基于混沌自適應(yīng)螢火蟲算法的UAVs分配策略

宋阿妮 包賢哲 權(quán) 軼

(湖北工業(yè)大學(xué)電氣與電子工程學(xué)院 湖北 武漢 430068)

0 引 言

無(wú)人機(jī)(Unmanned Aerial Vehicle，UAV)以其快速、精準(zhǔn)、低風(fēng)險(xiǎn)等優(yōu)勢(shì)已經(jīng)廣泛應(yīng)用于軍事[1]、農(nóng)業(yè)[2]、運(yùn)輸?shù)阮I(lǐng)域[3-6]。戰(zhàn)場(chǎng)無(wú)人機(jī)作為新型作戰(zhàn)裝備在現(xiàn)代戰(zhàn)爭(zhēng)中起著不可代替的重要作用，在武裝打擊、敵情偵察、目標(biāo)追蹤、山地搜索、危機(jī)預(yù)警、定點(diǎn)監(jiān)視等多種類任務(wù)方面能夠很好地代替人力，大幅度降低執(zhí)行任務(wù)風(fēng)險(xiǎn)并克服復(fù)雜地形障礙[7]。但隨著無(wú)人機(jī)數(shù)量激增，任務(wù)數(shù)量和復(fù)雜度不斷上升，尋常算法的分配運(yùn)算時(shí)間大幅增加，無(wú)法滿足現(xiàn)代戰(zhàn)爭(zhēng)對(duì)作戰(zhàn)任務(wù)快速分配響應(yīng)的要求。所以如何在戰(zhàn)場(chǎng)任務(wù)數(shù)量和無(wú)人機(jī)基數(shù)較大的情況下合理分配任務(wù)獲得最高收益是當(dāng)下無(wú)人機(jī)作戰(zhàn)任務(wù)分配研究熱點(diǎn)。很多學(xué)者嘗試引入各類智能優(yōu)化算法來(lái)解決此類問(wèn)題[8]。其中螢火蟲優(yōu)化算法以其易于實(shí)現(xiàn)、優(yōu)化性能好、限制條件少等優(yōu)點(diǎn)，成為目前運(yùn)用較為廣泛且應(yīng)用效果最好的方法[9]。

在螢火蟲算法研究中，Wang等[10]提出了一種隨機(jī)吸引的螢火蟲算法模型。該算法通過(guò)隨機(jī)選擇一個(gè)亮度更高的個(gè)體進(jìn)行移動(dòng)從而減少收斂時(shí)間和復(fù)雜度，但由于移動(dòng)次數(shù)過(guò)少容易引起算法早熟。Zhou等[11]引入了概率參數(shù)p來(lái)控制螢火蟲的吸引頻率，此方法被稱為部分吸引模型。只有在個(gè)體亮度高于本體且概率參數(shù)同時(shí)滿足要求時(shí)才能移動(dòng)，此方法有效地加快了收斂速度，但概率參數(shù)p的選定卻是一個(gè)難題。Wang等[12]提出了鄰域吸引模型，本體與一定范圍領(lǐng)域內(nèi)的個(gè)體進(jìn)行比較，通過(guò)控制領(lǐng)域的大小，可以有效控制算法收斂速度，但個(gè)體周圍領(lǐng)域大小過(guò)于依賴問(wèn)題特征。隨著算法研究的不斷深入，傳統(tǒng)螢火蟲算法存在著容易陷入局部最優(yōu)解和隨機(jī)移動(dòng)造成的收斂速度過(guò)慢收斂精度不高的問(wèn)題。

