【路径规划】考虑分配次序的多无人机协同目标分配建模与遗传算法求解

分配次序的多无人机协同目标分配建模与遗传算法求解"/>

【路径规划】考虑分配次序的多无人机协同目标分配建模与遗传算法求解

       首先通过分析UAV分配次序对打击任务总收益的影响, 设计了动态战场环境的更新规则. 将航程代价和任务代价作为惩罚项修正目标函数, 建立了考虑分配次序的UAVs协同目标分配优化模型. 然后针对模型的物理意义改进了遗传算法基因编码方式, 设计了MUCTA遗传算法. 该算法利用状态转移思想, 引进SDR算子获得多种分配次序种群, 同时以单行变异算子修正UAV与目标对应关系, 并采用最优个体法和轮盘赌法筛选子代个体.

``` %本实验目的是验证改进的DE离散目标分配算法的有效性 %实验设置：各种环境，调用目标分配的算法 %目标分配实验的输入:代价矩阵 %利用代价矩阵和映射方法，在离散和连续空间转换 %目标分配实验的输出:有效的基因染色体表示 %比较实验： %1、可行性分析，三种模型 %2、进化策略对比分析，证明采用双策略的有效性 %3、大数据分析 %4、与其他方法的比较 % 本文只用到了AssignType =2;情形，即UAV数量大于TARGET数量 %使用了改动的遗传算法 %相比较源程序，较大改动部分为：对象执行区(GetFit1和Getfit2两个函数)，和差分进化区(全部改动)，其他部分有少量改动，我不记得了。很多部分直接删改，可能注释没有对应的上，强烈建议对比源代码学习观看 %本人编程能力较差，编写格式不规范，很多地方注释不足以及随心所欲各种直接删改，不同实验直接改数据，以及出现的重复，各种FOR循环嵌套等等，我自己都觉得乱七八糟。再次强烈建议对比源代码 %建议只使用该代码框架(即阅读源代码即可，本代码可适当看一下就行，估计很费劲)，自行删改其中内容，写自己的文章，但注意源代码自行备份，自己的代码尽量多注释以及写实验说明，方便后来的师弟或师妹。

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%清空环境 clear;

%定义地形对象 cTerrain = CTerrain3D; %定义威胁区对象 cTread = CTread;

%调整为统一的图形环境 figure('Renderer','opengl');

%绘制地形和威胁区 cTerrain.draw(); cTread.draw();

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%数据形式说明 %xs 初始点位置集合，三维点集 %yt 目标点位置集合，三维点集 %MxsEna 能力矩阵，集合中的二元组表示最大最小飞行速度 %MxsDIs 最大航程矩阵，集合中的值表示UAV最大可飞的距离 %MytTOrd 任务点间的时序坐标，要求尽量在前面的先执行

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %调用目标分配算法 %AssignType表示不同的模型，1, N=M; 2, N>M; 3, N

%时间测试 Time = cputime;

%% 第一种情况的实验 if AssignType == 1 %%%%%%%%%%%%%%%%%%%%%%%数据区%%%%%%%%%%%% xs = [%11 2 3;2 17 5; 34 26 7;5 2 2;6 33 3;27 34 6;21 45 5;25 12 3;22 17 11;13 31 12; %45 21 11; 36 22 11;13 21 16;41 25 10;25 25 11;53 12 14;22 12 12;18 32 11; 67 34 12;26 16 15; 78 20 15;93 31 12;31 20 13;112 32 15; 134 26 17;45 52 12;36 63 13;67 34 16;21 85 15;32 62 13;]; yt = [%40 210 12;170 90 13 ; 80 197 21 ;172 120 13;160 56 13;160 143 21;170 200 21;113 200 12;97 134 16;100 145 11; %81 101 21; 72 152 12; 133 60 11;84 164 21; 150 90 21;146 121 12; 167 54 12; 108 165 12;99 120 21;110 143 11; 70 181 12;15 133 13 ; 19 151 12 ;160 192 13;101 120 23;160 113 12;82 101 11;173 140 12;182 65 14; 128 156 12;];

MxsEna=[%0.2 0.3; 0.2 0.4;0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3; 0.2 0.4;% 0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3; 0.2 0.4;0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.3 0.5;0.3 0.6;];MxsDis=[%400 700 650 500 700 900 450 610 400 700%650 500 700 900 450 610 700 900 450 610500 700 300 350 700 900 450 610 450 610];ytW = [%1 3 4 2 1 1 3 2 1 2%3 2 1 3 2 1 2 3 2 1 1 1 1 1 1 1 1 1 1 1];MytTOrd=[3 4; 5 2; 6 8; 7 4;];%引入新的协同矩阵，最大起始时间矩阵Twait = [];Twindow=[];%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
