本发明涉及面向多元任务需求的无人集群动态协同优化方法，具体涉及基于优先级模型、动态环境适应模型和无人机协同模型的无人集群动态优化方法，属于无人机集群协作。
背景技术：
1、近年来，无人机技术迅速发展并广泛应用于各类场景中，无人机集群因其在执行复杂任务中的高效性和灵活性，成为研究和应用的热点。无人机集群通过多架无人机协同作业，能够在救援、侦察、监测等任务中表现出色。然而，在实际应用中，面对多变的任务需求和复杂的环境条件，无人机集群的动态协同优化仍面临诸多挑战。当前，无人机集群需处理的任务种类繁多，包括紧急救援、环境监测、物流配送等，这些任务在需求、优先级和资源需求方面存在显著差异，要求无人机集群具有高度的灵活性和适应性。与此同时，任务环境可能随时变化，例如灾害现场的地形变化、气象条件的突变等，这些变化会影响无人机的通信、导航和执行效率，需要无人机集群能够实时感知环境并调整白身的策略。此外，无人机集群中的各个无人机在性能、载荷、续航时间等方面可能存在差异，如何有效地分配和协调这些异构资源，以最大化任务执行效果，是一项关键问题。
2、现有的无人机集群技术主要侧重于静态环境下的任务规划与执行,缺乏对动态变化环境的适应能力。此外，现有方法在处理无人机异构资源的协调与优化方面也存在不足,难以充分发挥集群的整体效能。
技术实现思路
1、本发明目的在于针对上述现有技术的缺陷和不足，提出了面向多元任务需求的无人集群动态协同优化方法，在复杂变化的环境中优化无人机的任务执行和资源配置，通过分析无人机的性能参数、载荷、任务需求与环境因素，建立了一个能够动态调整任务分配和资源配置的协同优化模型；此外，引入了任务优先级和环境变化考量，优化了模型以优先执行紧急和重要任务，并根据实际环境智能调整无人机选择和配置。本发明通过一个创新的选择模型，挑选携带互补资源的无人机组合，以提高任务执行效率和整体性能，最终，结合各个模型，建立了优化函数，以大幅提升无人机集群在多元任务环境下的协同效能和动态适应能力。
2、本发明为解决其技术问题所采用的技术方案是：面向多元任务需求的无人集群动态协同优化方法，所述该方法包括如下步骤：
3、步骤1：获取无人机执行任务的环境数据，包括无人机性能参数、无人机载荷、救援任务急需的资源以及环境因素，基于这些数据建立无人机集群动态协同优化模型；
4、步骤2：规定了任务的紧急性和重要程度，将整个救援任务场景划分为若干个优先级层次，基于这几个优先级层次对构建无人机集群动态协同优化模型的影响，来建立任务优先级分层影响模型；
5、步骤3：基于任务环境的动态性和无人机的异构性，提出一种考虑环境变化的动态无人机优化模型，根据实时环境数据，如通信条件，智能调整无人机选项，确保所选无人机的资源配置不仅满足任务需求，而且具备适应当前环境的能力；
6、步骤4：为了能够更好适配任务需求并确保协同操作的无人机优于单独作业，开发一个创新的选择模型，该模型专注于选择那些携带有互补协同资源以及具有互操作性的无人机组合，以优化任务执行和提升整体效果；
7、步骤5：基于上述步骤2、步骤3和步骤4提出的对无人机集群动态协同优化模型影响，综合各个子模型的目标函数，建立无人机集群动态协同优化模型的优化函数，并用粒子群算法求解模型最优解。
8、进一步地，所述步骤1包括：获取无人机数量n，表示为u＝{u1,u2,…,un}、任务数量为m，任务集合表示为t＝{t1,t2,…,tm}，bik表示无人机ui携带资源类型k的数量，rmk表示完成任务tm所需资源类型k的数量。
9、进一步地，所述步骤2中需要考虑不同层次优先级和相同层次优先级任务对无人机资源分配产生的影响，根据任务的紧急程度和重要性，将任务划分为多个优先级层次：高优先级任务(如人员搜救)、中优先级任务(如紧急物资配送)和低优先级任务(如基础设施检测)，分别对应h1,h2,h3，为了体现不同优先级任务对总体任务执行方案的影响，定义优先级权重函数fh(hh)来增加高优先级任务的权重：
10、
11、其中，γ＞1是一个决定优先级权重曲线陡峭程度的参数；
12、在分配无人机资源时，高优先级任务将获得更多的资源倾斜和更高的响应速度，这种分配机制通过以下优化模型来实现，目标函数定义为：
13、
14、其中，xim表示无人机ui是否被分配到任务m，如果被分配则xim＝1，否则xim＝0，这样，高优先级任务h1相较于中低优先级任务h2和h3将获得更高的权重，从而优先分配资源；
