一种基于改进遗传算法的多传感器联合任务分配方法

本发明涉及传感器管理技术，具体涉及一种基于改进遗传算法，同时具有多任务目标、多平台多传感、多工作模式、传感器视场有限且朝向可变等条件下的任务一体化分配与规划技术。

背景技术：

1、传感器在军民等各个领域中都起重要作用，但单传感器往往效率低下。因其生存能力强、感知范围广、信息质量好等优点，多传感器系统随着技术的发展得到了广泛应用。在传感器资源有限时，为了实现性能的最优化，需要对传感器资源进行合理分配、协调，此时传感器管理技术就起着至关重要的作用。

2、传统的传感器管理技术首先对任务进行分配，再基于分配结果对传感器的工作模式与朝向等进行规划。实际上任务分配与任务规划是相互耦合的，任务分配需要考虑传感器的工作模式与朝向，任务规划需要基于传感器被分配的任务。传统分而治之的方法对上述耦合性考虑不足，使得系统性能受限。本发明通过基于传感器扩维的传感器网络任务联合分配与规划模型，将传感器的不同模式与朝向视为多个子传感器，通过任务目标与子传感器间的最优分配，一体化解决任务分配与任务规划问题，提高了系统综合性能。

3、任务联合分配与规划本质为广义分配问题，是np难问题，一般采用遗传算法等启发式算法求解该问题。然而由于问题的状态空间大、约束条件复杂等特性，使得基于标准遗传算法的任务联合分配与规划方案种群数量大、收敛速度慢、容易陷入局部最优。

4、因此，需要根据问题特点，提供一种基于改进遗传算法，同时具有多任务目标、多平台多传感、多工作模式、传感器视场有限且朝向可变等条件下的任务一体化分配与规划方法，以有效提高求解性能成为目前亟待解决的技术问题。

技术实现思路

1、为解决多传感器对目标进行探测跟踪过程中的传感器管理问题，本发明的目的在于提供一种基于改进遗传算法的多传感器联合任务分配方法，可有效解决具有多任务目标、多工作模式、传感器视场有限且朝向可调等条件下的多平台多传感器管理，如旋转相控阵雷达组网的资源管理、带有云台的摄像头网络管理等不合理使得系统效能低的问题。

2、本发明是通过下述技术方案来实现的。

3、本发明提供了一种基于改进遗传算法的多传感器联合任务分配方法，包括：

4、按照给定的传感器探测模型，计算出每一时刻下传感器与目标的探测关系矩阵，利用每时刻可探测性矩阵计算出总体任务中的关键时间点，在每个关键时间点将总体任务划分为时序子任务；

