王榮巍，何鋒，周璇，魯俊，李二帥

北京航空航天大學(xué) 電子信息工程學(xué)院，北京 100083

航空電子云系統(tǒng)架構(gòu)，簡稱航電云[1-3]，來源于互聯(lián)網(wǎng)云計(jì)算思想，通過虛擬化航電系統(tǒng)資源(例如通信設(shè)備，各種傳感器)為資源池，以進(jìn)行資源的統(tǒng)一管理和按需服務(wù)。航電云不僅對單平臺資源進(jìn)行虛擬，而且可將資源共享范圍從單平臺擴(kuò)充到多系統(tǒng)平臺，使跨系統(tǒng)資源綜合實(shí)現(xiàn)成為可能[4-5]。

無人機(jī)蜂群作戰(zhàn)是一種抗干擾性強(qiáng)、成本低、作戰(zhàn)靈活的作戰(zhàn)體系。無人機(jī)蜂群作戰(zhàn)能力取決于總體架構(gòu)、集群感知與信息融合、集群控制與群體智能、任務(wù)規(guī)劃和航跡規(guī)劃等關(guān)鍵技術(shù)的研究[6]。面向無人機(jī)蜂群作戰(zhàn)的航電云，是航空電子云中由無人機(jī)蜂群組成的特殊云，為解決大規(guī)模無人機(jī)蜂群作戰(zhàn)而提出。

國內(nèi)航電云研究[1-3]分別從云服務(wù)架構(gòu)、模型描述、網(wǎng)絡(luò)架構(gòu)和跨平臺資源虛擬化等不同角度逐漸完善航空電子云概念。在具體應(yīng)用方面，文獻(xiàn)[7-9]將云概念、軟件定義網(wǎng)絡(luò)技術(shù)引入到航空集群和現(xiàn)代交通控制，分別提出軟件定義航空集群機(jī)載戰(zhàn)術(shù)網(wǎng)絡(luò)技術(shù)、集中控制式網(wǎng)絡(luò)部署方法和智能交通信息物理融合云控制系統(tǒng)，以提高復(fù)雜和高動態(tài)網(wǎng)絡(luò)環(huán)境下航空集群作戰(zhàn)能力和智能交通控制系統(tǒng)運(yùn)行性能。

在無人機(jī)蜂群作戰(zhàn)中，任務(wù)調(diào)度由任務(wù)分解和任務(wù)分配組成。針對一般航空作戰(zhàn)任務(wù)分解問題，王國慶等[10]引入Zachman復(fù)雜系統(tǒng)組織設(shè)計(jì)方法從任務(wù)需求、任務(wù)模式、任務(wù)能力、任務(wù)響應(yīng)、任務(wù)組織和任務(wù)管理6個(gè)角度對使命任務(wù)進(jìn)行分析，各角度再從任務(wù)目標(biāo)、任務(wù)執(zhí)行過程、任務(wù)執(zhí)行者、任務(wù)間依賴關(guān)系以及任務(wù)執(zhí)行前提條件對使命任務(wù)進(jìn)行建模。本文作者團(tuán)隊(duì)[11]針對Zachman方法在任務(wù)分解與映射功能上的缺陷，借鑒功能流程框圖(Functional Flow Block Diagram，F(xiàn)FBD)[12]將任務(wù)分段繼而分析出具體的功能與信息需求，并通過仿真實(shí)驗(yàn)證明這種跨平臺任務(wù)執(zhí)行方式更為準(zhǔn)確，有效提高了航電系統(tǒng)整體獲取和交互信息的效率。

在無人機(jī)任務(wù)分配問題上，目前已有的研究成果大多圍繞無人機(jī)執(zhí)行任務(wù)時(shí)間、執(zhí)行任務(wù)飛行距離作為優(yōu)化目標(biāo)進(jìn)行任務(wù)分配，也存在以敵方剩余威脅最小或?qū)掣蓴_最大作為優(yōu)化目標(biāo)。表1根據(jù)無人機(jī)模型、蜂群模型、任務(wù)模型以及目標(biāo)優(yōu)化模型的特點(diǎn)，將近年來主要參考文獻(xiàn)中討論的模型和研究結(jié)果進(jìn)行分類。本文根據(jù)調(diào)度模型中無人機(jī)節(jié)點(diǎn)數(shù)量以及拓?fù)涮攸c(diǎn)，將蜂群模型分為單層、單架無人機(jī)，單層、多架無人機(jī)以及多層、大規(guī)模無人機(jī)3類；根據(jù)調(diào)度任務(wù)的復(fù)雜度，將任務(wù)模型分為粗粒度、細(xì)粒度2類；根據(jù)任務(wù)分配對象，即無人機(jī)模型的復(fù)雜程度，將無人機(jī)模型分為平臺級和模塊級，其中將無人機(jī)整體作為任務(wù)分配對象，即為平臺級無人機(jī)模型，若將任務(wù)分配到無人機(jī)內(nèi)端系統(tǒng)，則為模塊級無人機(jī)模型。

