【无人机任务分配】基于合同网协议(CNP算法)实现多无人机具有时间窗口和优先级约束任务分配及跟踪问题附matlab代码

简介: 【无人机任务分配】基于合同网协议(CNP算法)实现多无人机具有时间窗口和优先级约束任务分配及跟踪问题附matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

多无人机(UAV)协同目标分配是多无人机协同控制的重要内容之一.针对多无人机协同侦察问题,以提高作战效能,减少侦察代价和任务完成时间为目的进行目标分配,首先建立了目标分配问题的数学模型,在初始分配的基础上,使用基于合同网的目标分配方法,引入负载系数参数,最后通过迭代执行买卖合同与交换合同实现了任务的合理分配.由仿真结果可知,算法能够给出很好的优化效果的分配方案,并有很好的可扩展性.

⛄ 部分代码

close all

clc

clear


num_of_UAVs = 4; % Num of UAVs


time = 1300;


sample_arena = Arena; % Arena , If you want to change the position of static

% Obstacals, see the Arena.m file


tic


for i = 1:1:num_of_UAVs

   % Initialising the Aircrafts

   UAVs(i) = AirCraft(i);

 

end


sample_mission_planner = mission_planner(UAVs, sample_arena );

% Initialising the mission planner

N = time/sample_arena.dt;

%% Loop run


for i = 1:1:N

   

   for k = 1:1:numel(UAVs)

       

       sample_mission_planner.plan_mission(k);

       % Plan mission i,e get the new command for the k-th UAV

   end

   

   for k = 1:1:numel(UAVs)

       UAVs(k).move(sample_arena);

       % move the K-th UAV

   end

 

end



toc


%% Figure plots

figure (1);

hold on


for l = 1:1:num_of_UAVs

   X = [UAVs(l).vehical_log.x];

   Y = [UAVs(l).vehical_log.y];

   Z = [UAVs(l).vehical_log.h];

   if l == 1

       plot3(X , Y , Z,'y')

   elseif l == 2

       plot3(X , Y , Z , 'g')

          elseif l == 3

       plot3(X , Y , Z , 'k')

       

   end

   

end


buildings = sample_arena.static_object;


plot([buildings(1).x;buildings(2).x;buildings(3).x;buildings(4).x] , [buildings(1).y;buildings(2).y;buildings(3).y;buildings(4).y],'bs')

title('Routes followed by the UAVs','fontsize',7)

xlabel('East(m)')

ylabel('North(m)')

zlabel('Up(m)')


axis equal , grid on , pause(0.01),hold off;



for i = 1:1:num_of_UAVs

   

   speed(:,i) = [UAVs(i).vehical_log.v];

   heading(:,i) = [UAVs(i).vehical_log.psi];

   bank(:,i) = [UAVs(i).vehical_log.phi];

   height(:,i) = [UAVs(i).vehical_log.h];

   

end


figure(3)

subplot(4,1,1)

plot(speed)

xlabel('time (s)','fontsize',7)

ylabel('air spd (m/s)','fontsize',7)


subplot(4,1,2)

plot(heading)

xlabel('time (s)','fontsize',7)

ylabel('hdg (deg)','fontsize',7)



subplot(4,1,3)

plot(bank)

xlabel('time (s); solid - actual; dotted - cmd','fontsize',7)

ylabel('bank (deg)','fontsize',7)

subplot(4,1,4)

plot(height)

xlabel('time (s)','fontsize',7)

ylabel('ht (m)','fontsize',7)

⛄ 运行结果

⛄ 参考文献

[1] 钱艳平, 夏洁, 刘天宇. 基于合同网的无人机协同目标分配方法[C]// CNKI. CNKI, 2011:5.

[2] 常松, 贾子彦. 基于改进合同网算法的多无人机任务分配[J]. 物联网技术, 2020, 10(5):3.

⛳️ 代码获取关注我

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料


相关文章
|
2天前
|
算法 数据安全/隐私保护 计算机视觉
基于FPGA的图像双线性插值算法verilog实现,包括tb测试文件和MATLAB辅助验证
本项目展示了256×256图像通过双线性插值放大至512×512的效果,无水印展示。使用Matlab 2022a和Vivado 2019.2开发,提供完整代码及详细中文注释、操作视频。核心程序实现图像缩放,并在Matlab中验证效果。双线性插值算法通过FPGA高效实现图像缩放,确保质量。
|
3天前
|
机器学习/深度学习 数据采集 算法
基于GWO灰狼优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a,展示了时间序列预测算法的运行效果(无水印)。核心程序包含详细中文注释和操作视频。算法采用CNN-GRU-SAM网络,结合灰狼优化(GWO),通过卷积层提取局部特征、GRU处理长期依赖、自注意力机制捕捉全局特征,最终实现复杂非线性时间序列的高效预测。
|
1天前
|
算法
基于SOA海鸥优化算法的三维曲面最高点搜索matlab仿真
本程序基于海鸥优化算法(SOA)进行三维曲面最高点搜索的MATLAB仿真,输出收敛曲线和搜索结果。使用MATLAB2022A版本运行,核心代码实现种群初始化、适应度计算、交叉变异等操作。SOA模拟海鸥觅食行为,通过搜索飞行、跟随飞行和掠食飞行三种策略高效探索解空间,找到全局最优解。
|
1天前
|
算法 数据可视化 数据安全/隐私保护
一级倒立摆平衡控制系统MATLAB仿真,可显示倒立摆平衡动画,对比极点配置,线性二次型,PID,PI及PD五种算法
本课题基于MATLAB对一级倒立摆控制系统进行升级仿真,增加了PI、PD控制器,并对比了极点配置、线性二次型、PID、PI及PD五种算法的控制效果。通过GUI界面显示倒立摆动画和控制输出曲线,展示了不同控制器在偏转角和小车位移变化上的性能差异。理论部分介绍了倒立摆系统的力学模型,包括小车和杆的动力学方程。核心程序实现了不同控制算法的选择与仿真结果的可视化。
26 14
|
6月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
272 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
6月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
162 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
6月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
138 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
9月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
9月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)

热门文章

最新文章