij|i,j∈V}表示图中每条有向边的权值集合，其中w_ij表示节点i到节点j之间的欧式距离。

B_v表示节点v所能提供的最大数据量，其中,v表示通信网络拓扑中的任一节点,v∈V；

T表示待分发信息集合，n表示集合中元素的个数，t表示任意一个待分发信息，t∈T；其中T^a表示强制性任务信息，T^b表示重要级信息，T^c表示一般级信息，T^d表示低优先级信息；

[e_t,l_t]表示待分发信息t需要在此时间窗内到达信息宿，e_t表示最早到达时间，l_t表示最迟到达时间；

ST_t表示待分发信息t从信息源实际开始分发时刻，ET_t表示待分发信息t实际到达信息宿的时刻；

SN_t表示待分发信息t的实际信息源，EN_t表示需要接收待分发信息t的信息宿；

表示待分发信息t从节点i传递到节点j发生的传输时延；

表示待分发信息t从节点i传递到节点j发生的传播时延；

D表示通信网络拓扑中可接受的最大时延；

TW_t表示待分发信息t所需要的带宽；

NW_ij表示通信网络拓扑中有向边<i,j>所能承受的最大带宽；

P_t表示待分发信息t的优先级，P_t＝1表示低优先级任务，P_t＝2表示一般级任务，P_t＝3表示重要级任务，P_t＝4表示中断级任务；

H_t表示完成待分发信息t的任务后可获得的收益；

G_t表示待分发信息t的权重值；

C_t表示待分发信息t的可能产生的扰动成本；

决策变量

取1或0，其中，取1表示待分发信息t从节点i发送到节点j，取0表示待分发信息t不从节点i发送到节点j。

在具体实施时，S1中调用的中断模型的目标函数可以用下式(1)表示：

其中，MaxF1为最大化强制性任务信息的分发数量；MinF2为最小化分发强制性任务信息的总完成时间，在不同的阶段，采用不同的目标函数，实现不同的优化目标。

在具体实施时，所调用中断模型的预设约束条件可以根据需要设置，例如时间窗约束、时延约束、带宽约束、信源约束、访问唯一性约束等，其中所谓的时间窗约束为强制性任务信息需在预设时间窗内完成分发传递，时延约束为所述强制性任务信息的传输时延和传播时延均不超过通信网络拓扑的最大时延，带宽约束为通信链路中同时能够传递的强制性任务信息数据量之和不超出通信网络拓扑所能承受的最大带宽，信源约束为信息源发出的强制性任务信息数据量不超出信息源的供应能力，访问唯一性约束为每个强制性任务信息只有一个信息源、每个强制性任务信息只有一个信息宿、任意一个节点转发同一个强制性任务信息的次数小于等于1。

上述约束条件可以采用下式表示：

时间窗约束：

ET_t≤l_t,t∈T^a (3)

ET_t≥e_t,t∈T^a (4)

时延约束：

ET_t-ST_t≤D,t∈T^a (5)

带宽约束：

信源约束：

访问唯一性约束：

另外，

在具体实施时，S2中采用编码方法对各个强制性任务信息的分发与传递属性初始化，得到初始解的过程可以包括下述步骤：

S21、采用编码方法将所述中断模型的解编码为染色体，所述染色体上包括与任务池中待分发的强制性任务信息一一对应的基因；

可理解的是，强制性任务信息的数量与染色体上基因的个数相同，一个基因对应一条强制性任务信息。

举例来说，将待分发信息的数量n作染色体内基因的数量，基因采用多元组的方式进行编码，m表示通信网络拓扑中的节点总数量，基本的编码方式如下：

Gene＝(Flag,Node₁,Node₂,...,Node_m,Time₁,Time₂,…,Time_m)

其中，Flag表示待分发信息是否可被分发，Node₁,Node₂,...Node_m表示待分发信息转发时经过的节点，Node₁表示待分发信息的信息源，Node_m表示待分发信息的信息宿，Time₁,Time₂,…,Time_m表示待分发信息在对应节点的转发时间，Time₁表示待分发信息从信息源开始分发时刻，Time_m表示待分发信息际到达信息宿的时刻。