根據(jù)表1所示[13-23]的無人機(jī)任務(wù)分配相關(guān)文獻(xiàn)的整理結(jié)果，可以得出以下結(jié)論：目前對無人機(jī)任務(wù)分配問題的研究大多為粗粒度任務(wù)模型、平臺級無人機(jī)模型以及單層無人機(jī)蜂群模型，未考慮無人機(jī)模塊層任務(wù)調(diào)度，以及大規(guī)模蜂群作戰(zhàn)任務(wù)調(diào)度情況，其任務(wù)調(diào)度模型可視為一種單層任務(wù)調(diào)度模型，在面對航電云架構(gòu)下較復(fù)雜任務(wù)的調(diào)度，還需要對以上模型進(jìn)行改進(jìn)，使其適應(yīng)于航電云架構(gòu)下大規(guī)模無人機(jī)蜂群，以及復(fù)雜多任務(wù)作戰(zhàn)環(huán)境。

本文主要研究航電云中基于分層分簇網(wǎng)絡(luò)拓?fù)涞臒o人機(jī)蜂群任務(wù)調(diào)度問題，提出一種精確到模塊級的多層任務(wù)調(diào)度模型。首先建立無人機(jī)蜂群分層分簇的資源虛擬化模型，將無人機(jī)模塊層到無人機(jī)簇群逐層虛擬化為資源池；設(shè)計(jì)包括使命組、使命、任務(wù)和子任務(wù)的4層任務(wù)模型；借鑒云計(jì)算中任務(wù)分配策略設(shè)計(jì)多層任務(wù)調(diào)度算法，并求解任務(wù)以及使命組耗費(fèi)時(shí)間最短、各無人機(jī)數(shù)據(jù)交互的通信開銷最小等多個(gè)優(yōu)化目標(biāo)組成的各層目標(biāo)函數(shù)。本文所提出的多層任務(wù)調(diào)度模型充分考慮了面向無人機(jī)蜂群的航電云資源結(jié)構(gòu)的特殊性，提高任務(wù)并行性以保證任務(wù)完成時(shí)間。為驗(yàn)證本文提出的模型，采用OMNeT++進(jìn)行仿真，以云計(jì)算中常用任務(wù)調(diào)度算法——遺傳算法和貪心算法為例求解各目標(biāo)函數(shù)，并與傳統(tǒng)的單層任務(wù)調(diào)度模型進(jìn)行性能對比。

表1 近年無人機(jī)蜂群中任務(wù)分配文獻(xiàn)分類Table 1 Recent literature on task assignment in UAV swarm

1 無人機(jī)蜂群航電云

無人機(jī)蜂群航電云是一種為解決未來大規(guī)模無人機(jī)蜂群在資源有限條件下執(zhí)行復(fù)雜使命任務(wù)問題的跨平臺航電綜合化方法，通過利用云計(jì)算中資源虛擬化思想實(shí)現(xiàn)蜂群資源的動態(tài)管理和分配。與以平臺為中心的傳統(tǒng)無人機(jī)蜂群作戰(zhàn)相比，航電云技術(shù)強(qiáng)調(diào)以網(wǎng)絡(luò)為中心，按使命任務(wù)資源需求分配相應(yīng)的資源，充分利用網(wǎng)絡(luò)資源共享優(yōu)勢和各無人機(jī)間任務(wù)交互協(xié)作，實(shí)現(xiàn)作戰(zhàn)能力的優(yōu)勢互補(bǔ)。面向航電云的無人機(jī)蜂群資源共享能力更強(qiáng)、使命執(zhí)行性能更好。

1.1 蜂群航電云模型

如圖1所示，無人機(jī)蜂群云端將蜂群資源統(tǒng)一管理并按服務(wù)的方式提供給各任務(wù)請求。蜂群航電云模型在文獻(xiàn)[3]中航電云所列舉的資源與服務(wù)的基礎(chǔ)上，如計(jì)算資源提供信息處理和計(jì)算等服務(wù)、存儲資源提供信息存儲服務(wù)、圖形處理資源提供圖像數(shù)據(jù)處理服務(wù)，加入無人機(jī)特有的傳感器資源提供信息收集服務(wù)，以及武器、彈藥等作戰(zhàn)資源提供攻擊和防御服務(wù)的內(nèi)容。蜂群航電云模型中各類資源位于無人機(jī)機(jī)載端系統(tǒng)，經(jīng)過資源虛擬化，形成資源池，交由簇首和云端分級統(tǒng)一管理，并根據(jù)使命任務(wù)需求進(jìn)行任務(wù)調(diào)度。