本文將傳統(tǒng)螢火蟲算法的移動(dòng)步長(zhǎng)改進(jìn)為自適應(yīng)步長(zhǎng)，在位置更新信息中加入全局歷史最優(yōu)值和自適應(yīng)慣性權(quán)重，采用變尺度混沌方法改進(jìn)光吸收強(qiáng)度系數(shù)，提出混沌自適應(yīng)螢火蟲算法(Chaotic adaptive Firefly Algorithm,CAFA)，并應(yīng)用于多作戰(zhàn)無(wú)人機(jī)多任務(wù)分配問(wèn)題。該算法有利于更精確地找到最優(yōu)分配方案，提高系統(tǒng)的響應(yīng)速度和機(jī)動(dòng)性。

1 問(wèn)題分析與模型建立

設(shè)定無(wú)人機(jī)作戰(zhàn)任務(wù)分配問(wèn)題中，敵我雙方在交戰(zhàn)地域S=[0,s]×[0,s]內(nèi)，有n個(gè)不同類型任務(wù)M=(M1,M2,…,Mn)等待無(wú)人機(jī)執(zhí)行，需要從無(wú)人機(jī)基地派出Q架無(wú)人機(jī)完成交戰(zhàn)地域S內(nèi)的所有任務(wù)。為了躲避敵人雷達(dá)和監(jiān)控設(shè)備對(duì)無(wú)人機(jī)的探測(cè)減小其墜毀概率，設(shè)立圓形禁飛區(qū)Ρ，無(wú)人機(jī)禁止在此區(qū)域內(nèi)飛行，其實(shí)時(shí)位置(xVi,yVi)?P。上述無(wú)人機(jī)的任務(wù)分配調(diào)度問(wèn)題可定義為一個(gè)優(yōu)化模型：一組無(wú)人機(jī)V={V1,V2,…,Vm}，一組待完成的任務(wù)M={M1,M2,…,Mn}，將任務(wù)風(fēng)險(xiǎn)指數(shù)、航程代價(jià)指數(shù)作為系統(tǒng)成本，任務(wù)完成潛力指數(shù)和執(zhí)行任務(wù)價(jià)值指數(shù)作為系統(tǒng)收益，通過(guò)模型評(píng)價(jià)指標(biāo)以評(píng)價(jià)當(dāng)前分配方案的優(yōu)劣，最終確定最佳分配方案。

1.1 任務(wù)風(fēng)險(xiǎn)指數(shù)

任務(wù)風(fēng)險(xiǎn)指數(shù)是指無(wú)人機(jī)在執(zhí)行任務(wù)時(shí)損毀的概率大小，設(shè)無(wú)人機(jī)Vi號(hào)執(zhí)行Mj號(hào)任務(wù)時(shí)的任務(wù)風(fēng)險(xiǎn)指數(shù)為：

(1)

式中：ValVi為無(wú)人機(jī)Vi號(hào)的價(jià)格成本；ThrMj為無(wú)人機(jī)完成任務(wù)Mj號(hào)發(fā)生損毀的概率大??；max{ValVi|1≤i≤m}是所有無(wú)人機(jī)中的最大價(jià)格成本。

1.2 航程損耗指數(shù)

任務(wù)航程損耗指數(shù)是指無(wú)人機(jī)完成任務(wù)時(shí)間長(zhǎng)短，設(shè)無(wú)人機(jī)Vi號(hào)執(zhí)行任務(wù)Mj的航程損耗指數(shù)為：

(2)

式中：DisVij表示無(wú)人機(jī)Vi與任務(wù)Mj之間的距離；max{DisVij|1≤i≤m}表示所有無(wú)人機(jī)到任務(wù)Mj的最大距離。

1.3 任務(wù)完成潛力指數(shù)

任務(wù)完成潛力是指無(wú)人機(jī)完成指定任務(wù)的概率大小，應(yīng)優(yōu)先分配任務(wù)給完成概率大的無(wú)人機(jī)。設(shè)無(wú)人機(jī)Vi號(hào)完成任務(wù)Mj的潛力指數(shù)為:

(3)

