基于人工免疫算法的多无人机协同任务分配方法研究

西安交通大学自动化84班杨恺本科毕设代码

基本信息

• UAV.xlsl: 无人机的参数信息
• Target.xlsx: 任务目标的参数信息
• result.xlsm: 论文中的一些数据

单目标

• main: 单目标SIA算法（把第55、69、83、98行的&&改成#&& 即为单目标IA算法）
• InitialSolution: 抗体解码为初始解
• ModifiedSolution: 初始解转化为修正解
• Graph: 根据任务矩阵返回邻接矩阵
• DFS: 深度优先算法，返回死锁回路
• Lock: 以邻接矩阵形式返回死锁次数矩阵
• Unlock: 去除死锁的函数
• Get_mission: 抗体经过上述解码修正操作获得任务分配矩阵
• CostRoad: 计算航程代价
• CostBias: 计算偏差代价
• Reward: 计算任务收益
• Cost: 计算抗体的目标代价
• similar: 计算两个抗体的相似度
• concentration: 计算抗体浓度
• fitness: 计算抗体适应度
• bestselect: 将优秀抗体储存到记忆库
• select: 根据轮盘赌选择繁衍的抗体
• mutate: 变异
• cross: 交叉
• reverse: 反转
• exchange: 交换
• Test: 判断抗体的值是否合理
• Affinity_old: 返回前50次迭代的平均亲和度

多目标

• main_bias: 最小偏差子问题求解
• main_road: 最小航程子问题求解
• main_reward: 最大收益子问题求解
  • 注意：采用分组进化则需把上述3个算法求解的抗体群保存，导入到Pareto_main中，并且将随机初始化代码注释
• Pareto_main: 多目标SIA算法（把第74、104、135行的&&改成#&&即为多目标IA算法）
• Cost_Road: 多目标航程代价
• Cost_Bias: 多目标时间偏差
• Cost_Reward: 多目标任务收益
• Cost_new: 多目标问题的代价函数
• FreshPareto: 更新Pareto最优解集
• Affinity_new: 计算多目标任务亲和度

其他（毕设未用到）

• PSO: 粒子群算法求解MTAP
• Time_array: 返回到达指定任务地点的时间矩阵
• Active: 根据张的文章编写的解决有新目标出现的局部重分配算法
• New_target.xlsx: 临时发现的新任务目标
• Draw: 画甘特图的，太丑了

注意： 未知原因会导致算法报错，跑10次代码可能会遇到一次错误，重新运行即可。