圖1 面向無人機(jī)蜂群的航空電子云任務(wù)調(diào)度示意圖Fig.1 Schematic diagram of avionics cloud task scheduling for UAV swarm

1.2 無人機(jī)蜂群資源模型

無人機(jī)蜂群資源模型由分層分簇的虛擬資源池組成，其中包括云端資源池、簇群資源池和無人機(jī)資源池，以及實(shí)際的物理設(shè)備。其層次關(guān)系如圖2所示。

(1)

圖2 無人機(jī)蜂群資源層次結(jié)構(gòu)Fig.2 Hierarchical structure of UAV swarm resources

(2)

(3)

在層次資源結(jié)構(gòu)中，上層資源池各資源大小為下級各資源池相同資源的總和。以某簇群資源池Ck與無人機(jī)資源池資源關(guān)系為例，假設(shè)簇群資源池Ck中無人機(jī)資源池集合為{U1,U2,…,UP}，其資源關(guān)系為

(4)

式中：k、P和j分別表示該簇群的編號、無人機(jī)數(shù)量以及資源類型。

2 多層任務(wù)調(diào)度模型

在商業(yè)云計(jì)算應(yīng)用系統(tǒng)中，任務(wù)調(diào)度模型主要將大量相互獨(dú)立的任務(wù)分配到有限個(gè)異構(gòu)可用資源上，使得任務(wù)完成時(shí)間最小，并保證高效的資源利用率[24-25]。無人機(jī)蜂群多層任務(wù)調(diào)度模型設(shè)計(jì)理念來源于云計(jì)算中任務(wù)調(diào)度設(shè)計(jì)，由任務(wù)模型和多層任務(wù)調(diào)度算法兩部分組成。根據(jù)商業(yè)云計(jì)算中用戶提交的任務(wù)請求與資源映射關(guān)系，結(jié)合無人機(jī)作戰(zhàn)使命任務(wù)內(nèi)容，提出無人機(jī)蜂群任務(wù)模型；借鑒云計(jì)算中服務(wù)器執(zhí)行任務(wù)的時(shí)間開銷算法模型，考慮到由于無人機(jī)載荷、傳感器等作戰(zhàn)能力不同而存在執(zhí)行任務(wù)能力的差異，設(shè)計(jì)出無人機(jī)多層任務(wù)調(diào)度算法部分，各層分別以f1、f2、f3為目標(biāo)函數(shù)求解分配方案。

借鑒傳統(tǒng)無人機(jī)蜂群作戰(zhàn)場景[19-21]，對無人機(jī)蜂群應(yīng)用場景作如下假設(shè)：

1) 各簇群中無人機(jī)出勤一次為執(zhí)行一個(gè)使命組，執(zhí)行使命組期間，不參與簇首任務(wù)分配。

2) 執(zhí)行完使命組的無人機(jī)回到原簇群，再次提供資源，且各類資源大小不變。

3) 各無人機(jī)資源類型、大小可以不同。

4) 任務(wù)的某種資源需求不能分解，但可根據(jù)資源需求類型分解成多個(gè)子任務(wù)。

5) 本文不考慮各類資源分配差異，任務(wù)調(diào)度過程中各類資源分配方式相同。

2.1 任務(wù)模型

基于無人機(jī)蜂群層次資源模型，借鑒文獻(xiàn)[11]采用功能流程框圖對無人機(jī)蜂群作戰(zhàn)內(nèi)容分層分段，建立使命組、使命、任務(wù)與子任務(wù)的層次任務(wù)模型，并定義各任務(wù)層資源需求關(guān)系。圖3為采用該方法為無人機(jī)攻擊任務(wù)建立的層次任務(wù)模型。

圖3 攻擊使命組FFBD分解圖Fig.3 Attack mission group FFBD exploded view

如圖3所示，攻擊使命組層往下為使命層，由目標(biāo)偵測、搜索鎖定、綜合導(dǎo)航、信息融合和火力攻擊組成，各使命又可根據(jù)具體的功能再次被分解為作戰(zhàn)任務(wù)，如TD1、TD2到TF3等。各作戰(zhàn)任務(wù)存在相互協(xié)作關(guān)系，例如某任務(wù)執(zhí)行完成，需發(fā)送數(shù)據(jù)處理的結(jié)果和完成狀態(tài)到后繼任務(wù)，由后繼任務(wù)根據(jù)數(shù)據(jù)處理結(jié)果完成后續(xù)內(nèi)容，圖中分別采用單向虛線、單向?qū)嵕€表示使命內(nèi)和使命間任務(wù)關(guān)系。圖3中采用藍(lán)色虛框?qū)ξ淦靼l(fā)射任務(wù)TF3進(jìn)行標(biāo)注，以表明任務(wù)、子任務(wù)在資源需求上的關(guān)系。

