基于改进遗传算法的多异构无人水面艇任务分配方法OA

针对多异构无人水面艇(USV)协同访问多目标点的任务分配问题,本文以最小化USV集群总航行距离和最大化目标点访问总收益为双重优化目标,建立了考虑多异构USV多目标点访问任务分配问题的双目标优化数学模型。本文提出一种改进的非支配排序遗传算法(INSGA-Ⅱ):首先,针对多优化目标设计了启发式算法构造初始解;其次,利用快速非支配排序机制对解集进行分类及选择;最后,结合自适应接受概率机制和局部搜索,以兼顾全局探索与局部优化。对比分析表明,INSGA-Ⅱ显著提升了求解质量。相较于协同进化多种群遗传算法(CMGA)与经典算法NSGA-Ⅱ,INSGA-Ⅱ不仅将总旅行距离分别降低了15.6%和16.9%,还在目标点访问总奖励上实现了平均7.9%的提升,实现了多目标间更优的帕累托平衡。总而言之,该改进算法不仅在不同规模的任务场景下均保持了极强的鲁棒性,也为未来大规模无人船集群的智能协同控制提供了更具竞争力的理论依据与算法参考。