式中：TiVi表示無(wú)人機(jī)Vi號(hào)在空中飛行的最大時(shí)間；max{TiVi|1≤i≤m}表示所有無(wú)人機(jī)在空中飛行的最大時(shí)間；Potij表示無(wú)人機(jī)Vi號(hào)執(zhí)行任務(wù)Mj時(shí)的任務(wù)完成概率。

1.4 執(zhí)行任務(wù)價(jià)值指數(shù)

執(zhí)行任務(wù)價(jià)值指數(shù)是指無(wú)人機(jī)在完成匹配任務(wù)后能夠創(chuàng)造的最大價(jià)值，設(shè)無(wú)人機(jī)Vi完成匹配任務(wù)Mj的執(zhí)行任務(wù)價(jià)值指數(shù)為:

(4)

式中：ValMj表示完成任務(wù)Mj的收益；max{ValMj|1≤i≤m}則表示所有任務(wù)中完成收益最大值。

1.5 戰(zhàn)場(chǎng)無(wú)人機(jī)禁飛區(qū)域

在現(xiàn)代戰(zhàn)爭(zhēng)中，雷達(dá)等偵測(cè)手段成為了無(wú)人機(jī)的頭號(hào)敵人，躲避雷達(dá)和監(jiān)控設(shè)備將會(huì)大大降低無(wú)人機(jī)墜毀概率，為了模擬敵人的雷達(dá)和監(jiān)控設(shè)備，無(wú)人機(jī)在完成任務(wù)過(guò)程中禁止在該區(qū)域內(nèi)飛行，即滿足：

(5)

式中：Vxi、Vyi分別表示無(wú)人機(jī)飛行狀態(tài)下的橫縱坐標(biāo)；Oxi、Pyi則表示敵軍雷達(dá)和監(jiān)控設(shè)備的橫縱坐標(biāo)。

考慮應(yīng)以最短時(shí)間執(zhí)行任務(wù)，無(wú)人機(jī)執(zhí)行任務(wù)路徑為直線往返，所以無(wú)人機(jī)與禁飛區(qū)中心位置最短距離大于等于其安全半徑可轉(zhuǎn)化為無(wú)人機(jī)與被執(zhí)行任務(wù)之間連線與禁飛區(qū)圓形區(qū)域相切或相離，過(guò)禁飛區(qū)圓心向無(wú)人機(jī)飛行路徑直線作垂線，無(wú)人機(jī)到禁飛區(qū)邊緣的最近距離：

(6)

式中：Aijx+Bijy+Cij=0為無(wú)人機(jī)Vi執(zhí)行任務(wù)Mj時(shí)無(wú)人機(jī)位置與任務(wù)點(diǎn)位置連線的直線方程；Ri(i=1，2，…,n)為禁飛區(qū)的安全半徑。

1.6 無(wú)人機(jī)分配優(yōu)化模型

任務(wù)風(fēng)險(xiǎn)指數(shù)以及航程損耗指數(shù)作為代價(jià)指標(biāo)需要進(jìn)行最小優(yōu)化，而任務(wù)完成潛力指數(shù)和任務(wù)收益指數(shù)作為最終收益要進(jìn)行最大優(yōu)化。為了能夠?qū)?yōu)化目標(biāo)統(tǒng)一，采用倒數(shù)方法表示系統(tǒng)任務(wù)收益。

(7)

式中：Get_Fin為完成任務(wù)潛力指數(shù)的倒數(shù)；Get_Inc為執(zhí)行任務(wù)價(jià)值指數(shù)的倒數(shù)。

將四個(gè)指標(biāo)的線性組合作為無(wú)人機(jī)分配任務(wù)的綜合評(píng)價(jià)指標(biāo)來(lái)評(píng)判分配方案的優(yōu)劣，由此得到最終的無(wú)人機(jī)分配優(yōu)化目標(biāo)函數(shù)為：

(8)

式中：m和n分別表示無(wú)人機(jī)和任務(wù)的最大數(shù)量。m和n的約束條件為：

(9)

