首先通过分析UAV分配次序对打击任务总收益的影响, 设计了动态战场环境的更新规则. 将航程代价和任务代价作为惩罚项修正目标函数, 建立了考虑分配次序的UAVs协同目标分配优化模型. 然后针对模型的物理意义改进了遗传算法基因编码方式, 设计了MUCTA遗传算法. 该算法利用状态转移思想, 引进SDR算子获得多种分配次序种群, 同时以单行变异算子修正UAV与目标对应关系, 并采用最优个体法和轮盘赌法筛选子代个体.

%本实验目的是验证改进的DE离散目标分配算法的有效性
%实验设置:各种环境,调用目标分配的算法
%目标分配实验的输入:代价矩阵
%利用代价矩阵和映射方法,在离散和连续空间转换
%目标分配实验的输出:有效的基因染色体表示
%比较实验:
%1、可行性分析,三种模型
%2、进化策略对比分析,证明采用双策略的有效性
%3、大数据分析
%4、与其他方法的比较
% 本文只用到了AssignType =2;情形,即UAV数量大于TARGET数量
%使用了改动的遗传算法
%相比较源程序,较大改动部分为:对象执行区(GetFit1和Getfit2两个函数),和差分进化区(全部改动),其他部分有少量改动,我不记得了。很多部分直接删改,可能注释没有对应的上,强烈建议对比源代码学习观看
%本人编程能力较差,编写格式不规范,很多地方注释不足以及随心所欲各种直接删改,不同实验直接改数据,以及出现的重复,各种FOR循环嵌套等等,我自己都觉得乱七八糟。再次强烈建议对比源代码
%建议只使用该代码框架(即阅读源代码即可,本代码可适当看一下就行,估计很费劲),自行删改其中内容,写自己的文章,但注意源代码自行备份,自己的代码尽量多注释以及写实验说明,方便后来的师弟或师妹。
 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 
%清空环境
clear;
 
%定义地形对象
cTerrain = CTerrain3D;
%定义威胁区对象
cTread = CTread;
 
%调整为统一的图形环境
figure('Renderer','opengl');
 
%绘制地形和威胁区
 cTerrain.draw();
cTread.draw();
 
 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%数据形式说明
%xs 初始点位置集合,三维点集
%yt 目标点位置集合,三维点集
%MxsEna 能力矩阵,集合中的二元组表示最大最小飞行速度
%MxsDIs 最大航程矩阵,集合中的值表示UAV最大可飞的距离
%MytTOrd 任务点间的时序坐标,要求尽量在前面的先执行
 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%调用目标分配算法
%AssignType表示不同的模型,1, N=M; 2, N>M; 3, N<M
%Key表示算法执行次数, 0,执行一次,1,执行多次
AssignType =2;
Key =0;
 
%时间测试
Time = cputime;
 
%%    第一种情况的实验
if AssignType == 1
        %%%%%%%%%%%%%%%%%%%%%%%数据区%%%%%%%%%%%%
        xs = [%11 2 3;2 17 5; 34 26 7;5 2 2;6 33 3;27 34 6;21 45 5;25 12 3;22 17 11;13 31 12;
              %45 21 11; 36 22 11;13 21 16;41 25 10;25 25 11;53 12 14;22 12 12;18 32 11; 67 34 12;26 16 15;
              78 20 15;93 31 12;31 20 13;112 32 15; 134 26 17;45 52 12;36 63 13;67 34 16;21 85 15;32 62 13;];
        yt = [%40 210 12;170 90 13 ; 80 197 21 ;172 120 13;160 56 13;160 143 21;170 200 21;113 200 12;97 134 16;100 145 11;
              %81 101 21; 72 152 12; 133 60 11;84 164 21; 150 90 21;146 121 12; 167 54 12; 108 165 12;99 120 21;110 143 11;
              70 181 12;15 133 13 ; 19 151 12 ;160 192 13;101 120 23;160 113 12;82 101 11;173 140 12;182 65 14; 128 156 12;];  
          
        MxsEna=[%0.2 0.3; 0.2 0.4;0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3; 0.2 0.4;
               % 0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;
                0.2 0.3; 0.2 0.4;0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.3 0.5;0.3 0.6;];
             
        MxsDis=[%400 700 650 500 700 900 450 610 400 700
                %650 500 700 900 450 610 700 900 450 610
                500 700 300 350 700 900 450 610 450 610];
        
            
        ytW = [%1 3 4 2 1 1 3 2 1 2
               %3 2 1 3 2 1 2 3 2 1 
               1 1 1 1 1 1 1 1 1 1];
           
        MytTOrd=[3 4; 5 2; 6 8; 7 4;];
        
            %引入新的协同矩阵,最大起始时间矩阵
            Twait = [];
            Twindow=[];
   
