CN113836803B 基于改进狼群算法的无人机群资源调度方法 （南京航空航天大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN113836803B(45)授权公告日2025.07.08

(21)申请号202111068940.0

(22)申请日2021.09.13

(65)同一申请的已公布的文献号申请公布号CN113836803A

(43)申请公布日2021.12.24

(73)专利权人南京航空航天大学

地址210016江苏省南京市秦淮区御道街

29号

GO6N3/006(2023.01)

GO6F111/06(2020.01)

(56)对比文件

CN112284188A,2021.01.29

ZENGXiu等.ImprovedWolfPack

AlgorithmbasedonTentChaoticMappingandLevyFlight.《2017International

ConferenceonRobotsIntelligent

System》.2017,第165段左栏最后一段、第II节.

(72)发明人陈谋吴诗平邵书义周同乐审查员王炜晨朱荣刚聂志强贺建良

(74)专利代理机构南京经纬专利商标代理有限公司32200

专利代理师施昊

(51)Int.CI.

GO6F30/27(2020.01)权利要求书4页说明书9页附图2页

(54)发明名称

基于改进狼群算法的无人机群资源调度方法

(57)摘要

本发明公开了基于改进狼群算法的无人机群资源调度方法，首先建立无人机群资源调度数学模型，然后从混沌映射初始化狼群、用动态莱维随机运动模拟探狼游走步长、设计动态距离判定因子和自适应奔跑步长、用布朗运动来模拟狼群围攻行为以及设计基于差异度的狼群更新机制这些方面来改进算法，最后利用改进狼群算法优化求解无人机资源调度模型，得出最优无人机群资源调度方案。本发明解决了无人机群资源调度过程中存在的算法求解速度慢、容易得到局部优化解以及无人机群资源得不到充分利用的问

CN

CN113836803B

计期路热场

第

MFRa

CN113836803B权利要求书1/4页

2

1.基于改进狼群算法的无人机群资源调度方法，其特征在于，包括以下步骤：

(1)根据空间态势以及性能来建立无人机群资源调度模型；

(2)改进狼群算法，并将其用于优化求解无人机群资源调度问题；所述改进的狼群优化算法包括混沌映射初始化狼群、利用动态莱维随机运动模拟探狼游走步长、设计动态距离判定因子和自适应奔跑步长、利用布朗运动来模拟狼群围攻行为以及设计基于差异度的狼群更新机制；

在步骤(1)中，首先根据空间态势和性能得到无人机对目标的综合优势A和目标对无人机的综合优势B;然后根据无人机对目标的综合优势A和目标对无人机的综合优势B,得到无人机对目标的收益和代价的表达式；最后以收益最小、代价最小为目标建立无人机群资源

调度模型；

所述无人机群资源调度模型如下：

其中，Z为目标函数；x;;={0,1},xi=1表示无人机i对抗目标j,x=0表示无人机i不打击目标j;W,,F?分别表示无人机i对抗目标j的收益系数和代价系数；Ji,J分别表示无人机和目标的价值；m,n分别表示参与调度的无人机和目标的数量；MaxNum;表示单架无人机能够同时对抗目标的最大数量；

收益系数W和代价系数F的表达式如下：

其中，sgn(x)为符号函数，0≤W≤1,0≤F≤1。

2.根据权利要求1所述基于改进狼群算法的无人机群资源调度方法，其特征在于，无人机对目标的综合优势A的表达式如下：

A=a?S?+a?S?

其中，α?,α?为各项指标权重系数且各系数之和为1,S?,S?分别表示无人机相对目标的空间态势优势和性能优势：

S?=@?t?+@?t?+@?t?+@4t4+①5t?

其中，t?,t?,t?,t4,t?依次表示无人机相对目标的角度优势、高度优势、速度优势、距离优势以及能量优势，@?,@?,@?,@4,@5依次表示各项指标的权重系数且各系数之和为1;

S?=η?c?+n?C?+n?C3+n?C4+n?C?+n?C?+n?C?

其中，c?,C?,C?,C?