if Key == 0%%%%%%%%%%%%%%%%%%%%%%算法执行区%%%%%%%%%%%%%%%%%%%调用目标分配算法，并取得解和相关数据,计算算法耗费时间%定义目标分配算法对象DDE1 = DMDEAssignTarget(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd,Twait,Twindow,1);% MC = Cal1.GetMcost();%Cal1 = CallocationTargetOld1(cTerrain);%标签显示文字xlabel('X/km')ylabel('Y/km')zlabel('Z/km')   %DDEAssign1=DDEAssignTarget1(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd);%执行run并返回结果集t1 = cputime;[solU solT solC solF ] = DDE1.run();Time = cputime -t1;

% %结果 solU solT solC solF Time

else if Key == 1for i=1:10DDE1 = DMDEAssignTarget(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd,Twait,Twindow,i);% MC = Cal1.GetMcost();%Cal1 = CallocationTargetOld1(cTerrain);%标签显示文字xlabel('X/km')ylabel('Y/km')zlabel('Z/km')   %DDEAssign1=DDEAssignTarget1(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd);%执行run并返回结果集t1 = cputime;[solU solT solC solF ] = DDE1.run();solu(i,:) = solU;solt(i,:) = solT;solc(i,:) = solC;solf(i,:) = solF;Time(i,:) = cputime -t1;end %i

% %结果 solu solt solc solf Time

end % key=1
end % key=0

else if AssignType == 2 %% 第二种实验的情况 %%%%%%%%%%%%%%%%%%%%%%%数据区%%%%%%%%%%%% xs = [%11 2 3;2 17 5; 34 26 7;5 2 2;6 33 3;27 34 6;21 45 5;25 12 3;22 17 11;13 31 12; %45 21 11; 36 22 11;13 21 16;41 25 10;25 25 11;53 12 14;22 12 12;18 32 11; 67 34 12;26 16 15; 78 40 15;93 31 12;31 25 13;112 32 15; 134 26 17;45 52 12;36 55 13;67 34 16;21 45 15;160 30 13;]; yt = [%40 210 12;170 90 13 ; 80 197 21 ;172 120 13;160 56 13;160 143 21;170 200 21;113 200 12;97 134 16;100 145 11; %81 101 21; 72 152 12; 133 60 11;84 164 21; 150 90 21;146 121 12; 167 54 12; 108 165 12;99 120 21;110 143 11; 70 151 12;40 155 13 ; 19 151 12 ;150 140 13 ];

MxsEna=[%0.2 0.3; 0.2 0.4;0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3; 0.2 0.4;% 0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3; 0.2 0.4;0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.3 0.5;0.3 0.6;];MxsDis=[%400 700 650 500 700 900 450 610 400 700%650 500 700 900 450 610 700 900 450 610500 700 300 350 700 900 450 610 450 610];ytW = [%1 3 4 2 1 1 3 2 1 2%3 2 1 3 2 1 2 3 2 1 1 1 1 1];%这个数据里都代表的是目标点，是目标点与目标点的关系MytTOrd=[3 2];%引入新的协同矩阵，最大起始时间矩阵Twait = [30 40 20 15 50 70 30 80 90 65];Twindow=[];%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%if Key == 0%%%%%%%%%%%%%%%%%%%%%%算法执行区%%%%%%%%%%%%%%%%%%%调用目标分配算法，并取得解和相关数据,计算算法耗费时间%定义目标分配算法对象DDE1 = DMDEAssignTarget(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd,Twait,Twindow,1);% MC = Cal1.GetMcost();%Cal1 = CallocationTargetOld1(cTerrain);%标签显示文字xlabel('X/km')ylabel('Y/km')zlabel('Z/km')   %DDEAssign1=DDEAssignTarget1(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd);%执行run并返回结果集[solU solT solC solF   cpop ]  = DDE1.run();Time

cpop; % %结果 solU solT solC solF Time

