一种基于联盟优化的异构无人机集群分簇方法
本发明涉及一种基于联盟优化的异构无人机集群分簇方法，属于多无人机集群分布式优化算法。
背景技术：
1、随着无人机技术的飞速发展，无人机在军事侦察、地理测绘、灾害救援等领域的应用变得日益广泛。在这些应用中，通常需要多架不同机型的无人机形成一个异构集群以协同完成复杂任务。在这种异构无人机集群中，有效的网络管理与优化对于提高任务执行效率和保障系统的稳定运行至关重要。
2、现有技术中，异构无人机集群的分簇管理和优化主要依赖于传统的简单的集群算法。这些方法在小规模或低复杂性的任务中效果尚可，但在大规模和高复杂性的任务环境中，面临着诸多挑战。例如，传统的联盟划分算法只面向单一任务需求，难以解决异构集群中作战任务多、个体差异大的难题；且算法往往无法有效应对无人机位置的动态变化，如速度、方向和任务要求的改变，这可能导致集群通信效率低下和任务执行的不稳定。此外，现有技术在簇头选举和分簇维护策略方面通常缺乏灵活性和适应性，难以满足多变的任务需求和环境条件。
3、因此亟需开发一种新型的异构无人机集群分簇优化方法，以提高在复杂战场环境下无人机集群的通信效率和任务执行稳定性。
技术实现思路
1、本发明旨在提供一种基于联盟优化的异构无人机集群分簇方法，用于异构无人机集群中的任务分配和通信优化。该方法通过智能化的无人机联盟组织和动态管理，旨在提高异构无人机集群在执行任务时的效率和通信链路的稳定性，特别适用于需要高度协同作业的复杂环境。
2、本发明的核心是提出一种基于联盟优化的异构无人机集群分簇方法。该方法分簇前从动态一致性和空间关联度角度加入预分簇步骤，提升了分簇的效率和准确度，降低分簇成本。进一步，重点考虑通信链路及任务分配，通过引入联盟优化博弈理论，优化簇内成员的合作策略，提高异构飞行器集群的运行效率和作战能力。最后，引入了一种动态簇头选举机制，针对实时飞行情况进行簇群维护，实现分簇集群的鲁棒性与稳定性。
3、本发明设计了一种适用于多无人机协同的网络架构。在该架构中，无人机被分为不同的簇，每个簇由一个簇头领导，负责协调簇内成员的飞行和任务执行。
4、实现步骤：
5、s1.构建包含m个任务组的n架异构无人机部署在特定任务区域的飞行场景；
6、s2.根据无人机的动态一致性和空间关联度，进行异构无人机集群的预分簇处理，初步划分联盟；
7、s3.设计基于通信链路稳定性与任务适配度的目标函数，并建立分簇优化问题模型；
8、s4基于出簇入簇操作，求解异构无人机集群分簇优化模型，完成对无人机集群的最优联盟划分；
9、s5.在划分的每个联盟中，考虑剩余能量、初始能量、节点度指标、任务种类等因素，构建无人机簇头选取指标体系，以确保选取的簇头具有最佳的任务性能和领导能力；
10、s6.根据簇头选取指标，实施选举过程，为每个联盟选择最佳簇头，以确保每个联盟内部异构无人机的有效协调和领导；
11、s7.根据飞行情况对无人机簇进行维护和更新。
12、进一步，步骤s2中，所述预分簇处理包括以下步骤：
13、循环j＝1,…,n：
14、s201.将无人机j与它的所有邻居划分为一个联盟；
15、s202.计算联盟中无人机j与其所有邻居的动态一致性指数δj，并判断其是否大于动态阈值δmax；
16、s203.当动态一致性指数δj大于动态阈值δmax时，从联盟中移除与无人机j速度差最大的邻居无人机i并执行s202，否则执行s204；
17、s204.计算联盟中无人机j与其所有邻居的空间关联度指数σj，并判断其是否大于空间阈值σmax；
18、s205.当空间关联度指数σj大于空间阈值σmax时，从联盟中移除与无人机j距离最大的邻居无人机l并执行s204，否则执行s206；
19、s206.判断联盟中成员无人机数是否大于最大允许无人机个数nmax，当联盟中成员无人机数大于nmax时,舍弃与无人机j速度差与距离之和最大的无人机；
20、s401.循环k＝1,…,k，根据预分簇结果，计算簇k循环前初始目标函数值，循环无人机出簇入簇操作；
21、s402.令循环内初始目标函数值为循环前初始目标函数，将第k个簇中的无人机j移动到其他簇，计算当前目标函数值，并与循环内初始目标函数值比较；
22、s403.如果当前目标函数值大于循环内初始目标函数值，则保留移动操作，并更新循环内初始目标函数值为当前目标函数值，否则撤销该移动；
23、s404.重复执行步骤s402和s403，遍历每个簇循环k＝1,…,k结束，返回循环内初始目标函数值；