式中：kVi為每種類型無(wú)人機(jī)的最大任務(wù)負(fù)荷，無(wú)人機(jī)執(zhí)行任務(wù)數(shù)量不能超過(guò)其最大任務(wù)負(fù)荷；hij表示無(wú)人機(jī)Vi號(hào)是否去執(zhí)行了任務(wù)Mj，記錄無(wú)人機(jī)完成任務(wù)的狀態(tài)，若無(wú)人機(jī)Vi完成了任務(wù)Mj則將其各項(xiàng)指標(biāo)代入計(jì)算，否則不列入數(shù)值。計(jì)算表達(dá)式為：

(10)

2 多無(wú)人機(jī)分配優(yōu)化算法

2.1 經(jīng)典螢火蟲算法

經(jīng)典螢火蟲算法是一種啟發(fā)式算法，靈感來(lái)源于螢火蟲閃爍行為。螢火蟲不分性別，任意個(gè)體將會(huì)吸引到所有其他的螢火蟲。吸引力與它們的亮度成正比，對(duì)于任意兩個(gè)螢火蟲，亮度低的螢火蟲被吸引，向更加明亮的移動(dòng)，其亮度又隨著其距離的變化而變化。如果在某個(gè)螢火蟲鄰域范圍內(nèi)沒(méi)有亮度更高的螢火蟲，那么它會(huì)隨機(jī)移動(dòng)，直到集中于全局最亮螢火蟲的周圍。

群體中每一個(gè)螢火蟲都對(duì)應(yīng)問(wèn)題的一個(gè)可能解。假設(shè)Xi=(xi1,xi2,…,xid)是一只螢火蟲，其中：i表示螢火蟲的編號(hào)；d表示每一個(gè)螢火蟲解的緯度數(shù)。對(duì)于兩只不同的螢火蟲即不同解Xi、Xj,i≠j，二者之間的吸引度可以表示為：

(11)

式中：β0表示距離r=0處的吸引力；rij表示兩只螢火蟲之間的距離；γ表示兩者之間傳播媒介對(duì)光的吸收率，由介質(zhì)性質(zhì)決定。式(12)即為兩只不同螢火蟲之間的距離。

(12)

移動(dòng)公式表示為：

xid(t+1)=xid(t)+β(rij)·(xjd(t)-xid(t))+αε

(13)

式中：α∈[0,1]表示螢火蟲每次移動(dòng)的步長(zhǎng)的系數(shù)；ε為常數(shù)，表示移動(dòng)步長(zhǎng)；t表示迭代的次數(shù)。所有螢火蟲按照式(13)向著更優(yōu)個(gè)體移動(dòng)。

2.2 改進(jìn)的混沌自適應(yīng)螢火蟲算法

螢火蟲算法容易陷入局部最優(yōu)解，而且還存在著最亮個(gè)體距離過(guò)遠(yuǎn)而導(dǎo)致的螢火蟲無(wú)法集中收斂和收斂速度慢問(wèn)題。對(duì)傳統(tǒng)螢火蟲算法進(jìn)行改進(jìn)，運(yùn)用變尺度混沌方法將光吸收系數(shù)改進(jìn)為跟隨迭代次數(shù)不斷更替的混沌數(shù)值，再將螢火蟲的位置公式中引入全局最優(yōu)以及自適應(yīng)步長(zhǎng)因子與慣性權(quán)重來(lái)整體優(yōu)化螢火蟲算法的性能。

2.2.1步長(zhǎng)因子優(yōu)化

理想情況下，螢火蟲最終會(huì)收斂于極少點(diǎn)或者單個(gè)點(diǎn)，由此可得到：

(14)

當(dāng)?shù)螖?shù)達(dá)到一定數(shù)值時(shí)，式(14)就會(huì)收斂為一個(gè)數(shù)值，收斂后的解不再發(fā)生變化，此時(shí)可以根據(jù)式(11)-式(13)得到：

(15)