(5)

(6)

考慮具體的任務(wù)、使命以及使命組的區(qū)別，后續(xù)公式中增加下標(biāo)k對其進(jìn)行標(biāo)識，如Tk、Mk、Gk表示。

參考云計(jì)算中任務(wù)與其子任務(wù)對計(jì)算、存儲以及網(wǎng)絡(luò)資源需求關(guān)系：任務(wù)對計(jì)算、存儲以及網(wǎng)絡(luò)資源需求大小為其所有子任務(wù)相同資源需求的總和，對無人機(jī)任務(wù)模型做相同處理，以使命Mk與其所包含任務(wù)為例，若使命Mk中任務(wù)集合為{T1,T2,…,TI}，其資源關(guān)系為

(7)

式中：k、I和j分別表示該使命的編號、任務(wù)數(shù)量以及所需資源類型。

同理，若使命組Gk中使命集合為{M1,M2,…,MJ}，則Gk對不同資源需求大小為

(8)

在實(shí)際端系統(tǒng)中，計(jì)算、存儲以及圖像處理等各功能模塊對任務(wù)中各資源需求處理時(shí)相互獨(dú)立，因此，在任務(wù)調(diào)度時(shí)，可對任務(wù)進(jìn)行再分解。如圖3藍(lán)色虛框標(biāo)注，任務(wù)TF3根據(jù)資源需求類型被分解成多個(gè)子任務(wù)，采用符號S表示，按照調(diào)度算法，分配到端系統(tǒng)中計(jì)算、存儲等功能模塊上，其過程如圖1機(jī)內(nèi)端系統(tǒng)示意。

2.2 多層任務(wù)調(diào)度算法

多層任務(wù)調(diào)度算法基于資源模型和使命任務(wù)模型，其調(diào)度過程分為3層：云端使命組分配、平臺級任務(wù)分配和模塊級任務(wù)分配，各層分別以f1、f2、f3為目標(biāo)函數(shù)計(jì)算分配方案，其中平臺級任務(wù)分配和模塊級任務(wù)分配分別以遺傳算法和貪心算法為例求解目標(biāo)函數(shù)。

在多層任務(wù)調(diào)度算法中，需在3層任務(wù)調(diào)度層對使命組、使命以及任務(wù)完成時(shí)間進(jìn)行計(jì)算，借鑒云計(jì)算中需求、資源以及時(shí)間的關(guān)系，即在資源有限的前提下，資源需求越大，任務(wù)完成時(shí)間越長，結(jié)合無人機(jī)蜂群中任務(wù)的不同資源需求類型，由此給出多層任務(wù)調(diào)度模型中對資源需求完成時(shí)間的計(jì)算公式。

定義1無人機(jī)蜂群中資源需求與資源的比值即為該資源需求完成的時(shí)間開銷。

(9)

為描述調(diào)度算法，后續(xù)將借助以下符號：

1)N為使命組分解后任務(wù)的數(shù)量。

2)Q為任務(wù)資源需求類型個(gè)數(shù)，同時(shí)也表示無人機(jī)蜂群中資源類型個(gè)數(shù)。

3)D為無人機(jī)之間的通信開銷常量，默認(rèn)各無人機(jī)間通信開銷相等。

2.2.1 第1層：云端使命組分配

在第1層任務(wù)調(diào)度模型中，由無人機(jī)蜂群云端將使命組分配到完成時(shí)間最短的簇群，主要考慮使命組的完成時(shí)間，即對各資源需求的完成時(shí)間進(jìn)行求和，并采用f1表示該層目標(biāo)函數(shù)。

那么分配到簇群C，使命組G時(shí)間開銷為

(10)

為區(qū)分不同簇群下使命組G的完成時(shí)間，后續(xù)采用tG Ci表示。在僅考慮使命組完成時(shí)間開銷的情況下，云端使命組分配的目標(biāo)函數(shù)為

f1=min(tG Ci)i=1,2,…,n

(11)

式中：云端按最小f1選擇最佳簇群分配。

在云計(jì)算中，所有用戶提交任務(wù)在時(shí)間上服從某種分布，且任務(wù)的分配和執(zhí)行可能因資源不足而產(chǎn)生延遲[25]，在無人機(jī)蜂群中也同樣存在。在多層任務(wù)調(diào)度模型性能測試中，假設(shè)云端使命組達(dá)到率服從泊松分布，則分配時(shí)間間隔服從指數(shù)分布，令使命組達(dá)到率為λ，即：P(X>t)=e-λt，當(dāng)f1低于最低容忍時(shí)間開銷ftol時(shí)，表明無人機(jī)蜂群負(fù)載過大，資源不足，需等待下次分配。

