异构多无人机协同作战的任务分配方法研究
摘要
多无人机协同控制技术在民用领域和军用领域都扮演着重要的角色，而多无人机任
务分配又是多无人机协同控制的核心技术。多无人机任务分配是指在多个特定约束条件
下，以实现最优目标函数为目标，对多架无人机分配任务，从而确定最优的任务分配方
案。在现代战争中，无人机的协同作战以其“零风险”、更强作战能力以及比有人机更
能适应恶劣环境的优势，让它的作战优势越发明显，所以得到越来越多国家的青睐。因
此，掌握关键的多无人机任务分配技术，在现代战争乃至未来战场中具有重要的意义。
本文的主要研究内容可以分为以下几个方面：
(1)本文提出了多异构无人机协同任务分配模型，该模型中异构无人机具有3种类型，
任务同样有3种类型，根据这3种任务对模型进行细分得到：侦察任务分配模型、攻击
任务分配模型和战场评估任务分配模型，克服了现有多无人机任务分配模型不易解决复
杂任务分配问题的缺点。然后针对现有的传统群智能优化算法解决多异构无人机任务协
同任务分配时存在易陷入局部收敛、收敛精度较差、收敛速度较慢的弊端，结合量子计
算理论和海狮优化算法设计出量子海狮优化算法。仿真结果表明量子海狮优化算法无论
是收敛精度还是收敛速度都是最优的，并且在3种适应度函数收敛曲线的仿真中，基于
量子海狮优化算法的多异构无人机协同任务分配方法性能更加优越。
(2)针对现有文献鲜有在大规模作战场景下进行对敌防空火力压制(Suppressionof
EnemyAirDefense,SEAD)任务分配问题，建立大规模异构无人机作战场景，提出了基
于时间窗等约束条件的多无人机SEAD任务分配模型。并设计了协同独立并行作战策略
结合惩罚项方法将带有多个约束条件的优化问题转化为无约束条件的优化问题，降低了
问题求解复杂度，提升了SEAD任务分配方案的质量。针对现有传统智能优化算法解决
多无人机SEAD任务分配问题时存在收敛性能较差、SEAD任务分配方案质量较低的弊
端，提出一种新的北方量子苍鹰优化算法来克服上述弊端。然后针对大规模作战场景中，
搜索空间维度过大导致多无人机SEAD任务分配问题求解效率低下的问题，设计出北方
量子苍鹰编码方法，成功降低了搜索空间维度。最终在8个作战规模场景的SEAD任务
分配仿真中，基于北方量子苍鹰优化算法的多无人机SEAD任务分配方法均展现出优异
性能，输出的最优任务分配方案满足了多个约束惩罚项规则，且适应度值是最优的。
(3)在多固定翼无人机作战任务分配问题中，要考虑固定翼无人机飞行速度快、要保
持一定的飞行速度且不能悬停在空中等特点，提出了基于Dubins运动曲线的多固定翼
无人机作战任务分配模型，设计出飞行代价、作战收益和损耗代价联合优化的目标函数，
同时兼顾了固定翼无人机的飞行特点。然后针对现有传统群智能优化算法在解决多固定
翼无人机作战任务分配问题时存在开发探索能力不足、输出的多固定翼无人机任务分配
哈尔滨工程大学硕士学位论文
方案不满足多个约束条件等弊端，结合量子计算理论与?鱼优化算法设计出量子?鱼优
化算法来克服上述弊端。在8个作战规模场景的任务分配仿真中，量子?鱼优化算法在
适应度函数、飞行代价、作战收益和损耗代价对比曲线中性能都是最优的，且与3种群
智能优化算法相比输出的最优任务分配方案质量最高。
关键词：多无人机任务分配；异构无人机；智能优化算法；对敌防空火力压制；Dubins
运动曲线
异构多无人机协同作战的任务分配方法研究
ABSTRACT
Multi-UAVcooperativecontroltechnologyplaysanimportantroleinbothciviland
militaryfields,andmulti-UAVtaskassignmentisthecoretechnologyofmulti-UAV
cooperativecontrol.Multi-UAVtaskassignmentreferstoassigntaskstomultipleUAVs
undermultiplespecificconstraintswitht