由式(15)可知，當(dāng)最終結(jié)果收斂時(shí)，步長(zhǎng)因子α=0。

根據(jù)此性質(zhì)，提出一種自適應(yīng)步長(zhǎng)的改進(jìn)方案：

(16)

式中：Tmax為迭代最大次數(shù)。

由式(16)可以看出，當(dāng)?shù)螖?shù)增加時(shí)，步長(zhǎng)因子在不斷減小，在t→∞時(shí)步長(zhǎng)因子α→0，加快了收斂速度和精度。

2.2.2自適應(yīng)慣性權(quán)重

為了能夠使得螢火蟲移動(dòng)時(shí)方向和搜索距離更加準(zhǔn)確，在螢火蟲上一時(shí)刻位置xid(t)前引入μ(t)自適應(yīng)慣性權(quán)重：

(17)

式中：gbest(t)為螢火中歷史全局最優(yōu)值；E(f)為第t次迭代所有目標(biāo)位置的平均值：

(18)

通過(guò)引入自適應(yīng)慣性權(quán)重，使得計(jì)算后期螢火蟲的收斂精度和速度進(jìn)一步提高。

2.2.3引入歷史全局最優(yōu)值

在螢火蟲的位置更新中加入歷史全局最佳位置，讓螢火蟲有記憶地搜尋最優(yōu)解，在向更亮的個(gè)體移動(dòng)的過(guò)程中同時(shí)向著歷史最佳位置靠攏，使得位置較遠(yuǎn)的螢火蟲也能在迭代次數(shù)較高的情況下集中于全局最優(yōu)解附近，大大加快了收斂速度和收斂精度。改進(jìn)后的位置公式為：

xid(t+1)=μ(t)xid(t)+β0(rij)·(xjd(t)-xid(t))+

ω(gbest(t)-xid(t))+α(t)ε

(19)

式中：gbest(t)是迭代次數(shù)為t時(shí)的歷史最佳位置。ω系數(shù)隨著t增大而減?。?/p>

(20)

2.2.4變尺度混沌光強(qiáng)度吸收系數(shù)

光吸收系數(shù)γ是影響螢火蟲搜索精度和速度非常重要的參數(shù)[13]，能夠很大程度影響到螢火蟲向最優(yōu)解集中。當(dāng)γ→∞時(shí)，根據(jù)式(11)可知β(i,j)→0，螢火蟲的吸引力最小，有利于在小范圍內(nèi)細(xì)化搜索；當(dāng)γ→0時(shí)，β(i,j)→∞，螢火蟲吸引力最大，可以進(jìn)行大范圍移動(dòng)，有利于在大范圍內(nèi)全局搜索最優(yōu)解。如果光吸收系數(shù)設(shè)定為常數(shù)則會(huì)影響到螢火蟲搜索的精度和速度，基于此提出一種變尺度混沌光強(qiáng)度吸收系數(shù)來(lái)強(qiáng)化螢火蟲的全局與局部搜索能力。

混沌是一種普遍存在的非線性現(xiàn)象，具有隨機(jī)性、初值敏感性、應(yīng)用便利性，利用這些特性改變螢火蟲的光吸收強(qiáng)度系數(shù)，讓算法能夠跳出局部最優(yōu)解，避免了迭代過(guò)程中光吸收強(qiáng)度保持不變的缺陷。

根據(jù)Gandomi等[14]對(duì)映射函數(shù)的分析，選擇混沌應(yīng)用效果較好的Sinusoidal映射，其公式為：

(21)

式中：a為一個(gè)幅值常數(shù)。

搜索空間對(duì)于混沌優(yōu)化方法有較大的影響，搜索空間較小時(shí)效果較為明顯，搜索空間過(guò)大會(huì)導(dǎo)致混沌優(yōu)化失效。隨著搜索空間的增大，搜索精度也會(huì)進(jìn)一步降低，所以采用變尺度混沌方法限制其搜索空間大小。將式(21)改進(jìn)為：