        %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    if Key == 0
    
        
        %%%%%%%%%%%%%%%%%%%%%%算法执行区%%%%%%%%%%%%%%%%%%
        %调用目标分配算法,并取得解和相关数据,计算算法耗费时间
        %定义目标分配算法对象
          DDE1 = DMDEAssignTarget(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd,Twait,Twindow,1);
         % MC = Cal1.GetMcost();
         %Cal1 = CallocationTargetOld1(cTerrain);
         %标签显示文字
          xlabel('X/km')
          ylabel('Y/km')
          zlabel('Z/km')   
        %DDEAssign1=DDEAssignTarget1(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd);
        %执行run并返回结果集
         t1 = cputime;
        [solU solT solC solF ] = DDE1.run();
        Time = cputime -t1;
 
%         %结果
         solU
         solT
         solC
         solF
         Time
         
 
    else if Key == 1
            for i=1:10
            DDE1 = DMDEAssignTarget(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd,Twait,Twindow,i);
         % MC = Cal1.GetMcost();
         %Cal1 = CallocationTargetOld1(cTerrain);
         %标签显示文字
          xlabel('X/km')
          ylabel('Y/km')
          zlabel('Z/km')   
        %DDEAssign1=DDEAssignTarget1(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd);
        %执行run并返回结果集
         t1 = cputime;
        [solU solT solC solF ] = DDE1.run();
        solu(i,:) = solU;
        solt(i,:) = solT;
        solc(i,:) = solC;
        solf(i,:) = solF;
        Time(i,:) = cputime -t1;
            end %i
%         %结果
         solu
         solt
         solc
         solf
         Time
         
        end % key=1
    end % key=0
   
 
 
else if AssignType == 2
        %% 第二种实验的情况
         %%%%%%%%%%%%%%%%%%%%%%%数据区%%%%%%%%%%%%
        xs = [%11 2 3;2 17 5; 34 26 7;5 2 2;6 33 3;27 34 6;21 45 5;25 12 3;22 17 11;13 31 12;
              %45 21 11; 36 22 11;13 21 16;41 25 10;25 25 11;53 12 14;22 12 12;18 32 11; 67 34 12;26 16 15;
              78 40 15;93 31 12;31 25 13;112 32 15; 134 26 17;45 52 12;36 55 13;67 34 16;21 45 15;160 30 13;];
        yt = [%40 210 12;170 90 13 ; 80 197 21 ;172 120 13;160 56 13;160 143 21;170 200 21;113 200 12;97 134 16;100 145 11;
              %81 101 21; 72 152 12; 133 60 11;84 164 21; 150 90 21;146 121 12; 167 54 12; 108 165 12;99 120 21;110 143 11;
             70 151 12;40 155 13 ; 19 151 12 ;150 140 13 ];   
          
        MxsEna=[%0.2 0.3; 0.2 0.4;0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3; 0.2 0.4;
               % 0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;
                0.2 0.3; 0.2 0.4;0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.3 0.5;0.3 0.6;];
             
        MxsDis=[%400 700 650 500 700 900 450 610 400 700
                %650 500 700 900 450 610 700 900 450 610
                500 700 300 350 700 900 450 610 450 610];
            
 
            
        ytW = [%1 3 4 2 1 1 3 2 1 2
               %3 2 1 3 2 1 2 3 2 1 
               1 1 1 1];
           
           %这个数据里都代表的是目标点,是目标点与目标点的关系
        MytTOrd=[3 2];
        
             %引入新的协同矩阵,最大起始时间矩阵
            Twait = [30 40 20 15 50 70 30 80 90 65];
            Twindow=[];
        %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
          if Key == 0
              
        
        %%%%%%%%%%%%%%%%%%%%%%算法执行区%%%%%%%%%%%%%%%%%%
        %调用目标分配算法,并取得解和相关数据,计算算法耗费时间
        %定义目标分配算法对象
          DDE1 = DMDEAssignTarget(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd,Twait,Twindow,1);
         % MC = Cal1.GetMcost();
         %Cal1 = CallocationTargetOld1(cTerrain);
         %标签显示文字
          xlabel('X/km')
          ylabel('Y/km')
          zlabel('Z/km')   
        %DDEAssign1=DDEAssignTarget1(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd);
        %执行run并返回结果集
        
           [solU solT solC solF   cpop ]  = DDE1.run();
        Time 
cpop;
%         %结果
         solU
         solT
         solC
         solF
         Time
         
          else if Key == 1
                  Time2=0;
                  cpop3=0;
                    for i=1:20
            DDE1 = DMDEAssignTarget(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd,Twait,Twindow,i);
         % MC = Cal1.GetMcost();
         %Cal1 = CallocationTargetOld1(cTerrain);
         %标签显示文字
          xlabel('X/km')
          ylabel('Y/km')
          zlabel('Z/km')   
        %DDEAssign1=DDEAssignTarget1(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd);
        %执行run并返回结果集
         t1 = cputime;
        [solU solT solC solF  cpop ] = DDE1.run();
        solu(i,:) = solU;
        solt(i,:) = solT;
        solc(i,:) = solC;
        solf(i,:) = solF;
        Time(i,:) = cputime -t1;
%         genX(i,:)=cpop(:,2);
       cpop2(:,i)=cpop(:,2);
       
