.png){kind=icon}
返回
Distributed Task Allocation for Multiple UAVs Based on Swarm Benefit Optimization
.png){kind=icon}
OA
AI
DOI：10.3390/drones8120766.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
拍卖机制是解决无人机 (UAV) 群任务分配问题的关键分布式解决方案，其快速解决能力非常适合满足无人机群空中任务规划的实时要求。基于拍卖机制，提出了一种基于群效益优化的多无人机分布式任务分配方法。该方法引入个体收益变化以量化任务对单个UAV的收益的影响，从而使得能够通过这些个体收益变化来直接优化群体收益。在制定的个人收益计算中，考虑了任务与无人机之间的空间距离以及初始任务值及其时间衰减，从而确保了全面而准确的评估。此外，该方法结合了每个UAV的个体收益的实时更新，反映了集群内任务收益波动的动态状态。蒙特卡洛仿真实验表明，对于16个无人机和80个任务的群体规模，该方法与基于共识的捆绑算法 (CBBA) 和性能影响 (PI) 方法相比，平均群体收益分别提高了约2% 和4%，从而验证了其有效性。
Keyword:
distributed task allocation
multiple UAVs
swarm benefits optimization
auction mechanism
期刊
D
IF:
4.8
论文数:
3.9K
被引数:
8.3K
机构
引用论文
.png){kind=icon}
An intelligent cooperative mission planning scheme of UAV swarm in uncertain dynamic environment不确定动态环境下无人机群智能协同任务规划方案
PREAI
分享收藏A Dynamic Task Allocation Method for Unmanned Aerial Vehicle Swarm Based on Wolf Pack Labor Division Model基于狼群分工模型的无人机群动态任务分配方法
PREAI
分享收藏
查看更多内容