(22)

式中：

(23)

此時(shí)光強(qiáng)度吸收系數(shù)為：

(24)

螢火蟲的亮度公式改進(jìn)為：

(25)

βrev(i,j)隨著迭代次數(shù)變化的曲線如圖1所示，迭代前期收斂速度較快，能夠提高收斂速度，迭代后期搜索范圍變小，收斂速度較慢，有利于群體在小范圍內(nèi)精確尋找最優(yōu)位置。

圖1 混沌變異γ變化曲線

根據(jù)上述提出的改進(jìn)方案，變尺度混沌自適應(yīng)螢火蟲算法(CAFA)的流程如圖2所示。

圖2 混沌自適應(yīng)螢火蟲算法流程

3 實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證提出的分配算法的合理性，本文設(shè)計(jì)了如下算例進(jìn)行無(wú)人機(jī)協(xié)同作戰(zhàn)仿真實(shí)驗(yàn)。假設(shè)任務(wù)開始前，我軍已經(jīng)獲取了敵軍所有目標(biāo)部隊(duì)以及交戰(zhàn)區(qū)域敵軍防空陣地的坐標(biāo)，敵我雙方交戰(zhàn)的地域S=[0，80]×[0，80] km2內(nèi)，有15個(gè)地點(diǎn)安排有不同類型任務(wù)，并且4架作戰(zhàn)無(wú)人機(jī)已被我方地面部隊(duì)送達(dá)適合起飛的4個(gè)位置執(zhí)行相關(guān)任務(wù)。作戰(zhàn)地域整體分布情況如圖3所示。

圖3 作戰(zhàn)區(qū)域整體位置分布

在交戰(zhàn)區(qū)域S內(nèi)設(shè)立三個(gè)禁飛區(qū)，無(wú)人機(jī)在完成任務(wù)過(guò)程中禁止在該區(qū)域內(nèi)飛行即滿足：

(26)

式中：Vxi、Vyi分別表示無(wú)人機(jī)飛行狀態(tài)下的橫縱坐標(biāo)；三個(gè)雷達(dá)的偵測(cè)范圍分別為方圓12 km、11 km、10 km。

表1 無(wú)人機(jī)各項(xiàng)參數(shù)表

表2 任務(wù)各項(xiàng)參數(shù)表

續(xù)表2

根據(jù)表1和表2相關(guān)無(wú)人機(jī)和任務(wù)參數(shù)可知，毀傷任務(wù)1、7、11僅可以由3號(hào)和4號(hào)無(wú)人機(jī)完成即xi1、xi7、xi11取值為3、4，監(jiān)視任務(wù)2、10、15僅可由1號(hào)、2號(hào)、3號(hào)無(wú)人機(jī)完成即xi2、xi10、xi15的取值為1、2或3，其他任務(wù)取值以此類推。

對(duì)算例中任務(wù)按照1～n進(jìn)行編號(hào)，無(wú)人機(jī)則按照1～m進(jìn)行編號(hào)，無(wú)人機(jī)總數(shù)為4架，則螢火蟲個(gè)體的搜索范圍Ω?[1，5)，所得小數(shù)均向下取整，由任務(wù)數(shù)n=15可設(shè)定螢火蟲個(gè)體xi屬性為15維，第i個(gè)螢火蟲表示為xi=(xi1,xi2,…,xi15)。為保證算法收斂到最優(yōu)解，設(shè)置螢火蟲的初始種群個(gè)體數(shù)量N=20，迭代次數(shù)t=1 000，其步長(zhǎng)因子α、光吸收系數(shù)γ、慣性系數(shù)ω都由函數(shù)定義，分別用粒子群算法、經(jīng)典螢火蟲算法、混沌自適應(yīng)螢火蟲算法對(duì)此問(wèn)題進(jìn)行求解得到其最優(yōu)分配序列如表3所示，運(yùn)用PSO、FA、CAFA三種算法求解迭代對(duì)比如圖4所示。