15、对于处于同一优先级层次的任务，资源分配将基于任务需求的具体特征和无人机的资源状况进行优化，这些任务在相同优先级层次上竞争资源，因此需要一个公平且高效的资源分配机制，假设同一优先级层次上的任务集合为th，定义每个任务t∈th的资源需求和无人机的资源分配状况如下：
16、资源需求函数：
17、
18、其中，rtk表示任务t对资源类型k的需求量，ωk为资源类型k的权重；
19、为了在同一优先级层次的任务之间实现更公平的分配，可以引入一个权重调整因子βt，使得每个任务的权重根据其具体需求和紧迫性进行微调：
20、
21、其中，davg表示该优先级层次上所有任务的平均资源需求，α为调整系数，因此同一优先级层次的资无人机资源分配优化模型可以表示为：
22、
23、将不同优先级层次和同一优先级层次的资源分配模型结合，优先级模型优化函数如下：
24、
25、进一步地，所述步骤3中基于动态环境下通信条件变化对无人机集群动态协同优化方法的影响，考虑到实际救援环境实时变化会对无人机的通信造成干扰，需要动态调整无人机的资源分配，以适配救援任务环境的动态变化。将环境变化问题进行建模，主要考虑电磁辐射干扰和气候条件这两个动态的环境因素对无人机通信造成影响，从而优化无人机集群动态协同优化模型；
26、设定环境干扰信号的功率为im(毫瓦)，无人机ui通信信号功率为smi(毫瓦),则信号对干扰比sir的计算公式为：
27、
28、这里，表示的是以分贝(db)为单位的无人机ui信号对干扰比，基于系统容忍的最低通信质量和数据传输准确率来设定一个特定阈值φ，如果高于φ，表明通信强度相对于干扰信号足够高，无人机的通信被认为是可靠的；相反，表明干扰信号过去强烈，可能会显著影响无人机的通信质量，因此电磁辐射干扰对无人机ui通信的影响可以量化为：
29、
30、其中，λsir是一个反映无人机通信系统对环境干扰敏感度的参数；
31、气候条件对无人机通信的影响主要体现在环境的温度和湿度，考虑温度和湿度在同一时刻对无人机通信共同的影响，来建立无人机通信效率复合模型：
32、
33、其中，t代表温度(以℃为单位)，p0是参考温度t0下的设备功率效率，ξ1是表征温度对性能影响的系数，相对湿度y(以％为单位)，a0是基础信号衰减，ξ2是表征湿度影响的系数；
34、为了衡量环境的动态性对无人机集群动态协同优化模型的影响，基于电磁辐射干扰和气候条件动态性对无人机通信的影响，建立动态环境下无人机的动态性模型目标函数：
35、
36、e(t,y)≥emin
37、其中，emin是要求无人机的最小通信效率。
38、进一步地，所述步骤4中考虑无人机之间在执行任务的相互作用和协作带来的效益，对无人机集群动态协同优化模型的影响，具体考虑协同的增益优化无人机资源分配模型，基于无人机资源协同性、无人机互操作性来优化无人机集群协同优化模型，具体包括：
39、无人机ui和uj分别携带的资源类型k的数量为bik和bjk，任务tm所需要资源k的数量为rmk，收集每架无人机的载荷数据，通过数据统计与计算，创建资源协同程度函数，获取无人机携带资源的互补性关系：
40、
41、其中，λ是资源协同程度的敏感系数，用来调节资源搭配对协同效益的影响强弱；
42、考虑到无人机集群动态协同优化模型实际紧急救援任务场景，在物理空间允许情况下，具体考虑无人机的资源协同才有实际意义，避免无人机资源协同程度很高，但是距离太远无法有效协同的情况，因此主要考虑无人机之间的距离以及无人机与目标任务的距离会对资源协同程度产生影响，建立资源协同影响函数：
43、
44、其中，dij表示无人机ui和uj之间的空间距离，表示无人机ui和uj到任务tm的平均距离，d0是距离的标度参数，gij是基于协同效应函数，不仅表示无人机之间距离dij越小，协同效应越大，还可以表示无人机越接近任务，协同效应越大，根据资源互补性关系和空间关系构建协同目标函数：
45、fres(bik,bjk,dij)＝gij·fres(bik,bjk,rmk)
46、针对救援任务区域规定无人机的作业范围，基于无人机覆盖效率、覆盖补充对无人机集群动态协同优化模型影响，并且考虑到救援任务场景下，任务所需要的覆盖率，义互操作性效率函数：
47、
48、其中，ri，rj分别代表无人机ui和uj的覆盖效率，δrij代表无人机ui和uj的覆盖效率之差，代表作业范围覆盖的互补性，ω1和ω2用于平衡覆盖效率的协同作业对整体互操作性效益的贡献，reqm表示任务tm所需要的最小覆盖率；
49、在城市紧急救援任务场景中，紧急任务往往覆盖广阔区域，同时不同任务具有不用层次的优先级和需求，为了最大化整个无人机集群覆盖效率，同时考虑任务需求的不同覆盖范围：
50、
