混合遗传算法提升多UCAV协同任务分配效率

本文主要探讨了"基于混合遗传算法的多UCAV协同任务分配方法"这一主题，发表于2005年11月的东南大学学报（自然科学版）第35卷增刊(Ⅱ)。论文由叶媛媛、闵春平、沈林成和朱华勇四位作者共同完成，他们分别来自国防科技大学机电工程与自动化学院和第二炮兵装备研究院。 论文针对多UCAV（无人作战航空器）之间的协同作战控制决策问题，提出了一个关键的多目标整数规划模型。这个模型旨在有效分配多个UCAV的任务，考虑到它们的复杂性和协作需求。传统的优化方法可能不足以处理此类大规模且约束严格的任务分配问题，因此作者引入了遗传算法作为求解策略。 作者创新性地将问题的启发性知识融入到遗传算法中，采用了整数编码的混合遗传算法。这种方法区分了自由变量和非自由变量，仅对非自由变量进行编码，这显著减少了染色体的长度和变化因素，从而提高了算法的运算效率。通过设计适应整数编码的交叉和变异操作，作者还巧妙地设置了变异范围，以确保新生成的个体更有可能满足问题的约束条件。 实验部分，作者选择了UCAV的SEAD任务（Search and Engagement Assessment and Damage）作为实例，进行了详细的仿真研究。结果显示，混合遗传算法在求解大规模整数规划问题时表现出色，不仅在求解速度上优于标准遗传算法，而且在满足约束条件方面也取得了显著提升。因此，这篇论文强调了混合遗传算法在复杂任务分配问题中的实用性和有效性，对于无人作战航空器系统的控制决策有着重要的理论价值和实际应用前景。 关键词包括：UCAV（无人作战航空器）、混合遗传算法、整数编码、任务分配以及整数规划，这些关键词揭示了论文的核心研究内容和技术路线。整个研究对于推进无人系统协同作战的理论与实践具有重要意义，对于未来智能军事系统的设计和优化提供了新的思考角度。