        Time(i)
            end %i
%         %结果
 
%             figure(3);
%             grid on;     
%             hold on;
%             plot(genX(1:length(genX),1)',genX(1:length(genX),2)','linewidth',2);
%          solu
%          solt
%          solc
%          solf
         Time=Time2/20;
         cpop=cpop2/20;
              end % key=1
          end % key=0
       
         
    else if AssignType == 3
             %% 第三种实验的情况
                %%%%%%%%%%%%%%%%%%%%%%%数据区%%%%%%%%%%%%
      xs = [%11 2 3;2 17 5; 34 26 7;5 2 2;6 33 3;27 34 6;21 45 5;25 12 3;22 17 11;13 31 12;
              %45 21 11; 36 22 11;13 21 16;41 25 10;25 25 11;53 12 14;22 12 12;18 32 11; 67 34 12;26 16 15;
              78 20 15;93 31 12;31 20 13;112 32 15];
        yt = [%40 210 12;170 90 13 ; 80 197 21 ;172 120 13;160 56 13;160 143 21;170 200 21;113 200 12;97 134 16;100 145 11;
              %81 101 21; 72 152 12; 133 60 11;84 164 21; 150 90 21;146 121 12; 167 54 12; 108 165 12;99 120 21;110 143 11;
              70 131 12;15 125 13 ; 19 151 12 ;142 120 13;120 100 23;160 90 12;82 101 11;173 140 12;160 160 14; 45 155 12;];    
          
        MxsEna=[%0.2 0.3; 0.2 0.4;0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3; 0.2 0.4;
               % 0.4 0.75;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;0.2 0.3;0.35 0.45;0.3 0.5;0.3 0.6;
                0.2 0.5; 0.3 0.4;0.4 0.75;0.3 0.45];
             
        MxsDis=[%400 700 650 500 700 900 450 610 400 700
                %650 500 700 900 450 610 700 900 450 610
                700 700 900 650];
            
        ytW = [%1 3 4 2 1 1 3 2 1 2
               %3 2 1 3 2 1 2 3 2 1 
               1 1 1 1 1 1 1 1 1 1];
           
        MytTOrd=[3 4; 5 2];
        
        %引入新的协同矩阵,最大起始时间矩阵
        Twait = [30 40 20 15];
        Twindow=[1300,6000];
        %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
          if Key == 0
                 
        
        %%%%%%%%%%%%%%%%%%%%%%算法执行区%%%%%%%%%%%%%%%%%%
        %调用目标分配算法,并取得解和相关数据,计算算法耗费时间
        %定义目标分配算法对象
          DDE1 = DMDEAssignTarget(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd,Twait,Twindow,1);
         % MC = Cal1.GetMcost();
         %Cal1 = CallocationTargetOld1(cTerrain);
         %标签显示文字
          xlabel('X/km')
          ylabel('Y/km')
          zlabel('Z/km')   
        %DDEAssign1=DDEAssignTarget1(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd);
        %执行run并返回结果集
        t1 = cputime;
        [solU solT solC solF]  = DDE1.run();
        Time = cputime -t1;
 
%         %结果
         solU
         solT
         solC
         solF
         Time
 
         
          else if Key == 1
                  
            for i=1:20
                        DDE1 = DMDEAssignTarget(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd,Twait,Twindow,i);
                     % MC = Cal1.GetMcost();
                     %Cal1 = CallocationTargetOld1(cTerrain);
                     %标签显示文字
                      xlabel('X/km')
                      ylabel('Y/km')
                      zlabel('Z/km')   
                    %DDEAssign1=DDEAssignTarget1(cTerrain,xs,yt,MxsEna,MxsDis,ytW,MytTOrd);
                    %执行run并返回结果集
                     t1 = cputime;
                    [solU solT solC solF ] = DDE1.run();
                    solu(i,:) = solU;
                    solt(i,:) = solT;
                    solc(i,:) = solC;
                    solf(i,:) = solF;
                    Time(i,:) = cputime -t1;
            end %i
%         %结果
         solu
         solt
         solc
         solf
         Time
              end % key=1
          end % key=0
            
        end % type =3
 
    end % type =2
 
end % type=1
    
 
 
 
 
 
 
 
 