else if Key == 1Time2=0;cpop3=0;for i=1:20DDE1 = DMDEAssignTarget(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd,Twait,Twindow,i);% MC = Cal1.GetMcost();%Cal1 = CallocationTargetOld1(cTerrain);%标签显示文字xlabel('X/km')ylabel('Y/km')zlabel('Z/km')   %DDEAssign1=DDEAssignTarget1(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd);%执行run并返回结果集t1 = cputime;[solU solT solC solF  cpop ] = DDE1.run();solu(i,:) = solU;solt(i,:) = solT;solc(i,:) = solC;solf(i,:) = solF;Time(i,:) = cputime -t1;

% genX(i,:)=cpop(:,2); cpop2(:,i)=cpop(:,2);

Time(i)end %i

% %结果

% figure(3); % grid on;
% hold on; % plot(genX(1:length(genX),1)',genX(1:length(genX),2)','linewidth',2); % solu % solt % solc % solf Time=Time2/20; cpop=cpop2/20; end % key=1 end % key=0

else if AssignType == 3%% 第三种实验的情况%%%%%%%%%%%%%%%%%%%%%%%数据区%%%%%%%%%%%%xs = [%11 2 3;2 17 5; 34 26 7;5 2 2;6 33 3;27 34 6;21 45 5;25 12 3;22 17 11;13 31 12;%45 21 11; 36 22 11;13 21 16;41 25 10;25 25 11;53 12 14;22 12 12;18 32 11; 67 34 12;26 16 15;78 20 15;93 31 12;31 20 13;112 32 15];yt = [%40 210 12;170 90 13 ; 80 197 21 ;172 120 13;160 56 13;160 143 21;170 200 21;113 200 12;97 134 16;100 145 11;%81 101 21; 72 152 12; 133 60 11;84 164 21; 150 90 21;146 121 12; 167 54 12; 108 165 12;99 120 21;110 143 11;70 131 12;15 125 13 ; 19 151 12 ;142 120 13;120 100 23;160 90 12;82 101 11;173 140 12;160 160 14; 45 155 12;];    MxsEna=[%0.2 0.3; 0.2 0.4;0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3; 0.2 0.4;% 0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.5; 0.3 0.4;0.4 0.75;0.3 0.45];MxsDis=[%400 700 650 500 700 900 450 610 400 700%650 500 700 900 450 610 700 900 450 610700 700 900 650];ytW = [%1 3 4 2 1 1 3 2 1 2%3 2 1 3 2 1 2 3 2 1 1 1 1 1 1 1 1 1 1 1];MytTOrd=[3 4; 5 2];%引入新的协同矩阵，最大起始时间矩阵Twait = [30 40 20 15];Twindow=[1300,6000];%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%if Key == 0%%%%%%%%%%%%%%%%%%%%%%算法执行区%%%%%%%%%%%%%%%%%%%调用目标分配算法，并取得解和相关数据,计算算法耗费时间%定义目标分配算法对象DDE1 = DMDEAssignTarget(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd,Twait,Twindow,1);% MC = Cal1.GetMcost();%Cal1 = CallocationTargetOld1(cTerrain);%标签显示文字xlabel('X/km')ylabel('Y/km')zlabel('Z/km')   %DDEAssign1=DDEAssignTarget1(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd);%执行run并返回结果集t1 = cputime;[solU solT solC solF]  = DDE1.run();Time = cputime -t1;

% %结果 solU solT solC solF Time

else if Key == 1for i=1:20DDE1 = DMDEAssignTarget(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd,Twait,Twindow,i);% MC = Cal1.GetMcost();%Cal1 = CallocationTargetOld1(cTerrain);%标签显示文字xlabel('X/km')ylabel('Y/km')zlabel('Z/km')   %DDEAssign1=DDEAssignTarget1(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd);%执行run并返回结果集t1 = cputime;[solU solT solC solF ] = DDE1.run();solu(i,:) = solU;solt(i,:) = solT;solc(i,:) = solC;solf(i,:) = solF;Time(i,:) = cputime -t1;end %i

% %结果 solu solt solc solf Time end % key=1 end % key=0

end % type =3end % type =2

end % type=1

```

​

​