51、根据无人机资源协同性和无人机互操作性对无人机集群协同优化模型的影响，建立协同效益目标函数：
52、
53、其中，αk是针对资源类型k的权重系数，表示该资源对任务完成的相对重要性，δ是预定的协同增益阈值，确保协同的无人机高于该阈值，提高协作效率。
54、进一步地，所述步骤5中，基于优先级分层模型、环境的动态性和无人机协同效应，综合考虑各个子模型的目标函数，创建无人机集群协同优化模型的优化函数，具体如下：
55、
56、约束条件综合zhierarchy,zdynamic,zcooperation三者的约束条件，该函数作为无人机集群动态协同优化的适应函数，可以用粒子群算法对上述的目标函数进行求最优解；
57、粒子的位置xi(t)表示无人机ui在时间t的资源分配策略，初始值通常设置为0或者小随机数值，粒子速度vi(t)表示无人机ui在时间t的各参数配置变化的趋势或者方向，即无人机群体的资源分配策略如何逐步调整以更好地适应环境数据、任务优先级、以及资源的动态需求，根据综合层次化目标收益函数计算每个粒子的初始适应度值；
58、对于每个粒子，通过更新粒子个体最优pbest，记住其迄今为止找到的最优位置，在所有粒子中，更新全局最优gbest找到适应度值最优的位置并记住，对于每次迭代，执行以下步骤：
59、首先更新速度，根据如下公式更新每个粒子的速度：
60、
61、其中，ω是惯性权重，c1，c2是加速因子，r1，r2是(0,1)之间的随机数；
62、接着更新位置，根据速度更新每个粒子的位置：
63、
64、确保更新后的新位置仍然落在定义的任务执行空间内，并符合无人机资源分配的约束条件；
65、以全局最优gbest位置对应的无人机任务分配方案为问题的最优解，即更新速度公式和更新位置公式迭代进行times次后的种群最优粒子就是我们得到的无人机集群动态协同优化方案。
66、有益效果：
67、1、本发明该方法主要包括基于无人机性能参数、任务需求和环境数据，建立无人机集群的动态协同优化模型，能够根据实时数据进行优化调整，提高任务执行的灵活性和适应性；引入任务优先级分层影响模型，根据任务的紧急性和重要性，将任务划分为不同优先级层次，优先分配资源给高优先级任务，确保关键任务的高效完成。
68、2、本发明考虑了动态环境因素对无人机的影响，建立动态环境优化模型通过实时监测通信条件和气象变化，动态调整无人机的资源配置和任务执行策略，确保无人机在复杂环境中的高效运作。
69、3、本发明针对无人机的异构性，开发了资源协同优化模型，选择具备互补资源的无人机组合，以最大化协同效应和任务执行效率，能够显著提升无人机集群在多元任务需求下的动态适应能力和协同作战效能,为无人机技术在实际应用中的广泛推广提供了重要支撑。
1.面向多元任务需求的无人集群动态协同优化方法，其特征在于，所述该方法包括如下步骤：
2.根据权利要求1所述的面向多元任务需求的无人集群动态协同优化方法，其特征在于，所述步骤1包括：获取无人机数量n，表示为u＝{u1,u2,…,un}，任务数量为m，任务集合表示为t＝{t1,t2,…,tm}，bik表示无人机ui携带资源类型k的数量，rmk表示完成任务tm所需资源类型k的数量。
3.根据权利要求1所述的面向多元任务需求的无人集群动态协同优化方法，其特征在于，所述步骤2中需要考虑不同层次优先级和相同层次优先级任务对无人机资源分配产生的影响，根据任务的紧急程度和重要性，将任务划分为多个优先级层次：高优先级任务、中优先级任务和低优先级任务，分别对应h1,h2,h3，定义优先级权重函数fh(hh)来增加高优先级任务的权重：
4.根据权利要求1所述的面向多元任务需求的无人集群动态协同优化方法，其特征在于，所述步骤3中基于动态环境下通信条件变化对无人机集群动态协同优化方法的影响，将环境变化问题进行建模，考虑电磁辐射干扰以及气候条件这两个动态的环境因素对无人机通信造成影响，优化无人机集群动态协同优化模型；
5.根据权利要求1所述的面向多元任务需求的无人集群动态协同优化方法，其特征在于，所述步骤4中考虑无人机之间在执行任务的相互作用和协作带来的效益，对无人机集群动态协同优化模型的影响，具体考虑协同的增益优化无人机资源分配模型，基于无人机资源协同性、无人机互操作性来优化无人机集群协同优化模型，具体包括：
6.根据权利要求1所述的面向多元任务需求的无人集群动态协同优化方法，其特征在于，所述步骤5中，基于优先级分层模型、环境的动态性和无人机协同效应，综合考虑各个子模型的目标函数，创建无人机集群协同优化模型的优化函数，具体如下：