S22、将染色体上每个基因的第一标识置为1，置为1的第一标识表征该基因对应的强制性任务信息为可被分发与传递；

可理解的是，这里的第一标识即为上述的Flag，将第一标识置为1标识对应的强制性任务信息可以被分配和传递。

S23、获取各个强制性任务信息的宿节点Node_m，并针对每一个强制性任务信息随机生成一个与其宿节点不同的源节点Node₁；

可理解的是，由于宿节点与源节点不同，因此Node₁≠Node_m。

S24、判断各个强制性任务信息是否需要转发；对于需要转发的强制性任务信息，随机生成多个不同的转发节点，形成转发路径；对于不需要转发的强制性任务信息，将其转发节点置为-1；

可理解的是，对于不需要转发的强制性任务信息，令Node₂＝Node₃＝…＝Node_m-1＝-1。

可理解的是，对于需要转发的强制性任务信息，随机转发次数c<＝m-2，将随机生成的c个转发节点的编号记录至Node₂…,Node_m-1，且保证Node1≠Node₂≠…≠Node_m。

S25、读取各个强制性任务信息的时间窗；对于每一个强制性任务信息，在所述时间窗内随机生成一个时刻点，并将该时刻点作为该强制性任务信息到达所述宿节点的时刻；对于需要转发的强制性任务信息，根据转发路径推算出强制性任务信息到达各个转发节点的时刻以及从源节点发出的时刻；对于不需要转发的强制性任务信息，推算出强制性任务信息从源节点发出的时刻，并将各个转发节点的转发时刻置为-1；

S26、将每个强制性任务信息的第一标识、源节点、转发节点、宿节点、从源节点发出的时刻、到达各个转发节点的时刻以及到达所述宿节点的时刻作为该强制性任务信息的分发与传递属性，各个强制性任务信息的分发与传递属性形成初始解。

举例来说，如图2所示，由5个基因形成一个染色体，以第一个基因为例,(1,1,-1,2,9.5,-1,12.5)表示第一个待分发信息的从编号为1的信息源发往编号为2的信息宿，中间不经过转发。发送时间为第9.5秒到达时间为第10.5秒。

在具体实施时，可以循环执行上述S3和S4，在每次执行完S4后，对执行次数是否达到预设次数进行判断，也就是说，循环执行采用第一遗传算法对当前的中断模型进行求解、判断所述第一方案中强制性任务信息的分发数量是否等于所述任务池中强制性任务信息的总数量的操作以及判断循环次数是否达到预设次数的操作，直至求解操作后的第一方案中强制性任务信息的分发数量等于所述任务池中强制性任务信息的总数量或者循环次数达到预设次数；若循环次数达到所述预设次数，则按照最后一次求解操作后的第一方案对任务池中的强制性任务信息进行分发与传递。

可理解的是，循环执行S3、S4，若S4中的判断结果为是，则执行S5，采用S5中得到的第二方案对强制性任务信息进行分发和传递；若若S4中的判断结果为否，则判断执行S3的次数是否达到预设次数，若没有达到预设次数，则再次执行S3、S4；若达到了预设次数，则退出循环，将最后一次循环中得到的第一方案作为最终方案对强制性任务信息进行分发和传递。这里通过循环或者迭代的方式，最终搜索出适应度最高的染色体作为最优解。

在具体实施时，S3中采用第一遗传算法对当前的中断模型进行求解的过程可以包括：

S31、将以最大化强制性任务信息的分发数量为当前优化目标的中断模型的目标函数作为当前的适应度函数，计算种群中染色体的适应度函数值；

可理解的是，可以将适应度函数fitness＝Z*Count+(1-Z)*Time，其中Z为介于0和1之间的变量。当Z＝1时，中断模型以最大化强制性任务信息的分发数量为当前优化目标；当Z＝0时，中断模型以最小化分发强制性任务信息的总完成时间为优化目标。在S3中，Z＝1。Count为任务池中强制性任务信息的总数量，Time为完成分发传递强制性任务信息的总时间之和。

S32、采用轮盘赌选择法从父代群体中选择中适应度函数值最高的预设数量的染色体遗传到子代群体中；

可理解的是，所谓的轮盘赌选择法的基本思想是：各染色体被选中的概率与其适应度函数值大小成正比。根据适应度函数计算出染色体的适应度函数值fitness，计算染色体个体在种群的个体的适应度总和所占的比例relativefitness＝fitness./sum(fitness)，即为被选中遗传至下一代的概率，比值越大，则被选择遗传至下一代的概率就越大。

