文献类型：期刊文章

作　　者：黄刚[1] 李军华[1]

HUANG Gang;LI Jun-Hua(Key Laboratory of Jiangxi Province for Image Processing and Pattern Recognition,Nanchang Hangkong University,Nanchang 330063)

机构地区：[1]南昌航空大学江西省图像处理与模式识别重点实验室,南昌330063

出　　处：《自动化学报》

基　　金：国家自然科学基金(61440049,61866025,61866026);江西省自然科学基金(20181BAB202025);江西省优势科技创新团队计划(20181BCB24008);江西省研究生创新基金(YC2018-S369)资助。

年　　份：2021

卷　　号：47

期　　号：1

起止页码：173-184

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：多无人机协同目标分配最优问题(Multi-UAV cooperative target allocation optimal problem,MUCTAOP),旨在求解组合分配问题的最小代价值,是最具有挑战性的多约束组合优化问题之一.结合进化算法解决MUCTAOP需要考虑两个关键因素:1)在进化过程中保持覆盖问题空间的“探索性”和“开发性”平衡;2)建立符合实际战场复杂环境的多约束条件.为解决这两个关键因素,本文提出一种新的近似聚类混合双策略差分进化算法(Approximate clustering dualstrategy differential evolution algorithm,AC-DSDE).首先,根据父代种群适应度值将个体分成“探索类个体”与“开发类个体”;然后根据混合双策略变异方案平衡后代多样性与收敛性;最后,结合无人机自身性能约束、协同约束和实际三维复杂环境构建约束函数.实验结果表明,本文所提出的AC-DSDE算法能够快速地找到合理的分配方案.

关 键 词：AC-DSDE  混合双策略  差分进化算法 多无人机协同目标分配最优问题  

分 类 号：V279] TP18]