5、根据时序子任务，将具有不同工作模式与探测朝向的传感器扩维成若干位置相同的子传感器，得到扩维后的传感器集合与传感器-目标探测关系；

6、根据扩维后的传感器集合与传感器-目标探测关系，确定决策变量在每一时序子任务时段中，各传感器对目标的探测情况，建立多传感器联合任务分配的目标函数模型；

7、结合传感器资源约束和可探测性约束，建立多传感器联合任务分配的约束模型，综合目标函数模型和约束模型，建立任务分配优化模型；

8、根据任务分配优化模型，基于改进遗传算法，对多传感器任务分配问题进行快速求解，得到多传感器任务分配的最优分配方案。

9、作为优选，在每个关键时间点将总体任务划分为时序子任务，包括：

10、根据传感器的位置、传感器探测模型、目标位置判断传感器能否探测目标，得到每一个时刻下传感器与目标的可探测性矩阵；

11、根据每一个时刻传感器与目标的可探测性矩阵，确定在某个时刻可探测性目标与前一时刻不相同，则认为某个时刻是关键时间点；

12、根据关键时间点将总体任务划分为若干个子任务，将传感器延迟持续时间较短的子任务合并到前一个子任务，将持续时间太长的子任务分割为持续时间适中的子任务。

13、作为优选，将具有不同工作模式与探测朝向的传感器扩维成若干位置相同的子传感器，得到扩维后的传感器集合与传感器-目标探测关系，包括：

14、从传感器集合中选定一个传感器，根据可探测性矩阵得到选定传感器探测范围内的目标数量；

15、由所述传感器探测范围内的目标数量，将传感器一次扩维成dki个朝向不同、位置相同的子传感器；

16、确定传感器可选择的工作模式数量，将传感器二次扩维成个朝向不同、选择工作模式不同、位置相同的子传感器。

17、作为优选，建立多传感器联合任务分配的目标函数模型，包括：

18、将多传感器联合分配问题描述为01规划问题，确定决策变量为传感器扩维出的若干位置重合，工作模式与朝向不同的子传感器是否跟踪探测某一目标；

19、在传感器-目标的可探测窗口时间内，传感器对目标的覆盖数量最大化，得到目标覆盖最大化指标模型；

20、在保证覆盖目标数量的条件下，调用多台传感器同时跟踪同一目标，多重覆盖，交叉定位提高跟踪精度，得到覆盖重数最大化指标模型；

21、在满足目标覆盖最大化指标和覆盖重数最大化指标的基础上，使用尽可能多的传感器资源，提高数据率和跟踪精度，得到传感器资源使用最大化指标模型。

22、作为优选，建立任务分配优化模型，包括：

23、建立传感器-目标可探测约束模型，得到传感器-目标可探测约束；

24、基于传感器探测目标消耗的资源不得超过传感器的总资源，建立传感器资源约束模型；

25、将传感器扩维后同一雷达的不同朝向视作为位置相同的互斥子传感器，同一雷达同一时段不能出现多种朝向，建立同传感器朝向唯一约束；

26、综合目标函数和约束条件，得到多传感器联合任务分配优化模型。

27、作为优选，基于改进遗传算法，对多传感器任务分配问题进行快速求解，得到多传感器任务分配的最优分配方案，包括：

28、使用多层实数编码的方法，对遗传算法染色体进行编码，并在可行解的范围内，对种群进行初始化；根据适应度函数，计算每条染色体对应初始适应度值；

29、随机选取父代染色体进行交叉操作生成子代，再次计算染色体的适应度；

30、使用子传感器替换的方法对染色体进行变异操作；

31、使用锦标赛法筛选种群，选取适应度更高的染色体进入进化后种群，将进化后的种群重复进行遗传迭代操作，直到种群适应度稳定；

32、将种群中的最优个体染色体进行解码操作，得到该染色体代表的最优多传感器联合任务分配方案。

33、作为优选，对染色体进行编码并对种群进行初始化，包括：

34、将染色体的基因长度确定为传感器数量乘以子任务数量，每一个基因位点直接使用目标编号集合表示探测情况；

35、给传感器随机分配跟踪可探测目标集合中的目标；

36、计算传感器剩余资源，若剩余资源足够，对目标随机进行精跟踪或粗跟踪，否则进行粗跟踪；

37、从传感器可探测目标集合中删除目标；

38、判断传感器是否还有剩余资源，若没有资源则结束；

39、判断传感器可探测目标集合是否为空，若为空则结束；

40、重复上述步骤，直至种群初始化结束。

41、作为优选，随机选取父代染色体和基因位点进行交叉生成子代，包括：

42、在种群中随机选取两个染色体作为父代染色体；

43、根据染色体长度，随机选择交叉基因位点编号；

44、以选中的基因位点编号为划分点，将选中的双亲父代染色体进行划分；

45、将拆分后的染色体片段进行重组，生成两个子代染色体；

46、在种群内所有染色体完成交叉后，再次计算种群染色体的适应度。

47、作为优选，使用子传感器替换的变异方法对染色体进行变异操作，包括；

48、随机选择染色体中某个基因位作为变异基因位；

49、确定变异基因位对应的任务时段和传感器；

50、计算在该任务时段下，该传感器扩维出的子传感器集合；

51、再从子传感器集合中随机挑选1个子传感器，并将其跟踪目标信息编码后覆盖到需要变异的基因位中，完成算法的变异操作。

52、作为优选，使用锦标赛法筛选种群，包括：

53、在种群中随机挑选两个个体；

54、比较挑选出的两个个体的适应度函数值，将适应度函数值较大的个体进入下一代的种群，适应度小的个体回到原来种群；

55、重复以上步骤，直至下一代种群大小满足要求。

56、本发明由于采取以上技术方案，其具有以下有益效果：

57、本发明针对在侦查预警任务中的目标分配问题，提出了一种基于传感器扩维法和改进遗传算法的多传感器任务分配方法。该技术根据整体侦查跟踪任务中的关键时间点，将整体任务划分为若干持续时间适中的子任务。之后在每一个子任务中，将每一个传感器扩维成位置相同、探测模式与探测朝向不同的互斥子传感器，得到每一个子任务中的子传感器与目标的探测关系矩阵。在01规划框架下，得到任务分配问题的目标函数模型和约束模型。改进遗传算法，使用多层实数编码、基于贪婪思想的初始化和基于传感器替换的变异方法，对任务分配问题进行求解，得到最优的任务分配方案。

58、本发明相较于现有方法的提高在于：考虑了预警侦察传感器的工作模式、雷达扇面朝向等可优化的变量，将侦查预警传感器扩维成多台子传感器，可以有效解决多目标-多传感器-多传感器状态的任务分配问题；同时，在问题求解阶段，使用改进的遗传算法，能够有效避免解陷入局部最优，提高求解效率，快速得到最优任务分配方案。