基于一致性差分进化的分布式任务分配

针对异构无人飞行器(UAV)集群在强约束条件下执行多类任务的最优分配问题,将自适应参数差分进化算法与分布式架构结构融合,形成了基于一致性机制的分布式差分进化(CBDE)算法,在处理既定目标任务分配时达到了集中式方法的优化效果.在算法实施过程中,集群个体作为具有计算能力的局部优化器,异步执行改进的自适应参数差分进化算法,并通过UAV间的通信拓扑,按照一定的决策规则,共享个体适应度和分配结果,最终实现全局一致的效果.与集中式方法的仿真对比发现,CBDE算法求解中小规模任务分配问题的时间更短,执行效率更高,而且灵活的扩展性非常适合向大规模集群任务分配问题推广.