24、s405.比较循环内初始目标函数值与循环前初始目标函数值：如果循环内初始目标函数值大于循环前初始目标函数值，则更新循环前初始目标函数值为循环内初始目标函数值，重复执行s402-s404，否则执行s406；
25、s406.完成异构无人机群最优联盟划分。
26、进一步，步骤s6中，无人机簇头选取具体步骤如下：
27、s601.根据s4中返回的分簇优化结果，计算每个簇内各无人机的簇头选取指标wi；
28、s602.遍历簇内所有无人机对，比较它们的簇头选取指标大小，找出簇内簇头选取指标最大的无人机；
29、s603.将簇头选取指标最大的无人机标记为簇头，完成簇头选取。
30、进一步，步骤s7中，无人机簇的维护与更新方式如下：
31、在飞行场景下所有的无人机都在不断飞行，随着时间的推进，每架无人机的簇头选取指标都在不断变化，那么为了让簇头始终作为簇内簇头选取指标最高的无人机，要求采用周期性维护机制对无人机簇进行维护与更新。
32、相对于现有技术，本发明的优点如下：
33、(1)本发明通过在分簇操作前加入预分簇步骤，有效降低异构飞行器集群分簇成本，为后续集群分簇优化奠定基础，保障集群联盟划分的高效率与高精度。
34、(2)本发明面向复杂作战任务场景，在分簇时全面考虑任务种类及其他复合相关性指标，如任务的紧急程度、资源消耗等，实现异构无人集群的合理分簇。
35、(3)本发明利用构建的分簇优化模型，采用联盟博弈算法有效解决异构无人机集群中的联盟划分问题，提高集群分簇效率，并通过无人机的分簇协同实现集群作战效益的最大化。
36、(4)本发明建立的无人机簇头选取指标体系，不仅能高效地选取簇头，还能通过簇头的维护与更新，保持联盟划分的稳定性与合理性，确保了无人机集群能够在动态变化的环境中保持最佳的运行状态和协同效果。
技术特征：
1.一种基于联盟优化的异构无人机集群分簇方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于联盟优化的异构无人机集群分簇方法，其特征在于，在步骤s1中，首先确保所有无人机始终保持在指定的飞行区域内，具体如下，当无人机接近飞行区域的边界时，将根据镜面反射原理调整其飞行方向，此外，该无人机集群包括n架异构无人机，这些无人机需要完成m种不同的任务，每架无人机将根据其具体型号和装备的荷载来执行专门分配给它的一种作战任务。
3.根据权利要求1所述的基于联盟优化的异构无人机集群分簇方法，其特征在于，步骤s2中，所述预分簇处理包括以下步骤：
4.根据权利要求3所述的基于联盟优化的异构无人机集群分簇方法，其特征在于，步骤s202中，动态一致性指数δj计算公式如下：
5.根据权利要求3所述的基于联盟优化的异构无人机集群分簇方法，其特征在于，步骤s202中，空间关联度指数计算公式如下：
6.根据权利要求1所述的方法，其特征在于，步骤s3中，目标函数计算公式如下：
7.根据权利要求1所述的基于联盟优化的异构无人机集群分簇方法，其特征在于，步骤s4中，簇优化方法具体包括以下步骤：
8.根据权利要求1所述的方法，其特征在于，步骤s5中，第k个簇中无人机i的簇头选取指标wi计算公式为：
9.根据权利要求8所述的基于联盟优化的异构无人机集群分簇方法，其特征在于，所述簇头选取指标中考虑了剩余能量、初始能量、节点度、任务种类因素，各簇头选取指标计算公式如下：
10.根据权利要求1所述的基于联盟优化的异构无人机集群分簇方法，其特征在于，步骤s6中，无人机簇头选取具体步骤如下：
技术总结
本发明公开了一种基于联盟优化的异构无人机集群分簇方法，用于在飞行场景中，有效地管理和优化部署在任务区域的N架异构无人机。该方法如下：S1.构建包含M个任务组的N架异构无人机。S2.对无人机集群网络无人机进行预分簇，初步划分联盟。S3.设计基于通信链路稳定性与任务适配度的目标函数，建立分簇优化问题模型。S4.通过基于出簇入簇操作求解异构无人机群分簇优化模型。S5.构建无人机簇头选取指标体系，以确保选取的簇头具有最佳的任务性能和领导能力。S6.根据簇头选取指标，实施选举过程。S7.根据飞行情况对无人机联盟进行维护更新。该分簇方法通过引入联盟优化博弈，使得异构无人机集群在任务区域内紧密合作，更加智能、高效地执行各项任务。
技术研发人员：温广辉,张云飞,戴幸运,房肖,赵丹
受保护的技术使用者：东南大学
技术研发日：
技术公布日：2024/9/23