S33、对种群中的染色体进行两两单点交叉操作；

可理解的是，采用单点交叉方式,即随机产生一个交叉点，依次将种群中相邻两个染色体位于该点后的部分进行相互交换，生成两个新的染色体

S34、对交叉操作得到的染色体进行重置变异处理；

S35、对重置变异处理得到的染色体进行第一更新操作，具体为将子代群体中适应度最低的第一预设数量的染色体和子代群体中适应度最低的第二预设数量的染色体组合，形成新的种群；

举例来说，对变异后的子代群体按适应度值的升序进行排列，取出前SonNum个染色体，对父代群体按适应度值的降序进行排列，取出后FatherNum个染色体，组成新的种群。

S36、将所述新的种群对应的解作为所述第一方案。

这里，通过对染色体进行选择、交叉、变异等操作，将得到的染色体作为第一方案。

在具体实施时，在S35之前，还可以对重置变异处理后的染色体上基因对应的分发与传递属性是否满足所述预设约束条件；

若是，则执行所述第一更新操作；

否则，对重置变异处理后染色体的适应度函数值进行调整后执行所述第一更新操作。

考虑到待分发信息需要满足通信网络拓扑的带宽、时延、时间窗和信息源等约束，因此这里还对染色体进行约束校验。对于未能通过约束校验的染色体，在其适应度函数值上按需增加或减去惩罚因子，使其适应度函数值变小或变大，在选择操作中以去除不满足给定约束的染色体。

在具体实施时，S34中对交叉操作得到的染色体进行重置变异处理的过程可以包括：

S341、生成一个介于0和1之间的随机数，若所述随机数小于预设的变异概率，则根据所述初始解的生成方法生成一条染色体Newchrom；

其中，预设的变异概率在0和1之间。

S342、在子代群体中随机选择一条染色体，并用根据所述初始解的生成的染色体Newchrom替代随机选择的染色体，其他染色体保持不变。

在具体实施时，上述S5中采用第二遗传算法对当前的中断模型进行求解可以包括多个迭代过程，直至迭代次数达到预设次数，将最终的种群对应的解作为所述第二方案；其中，每一个迭代过程包括：

S51、将以最小化分发强制性任务信息的总完成时间为当前优化目标的中断模型的目标函数作为当前的适应度函数，计算种群中染色体的适应度函数值；

可理解的是，在S5中，Z＝0。

S52、采用轮盘赌选择法从父代群体中选择中适应度函数值最高的预设数量的染色体遗传到子代群体中；

S53、对种群中的染色体进行两两单点交叉操作；

S54、对交叉操作得到的染色体进行删除转发节点变异处理；

S55、对删除转发节点变异处理得到的染色体进行第二更新操作，具体为将子代群体中适应度最高的第一预设数量的染色体和子代群体中适应度最高的第二预设数量的染色体组合，形成新的种群。

举例来说，对变异后的子代群体按适应度值的降序进行排列，取出前SonNum个染色体，对父代群体按适应度值的升序进行排列，取出后FatherNum个染色体，组成新的种群。

这里，通过对染色体进行选择、交叉、变异等操作，将得到的染色体作为第二方案。

其中，S54中对交叉操作得到的染色体进行删除转发节点变异处理可以包括：生成一个介于0和1之间的随机数，若所述随机数小于预设的变异概率，则随机选择染色体中的一个基因，并将随机选择的基因对应的强制性任务信息的转发节点置为-1，并将强制性任务信息到达各个转发节点的时刻置为-1。

在具体实施时，在所述对删除转发节点变异处理得到的染色体进行第二更新操作之前，所述方法还可以包括：

对删除转发节点变异处理后的染色体上基因对应的分发与传递属性是否满足所述预设约束条件；

若是，则执行所述第二更新操作；

否则，对删除转发节点变异处理后的染色体的适应度函数值进行调整后执行所述第二更新操作。

这里，判断删除转发节点变异处理后的染色体上基因对应的分发与传递属性是否满足所述预设约束条件，实际上是一种约束校验，以保证染色体对应的方案满足预设约束条件。

综上所述，本发明提供的考虑人工干预的无人-有人机编队信息分发处理方法，可以对强制性任务信息进行合理的安排，尽量在对强制性任务信息的分发与传递数量最大化的基础上实现分发与传递的时间最小化，避免对无人机和有人机的协同作业造成延误。