2.2.2 第2層：平臺級任務(wù)分配

在第2層任務(wù)調(diào)度，簇首選擇任務(wù)執(zhí)行時(shí)間開銷與通信開銷最小的無人機(jī)集合進(jìn)行分配。由此需要定義任務(wù)之間的關(guān)聯(lián)關(guān)系和通信開銷模型。任務(wù)與任務(wù)之間關(guān)聯(lián)采用有無模型，而通信開銷主要考慮不同無人機(jī)間任務(wù)消息傳輸和數(shù)據(jù)共享所需要的時(shí)間。

定義2任務(wù)與關(guān)聯(lián)關(guān)系ξij

(12)

定義3任務(wù)Tm與Tn間由于關(guān)聯(lián)性所產(chǎn)生的通信開銷φmn：

(13)

以圖3中具有關(guān)聯(lián)關(guān)系的TD3、TP1為例，若兩任務(wù)被分配到相同的無人機(jī)，則φ=0，否則φ=D。依據(jù)任務(wù)關(guān)聯(lián)和通信開銷，可以得到任務(wù)在某無人機(jī)上執(zhí)行所需要的時(shí)間。

定義4任務(wù)T在無人機(jī)U上的時(shí)間開銷tT：

(14)

(15)

f2反映了當(dāng)前任務(wù)調(diào)度層完成整個(gè)使命組所需要的時(shí)間開銷。

2.2.3 第3層：模塊級任務(wù)分配

在第3層任務(wù)調(diào)度，無人機(jī)內(nèi)部控制器選擇單個(gè)任務(wù)完成時(shí)間和總?cè)蝿?wù)完成時(shí)間最短的任務(wù)調(diào)度方案進(jìn)行調(diào)度。假設(shè)該無人機(jī)被分配到任務(wù){(diào)T1,T2,…,Tn}，由此，分別定義單個(gè)任務(wù)完成時(shí)刻和使命組完成時(shí)刻，以及目標(biāo)函數(shù)f3，并采用tS、tT分別表示子任務(wù)、任務(wù)完成時(shí)刻。

定義5在無人機(jī)機(jī)載網(wǎng)絡(luò)中，單個(gè)任務(wù)T完成時(shí)間tT為最后一個(gè)子任務(wù)執(zhí)行結(jié)束時(shí)刻

tT=max(tSi)Si=S1,S2,…，Sn

(16)

式中：S1,S2,…,Sn為任務(wù)T分解所得的子任務(wù)。

定義6所有任務(wù)完成時(shí)刻tAT為任務(wù){(diào)T1,T2,…,Tn}中最后一個(gè)任務(wù)完成時(shí)刻：

tAT=max(tTi)Ti=T1,T2,…,Tn

(17)

式中：T1,T2,…,Tn由無人機(jī)蜂群應(yīng)用場景假設(shè)1可知其屬于同一個(gè)使命組。

基于定義5和定義6，無人機(jī)內(nèi)部控制器不僅需考慮單個(gè)任務(wù)，同時(shí)還需考慮所有任務(wù)總完成時(shí)間，由此定義f3：

f3=min(tT)+min(tG)

(18)

式中：f3需同時(shí)考慮到單個(gè)任務(wù)完成時(shí)間最小和所有任務(wù)總完成時(shí)間最小，由此決定任務(wù)到端系統(tǒng)的分配方案。

在多層任務(wù)調(diào)度算法中，輸入如圖3所示資源需求不同的攻擊使命組，經(jīng)云端、簇首任務(wù)分配，在無人機(jī)內(nèi)部進(jìn)行調(diào)度。在無人機(jī)內(nèi)部，控制器根據(jù)任務(wù)間關(guān)聯(lián)性以及各端系統(tǒng)空閑資源信息，將任務(wù)分解為子任務(wù)，并分配到端系統(tǒng)。子任務(wù)完成后，釋放端系統(tǒng)資源等待下一個(gè)子任務(wù)，當(dāng)任務(wù)中最后一個(gè)子任務(wù)完成，則將該任務(wù)完成消息發(fā)生到后繼任務(wù)所在無人機(jī)，啟動后繼任務(wù)的調(diào)度。

3 仿真模型

本節(jié)在OMNeT++[26]仿真平臺上構(gòu)建無人機(jī)仿真模型。通過簡單的無人機(jī)蜂群仿真實(shí)驗(yàn)驗(yàn)證仿真模型和配置參數(shù)的正確性和可行性。利用驗(yàn)證通過的無人機(jī)模型和配置參數(shù)，設(shè)計(jì)航電云任務(wù)調(diào)度模型對比實(shí)驗(yàn)。

