Pattern-aware multiobjective optimization with multimodal representations for UAV reconnaissance and task offloading

doi:10.1016/j.patcog.2026.114589

Pattern-aware multiobjective optimization with multimodal representations for UAV reconnaissance and task offloading

2026-08-01

0

PRE

AI

DOI：10.1016/j.patcog.2026.114589

原文链接

原文求助

摘要

En 中文

异构多无人机系统中的协同侦察与任务卸载构成一个耦合的多目标优化问题，其中目标覆盖、Dubins约束飞行、通信计算服务、威胁暴露和能量消耗必须联合协调。现有研究通常将侦察规划和任务卸载分别优化，难以捕捉异构任务模式与服务需求间的相互作用。为解决此问题，本文提出一种模式感知的多目标优化模型，采用多模态任务表示。该模型在统一框架中表征点状、线状和区域状目标、空间威胁场及任务服务需求，并联合优化任务分配、访问顺序、Dubins路径过渡、通信延迟、计算延迟、威胁暴露和能量消耗。主要技术新颖性在于提出的熵引导自适应多目标粒子群优化算法（EGA-MOPSO）。与标准MOPSO不同，EGA-MOPSO引入熵引导的领导者选择机制以调节目标空间多样性，自适应微分扰动项以增强决策空间探索，以及基于直觉模糊熵的变异控制策略以识别进化状态并避免搜索停滞。这些机制协同作用以提升强耦合多目标搜索中的收敛引导、多样性保持和鲁棒性。在ZDT、DTLZ和WFG基准测试套件上的实验表明，EGA-MOPSO在收敛性、多样性和帕累托解质量方面具有竞争力。异构多无人机仿真进一步证明，所提框架能在不同目标模式与威胁配置下生成可行的任务分配和轨迹规划方案，为协同侦察与任务卸载提供多样化的折衷解。

Keyword:

Multimodal mission representation

Pattern-aware multiobjective optimization

Cooperative reconnaissance

Task offloading

Heterogeneous multi-UAV systems

Pattern-aware multiobjective optimization with multimodal representations for UAV reconnaissance and task offloading

摘要

期刊

机构

引用论文