最后应说明的是：以上各实施例仅用以说明本发明的实施例的技术方案，而非对其限制；尽管参照前述各实施例对本发明的实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明的实施例各实施例技术方案的范围。

Claims (9)

1.一种考虑人工干预的无人-有人机编队信息分发处理方法，其特征在于，包括：

在无人-有人机编队中的任务池接收到的待分发信息为强制性任务信息时，调用预先建立的中断模型；

采用编码方法对各个强制性任务信息的分发与传递属性初始化，得到初始解；

将所述中断模型的当前优化目标设置为在预设约束条件下最大化强制性任务信息的分发数量；并基于所述初始解，采用第一遗传算法对当前的中断模型进行求解，得到对强制性任务信息分发与传递的第一方案；

判断所述第一方案中强制性任务信息的分发数量是否等于所述任务池中强制性任务信息的总数量；

若是，则将中断模型的当前优化目标设置为在所述预设约束条件下最小化分发强制性任务信息的总完成时间，采用第二遗传算法对当前的中断模型进行求解，得到对强制性任务信息分发与传递的第二方案；

按照所述第二方案对任务池中的强制性任务信息进行分发与传递；

其中，所述采用编码方法对各个强制性任务信息的分发与传递属性初始化，得到初始解，包括：

采用编码方法将所述中断模型的解编码为染色体，所述染色体上包括与任务池中待分发的强制性任务信息一一对应的基因；

将染色体上每个基因的第一标识置为1，置为1的第一标识表征该基因对应的强制性任务信息为可被分发与传递；

获取各个强制性任务信息的宿节点，并针对每一个强制性任务信息随机生成一个与其宿节点不同的源节点；

判断各个强制性任务信息是否需要转发；对于需要转发的强制性任务信息，随机生成多个不同的转发节点，形成转发路径；对于不需要转发的强制性任务信息，将其转发节点置为-1；

读取各个强制性任务信息的时间窗；对于每一个强制性任务信息，在所述时间窗内随机生成一个时刻点，并将该时刻点作为该强制性任务信息到达所述宿节点的时刻；对于需要转发的强制性任务信息，根据转发路径推算出强制性任务信息到达各个转发节点的时刻以及从源节点发出的时刻；对于不需要转发的强制性任务信息，推算出强制性任务信息从源节点发出的时刻，并将各个转发节点的转发时刻置为-1；

将每个强制性任务信息的第一标识、源节点、转发节点、宿节点、从源节点发出的时刻、到达各个转发节点的时刻以及到达所述宿节点的时刻作为该强制性任务信息的分发与传递属性，各个强制性任务信息的分发与传递属性形成初始解。

2.根据权利要求1所述的方法，其特征在于，

循环执行采用第一遗传算法对当前的中断模型进行求解、判断所述第一方案中强制性任务信息的分发数量是否等于所述任务池中强制性任务信息的总数量的操作以及判断循环次数是否达到预设次数的操作，直至求解操作后的第一方案中强制性任务信息的分发数量等于所述任务池中强制性任务信息的总数量或者循环次数达到预设次数；

若循环次数达到所述预设次数，则按照最后一次求解操作后的第一方案对任务池中的强制性任务信息进行分发与传递。

3.根据权利要求1所述的方法，其特征在于，所述采用第一遗传算法对当前的中断模型进行求解，包括：

将以最大化强制性任务信息的分发数量为当前优化目标的中断模型的目标函数作为当前的适应度函数，计算种群中染色体的适应度函数值；

采用轮盘赌选择法从父代群体选择适应度函数值最高的预设数量的染色体遗传到子代群体中；

对种群中的染色体进行两两单点交叉操作；

对交叉操作得到的染色体进行重置变异处理；

对重置变异处理得到的染色体进行第一更新操作，具体为将子代群体中适应度最低的第一预设数量的染色体和子代群体中适应度最低的第二预设数量的染色体组合，形成新的种群；

将所述新的种群对应的解作为所述第一方案。

4.根据权利要求3所述的方法，其特征在于，

在所述对重置变异处理得到的染色体进行第一更新操作之前，所述方法还包括：对重置变异处理后的染色体上基因对应的分发与传递属性是否满足所述预设约束条件进行判断；若是，则执行所述第一更新操作；否则，对重置变异处理后染色体的适应度函数值进行调整后执行所述第一更新操作；

