【无人机】基于蒙特卡洛算法实现无人机任务分配模型附matlab代码

1 简介

注意:所谓的实时分配指的是实时分配用户位置—根据实时分配的位置更新无人机的位置进而优化最优的分配任务

​

2 部分代码

clcclose allclear alldisp('无人机优化模型')%参数准备%区域用户位置d1=100; %区域A长度d2=80; %区域A长度N=30;%用户个数C=6;%天线个数bc=1;%电池损耗/每个内容---假设容量相等 电池消耗相同Bm=[10 10 10];%无人机容量%索引位置tuple={content k,UAV m，location q}height=10;h_max=20;delta_d=0.5;%location intervaln1=3;%无人机个数%discrete the location%用户位置%discrete the locationd1a=0:delta_d:d1;d2a=0:delta_d:d2;%离散位置index=[];for i=1:1:length(d1a)    for j=1:1:length(d2a)        index=[index;[d1a(i),d2a(j)]];    endendnum_index=size(index,1);%number of location%新增人群位置计算%新增人群不可能出现位置d1a1=[5,d1-5];d2a1=[5,d2-5];[len,~]=find((index(:,1)>=d1a1(1) & index(:,1)<=d1a1(2)) & (index(:,2)>=d2a1(1) & index(:,2)<=d2a1(2)));id_new=setdiff(1:1:size(index,1),len');  %新增用户编号new_candi=index(id_new',:);%新增人群位置%随机生成用户user_index=randperm(num_index,N);user_location=[];for i=1:1:length(user_index)    user_location=[user_location;index(user_index(i),:)];%%N*2end%仿真时间TT=5;%仿真时间Tv=1;%用户行走速度delta_p=2;%单位时间变化人数theta_max=2*pi;%用户随机行走方向best_uav=cell(1,T);best_task=zeros(1,T);[x_ind,task]=one_step(user_location,height,h_max,C,N,n1,bc,Bm);  %主程序best_uav{1,1}=x_ind;best_task(1,1)=task;old_ind=x_ind;%设置就得无人机位置for t=2:1:T    %更新用户    new_user_location=[];    %考虑原始用户行走    for i=1:1:size(user_location,1)       user_location(i,1)=user_location(i,1)+v*cos(random('unif',0,theta_max));      user_location(i,2)=user_location(i,2)+v*sin(random('unif',0,theta_max));      %边界更新，如果超出边界 则认为用户离开      if (user_location(i,1)>d1) | (user_location(i,1)<0) | (user_location(i,2)<0)|(user_location(i,2)>d2)          continue;%用户离开不管      else          new_user_location=[new_user_location;user_location(i,:)]; %用户没离开保留      end    end    %当前时刻新来客户    num_new=random('poiss',delta_p);    if num_new==0        new_user_location=new_user_location;    else        new_id=randperm(length(id_new),num_new);        new_coming=new_candi(new_id',:);        new_user_location=[new_user_location; new_coming];    end    %用户个数更新    N=size(new_user_location,1);    %计算当前无人机位置    [x_ind,task]=one_step(new_user_location,height,h_max,C,N,n1,bc,Bm);  %主程序    %无人机位置分配--中心服务器向无人机分配无人机更新位置    x_ind=allot_uav(x_ind,old_ind);    best_uav{1,t}=x_ind;    best_task(1,t)=task;    %我下一时刻用户位置更新    user_location=new_user_location;%上一时刻用户位置    old_ind=x_ind;    if mod(t,20)==0    figure,    plot(user_location(:,1),user_location(:,2),'r*')    xlabel('x')    ylabel('y')    title(num2str(t))    endendfigure,plot(1:1:T,best_task,'->')xlabel('T/(min)')ylabel('Task/(n)')grid onylim([0 40])Q1=[];Q2=[];Q3=[];for i=1:1:TQ1=[Q1,(best_uav{1,i}(1,:))'];Q2=[Q2,(best_uav{1,i}(2,:))'];Q3=[Q3,(best_uav{1,i}(3,:))'];endfigure,plot3(Q1(1,:),Q1(2,:),Q1(3,:),'r->')hold onplot3(Q2(1,:),Q2(2,:),Q2(3,:),'b->')hold onplot3(Q3(1,:),Q3(2,:),Q3(3,:),'c->')xlabel('x')ylabel('y')zlabel('height')grid onlegend('UAV-1','UAV-2','UAV-3')title('the location of UAV')

3 仿真结果

4 参考文献

[1]胡孟阳. 基于群智能算法的多无人机任务分配和协同路径规划. 

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。