多基因编码改进遗传算法在多飞行器协同制导与控制中的应用

2023-08-02 理论教育版权反馈

【摘要】：第2步，针对第1、2行设定的目标和任务，从能够执行此任务的无人机集中选择某无人机作为无人机行，完成目标基染色体的第3、4行编码。至此，完成一个完整的目标基染色体的编码。图2-3无人机基染色体编码示例3.遗传算子采用带精英策略的轮盘赌选择算子将本代中适应度值最好的Ne个个体直接选择到下一代种群中，不参与交叉和变异操作。

1.初始化

多基因编码遗传算法的初始化步骤如下：

第1步，对目标基染色体的第1、2行进行编码。

第2步，针对第1、2行设定的目标和任务，从能够执行此任务的无人机集中选择某无人机作为无人机行，完成目标基染色体的第3、4行编码。

第3步，在第5、6行分别填入目标的价值和无人机对目标的攻击毁伤概率，作为价值行和概率行。至此，完成一个完整的目标基染色体的编码。

第4步，重复第1步～第3步Np次（Np为种群规模），便得到了无“死锁”个体的初始种群。

2.适应度值计算

根据目标基染色体的基因信息，可以得到每架无人机执行任务的信息。按照无人机任务顺序将染色体的基因重新排列，从而组成了无人机基染色体（同一无人机序号的基因信息，按照任务时序顺序排序）。如图2-3所示，在无人机基染色体中，ni为第i架无人机的任务数量。以无人机u1为例，第一列中， pagenumber_ebook=24,pagenumber_book=15 表示无人机u1攻击目标T1；表示无人机u1针对目标T1的任务类型（C、A、V中的一种）；表示无人机u1的能力（1、2、3中的一种，代表不同的无人机种类）；WT1意义同前，表示目标T1的价值；表示无人机u1对目标T1执行攻击任务时的攻击概率，当执行其他任务时，此概率为0。其他列的符号意义可类推。由此可见，前n1列表示了无人机u1的任务执行时序和攻击收益。因此，基于总的无人机基染色体，可计算得到此任务分配方案对应的目标函数值。选取目标函数值作为该个体的适应度值。