和/或，所述对交叉操作得到的染色体进行重置变异处理，包括：生成一个介于0和1之间的随机数，若所述随机数小于预设的变异概率，则根据所述初始解的生成方法生成一条染色体；在子代群体中随机选择一条染色体，并用根据所述初始解的生成的染色体替代随机选择的染色体，其他染色体保持不变。

5.根据权利要求1所述的方法，其特征在于，所述采用第二遗传算法对当前的中断模型进行求解，包括多个迭代过程，直至迭代次数达到预设次数，将最终的种群对应的解作为所述第二方案；

其中，每一个迭代过程包括：

将以最小化分发强制性任务信息的总完成时间为当前优化目标的中断模型的目标函数作为当前的适应度函数，计算种群中染色体的适应度函数值；

采用轮盘赌选择法从父代群体选择适应度函数值最高的预设数量的染色体遗传到子代群体中；

对种群中的染色体进行两两单点交叉操作；

对交叉操作得到的染色体进行删除转发节点变异处理；

对删除转发节点变异处理得到的染色体进行第二更新操作，具体为将子代群体中适应度最高的第一预设数量的染色体和子代群体中适应度最高的第二预设数量的染色体组合，形成新的种群。

6.根据权利要求5所述的方法，其特征在于，

所述对交叉操作得到的染色体进行删除转发节点变异处理，包括：生成一个介于0和1之间的随机数，若所述随机数小于预设的变异概率，则随机选择染色体中的一个基因，并将随机选择的基因对应的强制性任务信息的转发节点置为-1，并将强制性任务信息到达各个转发节点的时刻置为-1；

和/或，在所述对删除转发节点变异处理得到的染色体进行第二更新操作之前，所述方法还包括：对删除转发节点变异处理后的染色体上基因对应的分发与传递属性是否满足所述预设约束条件进行判断；若是，则执行所述第二更新操作；否则，对删除转发节点变异处理后的染色体的适应度函数值进行调整后执行所述第二更新操作。

7.根据权利要求1～6任一所述的方法，其特征在于，所述中断模型以在预设约束条件下最大化强制性任务信息的分发数量为当前优化目标的目标函数为：

式中，F1为强制性任务信息的分发数量；t表示任意一个待分发信息，T^a表示强制性任务信息；决策变量

取1或0，取1表示待分发信息t从节点i发送到节点j，取0表示待分发信息t不从节点i发送到节点j。

8.根据权利要求1～6任一所述的方法，其特征在于，所述中断模型以在所述预设约束条件下最小化分发强制性任务信息的总完成时间为当前优化目标的目标函数为：

式中，F2为分发强制性任务信息的总完成时间；t表示任意一个待分发信息，T^a表示强制性任务信息；决策变量

取1或0，取1表示待分发信息t从节点i发送到节点j，取0表示待分发信息t不从节点i发送到节点j；V＝{1,2,…,m}表示通信网络拓扑中节点集合，m表示通信网络拓扑总节点数；

表示待分发信息t从节点i传递到节点j发生的传输时延；

表示待分发信息t从节点i传递到节点j发生的传播时延；N^a为任务池中强制性任务信息的数量。

9.根据权利要求1～6任一所述的方法，其特征在于，所述预设约束条件包括：

ET_t≤l_t,t∈T^a

ET_t≥e_t,t∈T^a

ET_t-ST_t≤D,t∈T^a

式中，ET_t表示待分发信息t实际到达信息宿的时刻；ST_t表示待分发信息t从信息源实际开始分发时刻；V＝{1,2,…,m}表示通信网络拓扑中节点集合，m表示通信网络拓扑总节点数；

表示待分发信息t从节点i传递到节点j发生的传输时延；

表示待分发信息t从节点i传递到节点j发生的传播时延；T^a表示强制性任务信息；l_t表示待分发信息t最迟到达信息宿的时间；e_t表示待分发信息t最早信息宿到达时间；D表示通信网络拓扑中可接受的最大时延；TW_t表示待分发信息t所需要的带宽；NW_ij表示通信网络拓扑中有向边<i,j>所能承受的最大带宽；B_v表示节点v所能提供的最大数据量，v表示通信网络拓扑中的任一节点,v∈V；决策变量

取1或0，其中，取1表示待分发信息t从节点i发送到节点j，取0表示待分发信息t不从节点i发送到节点j。

Images