3.1 模型驗(yàn)證

為保證以該無人機(jī)模型搭建的任務(wù)調(diào)度實(shí)驗(yàn)結(jié)果正確性，并對實(shí)際無人機(jī)蜂群研究具有可參考性，在OMNeT++仿真平臺中以美軍戰(zhàn)術(shù)瞄準(zhǔn)網(wǎng)絡(luò)技術(shù)(Tactical Targeting Network Technology, TTNT)中180 km消息傳輸端到端時(shí)延最低為2 ms、無人機(jī)節(jié)點(diǎn)間數(shù)據(jù)鏈傳輸速率最大可達(dá)2 Mb·s-1為指標(biāo)驗(yàn)證無人機(jī)仿真模型可信度和配置參數(shù)的合理性。

模型驗(yàn)證實(shí)驗(yàn)采用如圖4所示網(wǎng)絡(luò)拓?fù)?，按?配置仿真場景、網(wǎng)絡(luò)拓?fù)涞?，其中?shù)據(jù)鏈、交換機(jī)等配置參數(shù)參考美軍小型戰(zhàn)術(shù)無人機(jī)。模型驗(yàn)證實(shí)驗(yàn)中無人機(jī)節(jié)點(diǎn)保持靜態(tài)，各無人機(jī)節(jié)點(diǎn)以盡力傳輸(Best-Effort, BE)消息類型為例，并按表3消息源配置進(jìn)行通信，根據(jù)消息端到端延遲驗(yàn)證無人機(jī)節(jié)點(diǎn)仿真模型合理性。仿真結(jié)果如表4所示。

圖4 無人機(jī)仿真模型驗(yàn)證實(shí)驗(yàn)拓?fù)銯ig.4 Topology for UAV simulation model verification experiment

由表4平均端到端延遲數(shù)據(jù)可見，在仿真時(shí)間500 s內(nèi)，距離為200 km左右的無人機(jī)節(jié)點(diǎn)間平均端到端延遲基本保持在2 ms左右。模型驗(yàn)證實(shí)驗(yàn)表明：按以上配置參數(shù)配置的無人機(jī)仿真模型與實(shí)際無人機(jī)模型具有較高的相似度，可用于后續(xù)航電云任務(wù)調(diào)度模型對比實(shí)驗(yàn)。

表2 模型驗(yàn)證實(shí)驗(yàn)參數(shù)配置Table 2 Parameter configuration for model verification experiment

表3 模型驗(yàn)證實(shí)驗(yàn)消息源配置Table 3 Message source configuration for model verification experiment

表4 消息平均端到端延遲對比Table 4 Comparison of average end-to-end delay of messages

3.2 對比實(shí)驗(yàn)

在OMNeT++下搭建如圖5和圖6所示無人機(jī)蜂群進(jìn)行航電云任務(wù)調(diào)度模型對比實(shí)驗(yàn)。對比實(shí)驗(yàn)包括：分層分簇與單層網(wǎng)絡(luò)拓?fù)鋵Ρ取⒍鄬尤蝿?wù)調(diào)度與單層任務(wù)調(diào)度模型對比。

傳統(tǒng)無人機(jī)蜂群單層任務(wù)調(diào)度模型為單個(gè)簇首向100個(gè)平臺級無人機(jī)節(jié)點(diǎn)分配任務(wù)，如圖5所示。無人機(jī)蜂群多層任務(wù)調(diào)度模型將100架模塊級無人機(jī)節(jié)點(diǎn)分別劃分為5個(gè)無人機(jī)簇群，分別由5個(gè)無人機(jī)簇首管理，如圖6所示。

如圖5所示，傳統(tǒng)的無人機(jī)蜂群作戰(zhàn)網(wǎng)絡(luò)拓?fù)淇蓺w納為單層網(wǎng)絡(luò)拓?fù)?，由簇首與普通無人機(jī)組成，其任務(wù)調(diào)度模型為單層平臺級任務(wù)調(diào)度模型。單層任務(wù)調(diào)度模型與多層任務(wù)調(diào)度模型中第2層平臺級任務(wù)分配方式類似，其采用的無人機(jī)節(jié)點(diǎn)僅為平臺級節(jié)點(diǎn)，無模塊級任務(wù)調(diào)度，若將多層任務(wù)調(diào)度模型中無人機(jī)端系統(tǒng)數(shù)量配置為1，則兩模型實(shí)驗(yàn)結(jié)果相同。

如圖6所示，無人機(jī)蜂群多層任務(wù)調(diào)度模型包括3層任務(wù)調(diào)度：云端使命組分配、平臺級任務(wù)分配和模塊級任務(wù)分配，且采用分層分簇的網(wǎng)絡(luò)拓?fù)?。多層任?wù)調(diào)度模型中，采用如圖6(c)所示模塊級無人機(jī)仿真節(jié)點(diǎn)，節(jié)點(diǎn)內(nèi)部包括控制器、端系統(tǒng)和交換機(jī)，控制器負(fù)責(zé)資源池管理和任務(wù)分配，各端系統(tǒng)為各類資源物理位置，負(fù)責(zé)執(zhí)行各子任務(wù)。

