本技术涉及AUV技术领域,提出了一种适用于通信受限环境的多AUV系统任务分配策略。该方法包括:步骤S1,构建马尔可夫决策模型;步骤S2,应用线性回归算法制定策略以估计模型参数。
背景技术
近年来,人们对未知的水下世界越来越好奇,对水下领土的兴趣也越来越受到关注,因此,探索和了解海洋环境变得越来越重要。AUV作为一种无人水下航行器,广泛应用于军事和民用领域,在海底勘探、数据收集、救生救援、目标搜索等任务中发挥着不可替代的作用。随着水下任务需求的不断增加,多AUV系统在任务数量多、任务复杂、协作等方面比单AUV具有独特的优势,并具有较高的可扩展性和稳定性。然而,多AUV系统在完成任务时不可避免地会面临任务分配问题。只有通过了解任务的数量和内容,以及AUV的数量和性能,才能制定分配策略,提高任务执行效率,充分发挥多AUV系统的优势。
目前,国内外学者对利用AUV进行信息收集取得了一些成果。Qtte等人通过考虑投标人的各种评估函数和拍卖人的各种评估函数,包括利润最大化、成本最小化等,解决了水下环境的任务分配问题。Gyeongtaek等人提出了一种新的基于市场的分散算法,用于在有限的通信范围内的动态环境中考虑任务分配,考虑任务之间的交互。近年来,智能算法在任务分配中的研究受到越来越多研究人员的关注。其中生物启发式智能优化算法主要包括粒子群优化算法、遗传算法和蚁群算法等而随着神经网络的广泛研究,自组织映射(SOM)已成功得应用于水下任务分配。然而,在严苛的水下场景中,AUV之间的通信受到严重限制,通信延迟和通信质量严重影响了AUV之间的合作,信息交流非常不便,同时也为单个AUV的自主决策能力提出了更高要求。
实现思路