表3 無(wú)人機(jī)任務(wù)分配表

圖4 三種不同算法對(duì)應(yīng)迭代對(duì)比

可以看出，三種算法的迭代速度有非常大的差別，其中以混沌自適應(yīng)螢火蟲算法的迭代速度最快，在74次左右就收斂到最優(yōu)值，比粒子群和傳統(tǒng)螢火蟲算法在迭代速度上有了很大提升。所以混沌自適應(yīng)螢火蟲算法對(duì)此問(wèn)題有更好地適應(yīng)度。在無(wú)人機(jī)或任務(wù)狀態(tài)發(fā)生改變時(shí)，該算法可以更快地響應(yīng)計(jì)算出新的最優(yōu)分配方案。算法結(jié)果對(duì)比如表4所示，其飛行路線如圖5所示。

表4 三種算法結(jié)果對(duì)比表

圖5 無(wú)人機(jī)執(zhí)行任務(wù)飛行軌跡

表4給出了PSO、FA和混沌自適應(yīng)算法的數(shù)值結(jié)果對(duì)比，可以看出針對(duì)此問(wèn)題的解PSO和FA的迭代時(shí)間、次數(shù)和最終結(jié)果相對(duì)于混沌自適應(yīng)算法適應(yīng)度都相對(duì)較差，混沌自適應(yīng)算法得到的結(jié)果相對(duì)于PSO和FA精度分別提高了16.07%、11.12%，迭代時(shí)間相對(duì)提高了31.99%，24.79%，收斂率也相對(duì)提高了33.33%、17.65%。實(shí)驗(yàn)結(jié)果表明CAFA具有較強(qiáng)的全局搜索能力和處理復(fù)雜問(wèn)題的能力，在面對(duì)復(fù)雜情況時(shí)能夠更快響應(yīng)，計(jì)算出當(dāng)前狀態(tài)下的最佳方案，且能根據(jù)作戰(zhàn)任務(wù)和無(wú)人機(jī)狀態(tài)的改變實(shí)時(shí)更新方案。除此之外，該算法能夠很好地提升傳統(tǒng)螢火蟲算法在初期容易陷入局部最優(yōu)和隨機(jī)移動(dòng)造成的收斂較慢的問(wèn)題，使得在優(yōu)化分配任務(wù)初期能夠更準(zhǔn)確、更快地優(yōu)化當(dāng)前方案，節(jié)省大量時(shí)間成本，讓無(wú)人機(jī)群的作戰(zhàn)性能進(jìn)一步提升。

4 結(jié) 語(yǔ)

本文針對(duì)多數(shù)量無(wú)人機(jī)協(xié)同作戰(zhàn)任務(wù)的分配問(wèn)題提出一種基于變尺度混沌光吸收強(qiáng)度系數(shù)、自適應(yīng)步長(zhǎng)、慣性系數(shù)、全局歷史最優(yōu)解的綜合螢火蟲優(yōu)化算法。算法能夠在搜索前期自適應(yīng)選擇最優(yōu)方向并加快搜索速度，在收斂后期又可以精確搜索局部最優(yōu)解，有效地解決由于步長(zhǎng)不變而導(dǎo)致的容易在搜索后期跳過(guò)最優(yōu)解、收斂前期速度過(guò)慢的問(wèn)題，具有非常好的收斂精度和速度；能夠在一定程度上提升無(wú)人機(jī)群的協(xié)同作戰(zhàn)的性能、反應(yīng)速度并提高處理復(fù)雜多變的情況下任務(wù)分配速度?？紤]地形和環(huán)境等影響因素，將算法如何運(yùn)用于更加復(fù)雜的異構(gòu)無(wú)人機(jī)協(xié)同作戰(zhàn)系統(tǒng)，是下一步研究的目標(biāo)。