圖5 單層100架無人機(jī)蜂群實(shí)驗(yàn)拓?fù)銯ig.5 Experiment topology of single-layer 100 UAV swarm

圖6 多層100架無人機(jī)蜂群實(shí)驗(yàn)拓?fù)銯ig.6 Experiment topology of multi-layer 100 UAV swarm

實(shí)驗(yàn)中，利用OMNeT++提供的統(tǒng)計(jì)接口進(jìn)行相關(guān)數(shù)據(jù)收集。在不限制使命組數(shù)量情況下，統(tǒng)計(jì)任務(wù)吞吐量與平均端到端延遲，構(gòu)建分層分簇與單層網(wǎng)絡(luò)拓?fù)鋵Ρ葘?shí)驗(yàn)；在使命組數(shù)量有限情況下，統(tǒng)計(jì)使命組完成時(shí)間和單個(gè)任務(wù)完成時(shí)間，構(gòu)建多層任務(wù)調(diào)度與單層任務(wù)調(diào)度模型對比實(shí)驗(yàn)。兩種模型按表2中資源范圍和資源需求范圍對無人機(jī)蜂群資源和攻擊使命組資源需求進(jìn)行初始化，同時(shí)根據(jù)仿真場景、數(shù)據(jù)鏈等其他參數(shù)對無人機(jī)蜂群仿真模型進(jìn)行配置。

4 仿真結(jié)果與分析

仿真結(jié)果分析包括分層分簇與單層網(wǎng)絡(luò)拓?fù)鋵Ρ葘?shí)驗(yàn)、多層任務(wù)調(diào)度模型與單層任務(wù)調(diào)度模型對比實(shí)驗(yàn)。各實(shí)驗(yàn)分別從網(wǎng)絡(luò)拓?fù)?、任?wù)時(shí)間開銷的角度對比兩種任務(wù)調(diào)度模型的性能。

4.1 分層分簇與單層網(wǎng)絡(luò)拓?fù)鋵Ρ?/h3>

在不限制使命組數(shù)量的前提下，對多層任務(wù)調(diào)度模型與傳統(tǒng)單層任務(wù)調(diào)度模型的網(wǎng)絡(luò)拓?fù)溥M(jìn)行對比。實(shí)驗(yàn)中設(shè)置使命組分配間隔呈指數(shù)分布，參數(shù)λ=3，最低容忍時(shí)間開銷ftol=0.2。在兩種網(wǎng)絡(luò)拓?fù)湎氯蝿?wù)吞吐量性能測試曲線如圖7所示，任務(wù)間消息傳輸端到端延遲分布如圖8所示。

圖7 任務(wù)吞吐量性能測試曲線Fig.7 Test curves of task throughput performance

圖8 任務(wù)間消息傳輸端到端延0遲分布Fig.8 Distribution of end-to-end delay of message transmission between tasks

從圖7可以得出：在前期，兩種任務(wù)調(diào)度模型任務(wù)吞吐量基本相同，后續(xù)由于單層調(diào)度模型較早出現(xiàn)資源不足現(xiàn)象，任務(wù)吞吐量停止增長，并且由于使命執(zhí)行時(shí)間較長導(dǎo)致與多層任務(wù)調(diào)度模型任務(wù)吞吐量間距拉大，后期由于部分使命組完成，任務(wù)吞吐量開始增長，但單層任務(wù)調(diào)度模型任務(wù)吞吐量始終低于多層任務(wù)調(diào)度模型。

圖8展示出兩種網(wǎng)絡(luò)中消息端到端延遲分

布，根據(jù)統(tǒng)計(jì)，兩種網(wǎng)絡(luò)80%的端到端延遲數(shù)據(jù)在2 ms左右，其中單層網(wǎng)絡(luò)拓?fù)渲卸说蕉搜舆t大小在4 ms以上數(shù)據(jù)占11%，分層分簇網(wǎng)絡(luò)拓?fù)錇?%。容易得出：分層分簇?zé)o人機(jī)蜂群拓?fù)湎⒍说蕉搜舆t在實(shí)時(shí)性以及穩(wěn)定性上優(yōu)于傳統(tǒng)單層無人機(jī)蜂群模型，且傳統(tǒng)的無人機(jī)蜂群易造成嚴(yán)重的消息延遲。