 
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.
  • 23.
  • 24.
  • 25.
  • 26.
  • 27.
  • 28.
  • 29.
  • 30.
  • 31.
  • 32.
  • 33.
  • 34.
  • 35.
  • 36.
  • 37.
  • 38.
  • 39.
  • 40.
  • 41.
  • 42.
  • 43.
  • 44.
  • 45.
  • 46.
  • 47.
  • 48.
  • 49.
  • 50.
  • 51.
  • 52.
  • 53.
  • 54.
  • 55.
  • 56.
  • 57.
  • 58.
  • 59.
  • 60.
  • 61.
  • 62.
  • 63.
  • 64.
  • 65.
  • 66.
  • 67.
  • 68.
  • 69.
  • 70.
  • 71.
  • 72.
  • 73.
  • 74.
  • 75.
  • 76.
  • 77.
  • 78.
  • 79.
  • 80.
  • 81.
  • 82.
  • 83.
  • 84.
  • 85.
  • 86.
  • 87.
  • 88.
  • 89.
  • 90.
  • 91.
  • 92.
  • 93.
  • 94.
  • 95.
  • 96.
  • 97.
  • 98.
  • 99.
  • 100.
  • 101.
  • 102.
  • 103.
  • 104.
  • 105.
  • 106.
  • 107.
  • 108.
  • 109.
  • 110.
  • 111.
  • 112.
  • 113.
  • 114.
  • 115.
  • 116.
  • 117.
  • 118.
  • 119.
  • 120.
  • 121.
  • 122.
  • 123.
  • 124.
  • 125.
  • 126.
  • 127.
  • 128.
  • 129.
  • 130.
  • 131.
  • 132.
  • 133.
  • 134.
  • 135.
  • 136.
  • 137.
  • 138.
  • 139.
  • 140.
  • 141.
  • 142.
  • 143.
  • 144.
  • 145.
  • 146.
  • 147.
  • 148.
  • 149.
  • 150.
  • 151.
  • 152.
  • 153.
  • 154.
  • 155.
  • 156.
  • 157.
  • 158.
  • 159.
  • 160.
  • 161.
  • 162.
  • 163.
  • 164.
  • 165.
  • 166.
  • 167.
  • 168.
  • 169.
  • 170.
  • 171.
  • 172.
  • 173.
  • 174.
  • 175.
  • 176.
  • 177.
  • 178.
  • 179.
  • 180.
  • 181.
  • 182.
  • 183.
  • 184.
  • 185.
  • 186.
  • 187.
  • 188.
  • 189.
  • 190.
  • 191.
  • 192.
  • 193.
  • 194.
  • 195.
  • 196.
  • 197.
  • 198.
  • 199.
  • 200.
  • 201.
  • 202.
  • 203.
  • 204.
  • 205.
  • 206.
  • 207.
  • 208.
  • 209.
  • 210.
  • 211.
  • 212.
  • 213.
  • 214.
  • 215.
  • 216.
  • 217.
  • 218.
  • 219.
  • 220.
  • 221.
  • 222.
  • 223.
  • 224.
  • 225.
  • 226.
  • 227.
  • 228.
  • 229.
  • 230.
  • 231.
  • 232.
  • 233.
  • 234.
  • 235.
  • 236.
  • 237.
  • 238.
  • 239.
  • 240.
  • 241.
  • 242.
  • 243.
  • 244.
  • 245.
  • 246.
  • 247.
  • 248.
  • 249.
  • 250.
  • 251.
  • 252.
  • 253.
  • 254.
  • 255.
  • 256.
  • 257.
  • 258.
  • 259.
  • 260.
  • 261.
  • 262.
  • 263.
  • 264.
  • 265.
  • 266.
  • 267.
  • 268.
  • 269.
  • 270.
  • 271.
  • 272.
  • 273.
  • 274.
  • 275.
  • 276.
  • 277.
  • 278.
  • 279.
  • 280.
  • 281.
  • 282.
  • 283.
  • 284.
  • 285.
  • 286.
  • 287.
  • 288.
  • 289.
  • 290.
  • 291.
  • 292.
  • 293.
  • 294.
  • 295.
  • 296.
  • 297.
  • 298.
  • 299.
  • 300.
  • 301.
  • 302.
  • 303.
  • 304.
  • 305.
  • 306.
  • 307.
  • 308.
  • 309.
  • 310.
  • 311.
  • 312.
  • 313.
  • 314.
  • 315.
  • 316.
  • 317.
  • 318.
  • 319.
  • 320.
  • 321.
  • 322.
  • 323.
  • 324.
  • 325.
  • 326.
  • 327.
  • 328.
  • 329.
  • 330.
  • 331.
  • 332.
  • 333.
  • 334.
  • 335.
  • 336.
  • 337.

【路径规划】遗传算法求解考虑分配次序的多无人机协同目标分配问题_遗传算法

【路径规划】遗传算法求解考虑分配次序的多无人机协同目标分配问题_遗传算法_02