军事后勤中的多目标无人机任务规划

军事后勤中的多目标无人机任务规划

杨珑

国防大学联合勤务学院研究生大队 北京 100000

摘要：为加快军事运输投送无人机力量建设步伐，推动后勤保障方式根本转变，以军事无人机运输投送任务需求和功能需求为抓手，结合军事部队当前实际和未来发展，阐述陆军运输投送无人机力量建设指导思想与基本原则，提出加强陆军运输投送无人机力量建设的对策。

关键词：军事后勤；多目标；无人机；任务规划

前言

无人机具备越障能力强、无人员伤亡、使用维护方便以及成本相对较低等优势，已在现代战争中得到广泛使用。习主席着眼建设与世界一流军队相适应的现代化后勤，从推动后勤保障方式根本转变的战略高度，鲜明提出加快构建无人智能化保障装备体系的战略思想，为军事部队开展无人机在运输投送领域应用指明了方向。

1军事运输投送无人机力量建设基本设想

1.1 型谱规划

根据军事无人机运输投送任务需求，结合不同任务类型和技术可能，对军事运输无人机型谱进行规划。

1.1.1 平时保障型

根据军事无人机运输投送任务需求，军事边海防部队因交通、气候等原因，迫切需要利用运输无人机的独特优势，在特殊地点特殊时段完成日常物资补给。具体而言，由于山地、高原、海岛地理环境和气候条件不尽相同，可将平时保障型划分为3 个子类型。

1）山地丛林型。主要用于山地丛林边防一线部队，以解决因雨季发生泥石流、山体滑坡等自然灾害导致交通受阻时一线连队的日常物资补给难题。

2）高原高寒型。主要用于高原高寒边防一线部队，以解决因驻地偏僻道路通行困难或因雨雪天气车辆难以通行情况下一线连队的日常物资补给难题。

3）海岛边防型。主要用于军事驻海岛边防部队，以解决遭遇恶劣海况无法补给和传统保障方式效率低下时一线连队的日常物资补给难题。

1.1.2 作战保障型

运输无人机可用于作战前沿物资运输、特种作战运输等作战保障任务。此外，在必要时运输无人机还可根据需要，承担战略战役后方至战术后方较远距离的运输投送任务。因此，根据无人机可能担负的作战运输投送保障任务，可将作战保障型运输无人机划分为5 个子类型。

1）海外投送型。主要用于保障军事部队到境外执行反恐行动、国际维和等任务，可根据任务需要，从境内向境外任务地域投送急需装备物资。

2）战略战役支援型。主要用于承担较远距离的运输投送任务，可根据战略战役企图，从战略战役后方向作战地域投送急需装备物资。

3）特种作战型。主要用于保障军事特种作战行动，特别是根据特战行动需要，为深入敌后的特种部队补充武器弹药、给养药品等物资。

4）战术补给型。主要用于作战前沿部队物资保障，可根据作战需要，及时从战术后方向作战前沿补给急需物资器材，必要时，也可执行机动作战伴随保障任务。

5）伤病员后送型。主要用于完成伤病员由作战前沿至后方医疗机构的转运任务，要求具有较高的安全性和舒适性，并安装有必要的医疗救护器材。由于抢险救灾和核生化污染时的物资器材运输、伤病员后送运输等任务，均可由上述设计方案中的不同类型运输无人机承担，因此，未针对抢险救灾物资运输和核生化污染紧急运输任务，规划专门型号的运输无人机。

1.2 编配设想

根据军事运输无人机需求，可将不同类型的运输无人机编配于军事边海防部队和集团军部队。对于执行海外投送和战略战役支援任务的运输无人机，考虑到地方物流企业已有航程和载质量满足上述两类无人机标准的产品，空军也正在开展远程长航时无人机力量建设，因此，不在军事各级部队编配这两类无人机，而是在需要时动员使用民用运输无人机或向军委联指、战区联指申请使用空军、战区空军所属运输无人机。

2基于改进遗传算法的模型求解

2.1算法改进方案

多无人机协同任务规划模型的求解实质上可以看成是对多旅行商(MTSP)问题的求解。由于旅行商问题属于NP问题，因此通常采用启发式优化算法对模型进行求解。由于传统的遗传算法在求解MTSP问题时，容易陷入局部最优解。为了提高算法的执行效率，较快得到全局最优解，对算法进行以下改进：1)只保留最优父代，加速收敛;2)采用多岛遗传形式，保持解的多样性;3)使用无性繁殖策略，提升了收敛速度，并通过多种交叉和变异方式，避免提前收敛于局部最优解。

2.2算法实现

2.2.1编码

每一个体的染色体长度为n+m-1,其中染色体前n位为随机的整数,呈乱序排列，按大小排序后即为无人机侦查各目标点的顺序。后m-1位为断点位置的标号，断点用来表示目标在不同无人机之间的分配。一条染色体G={4,7,1,9,3,6,3,...|2,5}。其中该染色体对应的目标数为n，其对应的无人机数量为m=3，后半部分的断点2和5表示三架无人机分别侦查攻击以下标号的目标为：

4→7；1→9→3；6→3→...→n。

2.2.2种群

将种群分为多个组，每个组的个体数量为8，组的数量根据模型需要设置为10个。每组内的个体之间相互交叉无障碍，交叉和变异概率pc为0.875，pi为0.01，即组中个体有很小的几率逃逸到另一个组中。初始种群生成。

2.2.3适应度计算及选择策略

适应度函数为各目标函数，取每个岛屿中适应度函数最高(目标函数最小)的个体为父代。为了加速收敛，直接删除该岛屿中其他的个体。

2.2.4遗传运算

采用多种遗传方式来生成子代，具体规则如下：

步骤（1)对换染色体前半段的任意两个数;

步骤（2)对换染色体前半段的两个数段，即同时将多个数进行对换;

步骤（3)对染色体前半段的数进行左移操作;

步骤（4)随机更新染色体后半段;

步骤（5)同时进行步骤（1）和步骤（4）;

步骤（6)同时进行步骤（2）和步骤（4）;

步骤（7)同时进行步骤（3）和步骤（4）;

步骤（8)染色体不变。

2.2.5计算各指标的权重

通常计算权重的方法可以分为主观赋权法和客观赋权法。前者如层次分析法、专家调查法等，该方法反映了决策者的意向，导致了评价和结果具有很大的主观随意性。后者如主成分分析法、熵值法等，该方法虽然具有客观的理论依据，但没有考虑决策者的意向。故采取主客观综合赋权法 (基于熵权的组合赋权法)确定各目标函数的权重。通过将不同指标上的专家主观信息与客观信息进行融合，计算相邻指标间的客观熵权值之比，进而得到各指标的权重。

结束语

本文研究了复杂环境下多目标多无人机协同任务规划问题。在分析影响任务规划关键指标的基础上，以考虑雷达站影响下无人机飞行总航程、攻击目标收益、执行任务的威胁代价以及任务完成时间等指标为目标函数，建立了多机协同任务规划模型。运用主客观综合赋权法确定了各指标所占比重，使得模型更加准确。结合改进的遗传算法对模型进行求解，加快了收敛速度，任务规划效率显著提高。最后考虑到无人机的转弯以及载荷约束，对任务规划路线进行了优化。仿真结果验证了本文方法的有效性。

参考文献：

[1]邹湘伏，何清华，贺继林.无人机发展现状及相关技术[J].飞航导弹，2016，（10）：9-14.

[2]陶于金，李沛峰.无人机系统发展与关键技术综述[J].航空制造技术，2014，（20）：34-39.