4.2 多層任務(wù)調(diào)度與單層任務(wù)調(diào)度模型對比

為對比模塊級多層任務(wù)調(diào)度與單層任務(wù)調(diào)度模型在執(zhí)行任務(wù)性能上的差異，配置兩種模型分別間隔性下發(fā)16個(gè)作戰(zhàn)使命組，其中參數(shù)λ和ftol與分層分簇與單層網(wǎng)絡(luò)拓?fù)鋵Ρ葘?shí)驗(yàn)保持一致，進(jìn)行10次仿真實(shí)驗(yàn)，并取10次實(shí)驗(yàn)平均結(jié)果進(jìn)行分析，如圖9和圖10所示。

圖9 兩種任務(wù)調(diào)度模型的任務(wù)執(zhí)行時(shí)間分布Fig.9 Distribution of task execution time of two task scheduling models

1) 單個(gè)任務(wù)執(zhí)行時(shí)間

圖9為兩種任務(wù)調(diào)度策略下單個(gè)任務(wù)執(zhí)行時(shí)間在[1，32] s區(qū)間分布圖。從圖9可以得到：非模塊級單層任務(wù)調(diào)度模型任務(wù)執(zhí)行時(shí)間普遍較長，且分散在[3，31] s區(qū)間上，任務(wù)平均完成時(shí)間為17.58 s。相比，由于多層任務(wù)調(diào)度模型存在第3層模塊級任務(wù)調(diào)度，無人機(jī)內(nèi)可并行執(zhí)行多個(gè)任務(wù)，任務(wù)執(zhí)行時(shí)間明顯較短，約占整體64.7%集中于[8，10] s，任務(wù)平均完成時(shí)間為9.45 s，較前者任務(wù)平均完成時(shí)間約下降46.2%。

2) 使命組完成時(shí)間

圖10為兩種任務(wù)調(diào)度策略下16個(gè)使命組完成時(shí)刻統(tǒng)計(jì)曲線。為便于統(tǒng)計(jì)，按完成時(shí)間先后順序?qū)κ姑M編號，并采用線性回歸方法求出兩種模型下使命組完成時(shí)間增長曲線，如圖中綠線與紅線所示。

圖10 兩種任務(wù)調(diào)度模型使命組完成時(shí)間趨勢圖Fig.10 Trend graph of mission group completion time of two task scheduling models

從圖10可以得出：隨著執(zhí)行使命組數(shù)量的增加，兩種調(diào)度模型下使命組完成時(shí)間呈現(xiàn)遞增現(xiàn)象，且增長速率不同：非模塊級單層任務(wù)調(diào)度模型下，使命組時(shí)間開銷增長率為5.07 s/使命組，模塊級多層任務(wù)調(diào)度模型增長率為2.43 s/使命組。兩模型相比，模塊級多層任務(wù)調(diào)度模型將使命組完成時(shí)間開銷增長率降低了52.1%，因此具有任務(wù)執(zhí)行效率高、執(zhí)行時(shí)間開銷較穩(wěn)定的優(yōu)勢。

5 結(jié) 論

本文所提出的基于航電云的無人機(jī)多層任務(wù)調(diào)度模型，其分層調(diào)度以及精確到無人機(jī)模塊級的調(diào)度策略有利于縮減傳統(tǒng)無人機(jī)蜂群任務(wù)調(diào)度模型中執(zhí)行任務(wù)的時(shí)間開銷，實(shí)現(xiàn)云端到無人機(jī)的復(fù)雜任務(wù)分配。多層任務(wù)調(diào)度模型的仿真結(jié)果表明：

1) 基于資源需求的細(xì)粒度4層無人機(jī)任務(wù)模型具有通用性強(qiáng)、算法部署簡單的優(yōu)點(diǎn)，可用于大規(guī)模無人機(jī)蜂群復(fù)雜任務(wù)模型描述。

2) 模塊級多層任務(wù)調(diào)度和傳統(tǒng)單層任務(wù)調(diào)度相比：在網(wǎng)絡(luò)拓?fù)渖?，多層任?wù)調(diào)度模型采用的分層分簇網(wǎng)絡(luò)拓?fù)淙蝿?wù)吞吐量高于單層任務(wù)調(diào)度模型所采用的單層網(wǎng)絡(luò)拓?fù)洌揖W(wǎng)絡(luò)實(shí)時(shí)性以及穩(wěn)定性優(yōu)于單層網(wǎng)絡(luò)拓?fù)?；在?zhí)行作戰(zhàn)任務(wù)上，模塊級多層任務(wù)調(diào)度模型單個(gè)任務(wù)執(zhí)行時(shí)間短且分布集中、使命組完成時(shí)間低于非模塊級單層任務(wù)調(diào)度模型。

后續(xù)工作將加入移動模型到無人機(jī)節(jié)點(diǎn)中，研究高動態(tài)變化拓?fù)湎碌暮诫娫迫蝿?wù)調(diào)度問題，并對任務(wù)調(diào)度算法進(jìn)行改進(jìn)。