摘要
随着无人机性能的提升以及所需执行的任务日趋复杂多样，无人机任务执行模式已经逐渐从单机向着多机协作的方向转变，多无人机系统在复杂任务场景中发挥着越来越重要的作用。提高多无人机系统的任务执行效率需要进行合理的任务规划，即制定合理的任务执行方案以及规划最优的移动路径。因此，为提高无人机协作能力，实现任务高效执行，本文对多无人机分布式协同任务分配与路径规划问题展开研究。主要研究内容如下： （1）针对大规模无人机的任务分配问题，提出了基于联盟形成博弈的任务分配方法。首先，考虑任务需求与规模等约束条件，设计与无人机规模相关的收益函数并建立优化模型，实现对大规模任务分配问题的数学表达；其次，为实现分布式求解，将任务分配转化为博弈过程，建立联盟形成博弈模型，设计无人机的联盟切换规则并给出稳定解的形式；然后，设计基于联盟形成博弈的算法进行求解，通过最大加权匹配的确定任务领机后，各无人机基于切换规则分布式选择任务，再由领机消解规模冲突，实现无人机最优任务的分配；最后，仿真结果验证了所提方法的有效性、可扩展性与实时性。 （2）针对障碍环境下的多无人机路径规划问题，提出基于离散多智能体软演员-评论家算法（Multi-AgentSoftActorCritic-Discrete，MASAC-D）的路径规划方法。首先，考虑静态障碍环境中的无人机自身与避障等约束，以路径最短为优化目标，建立路径规划的优化模型；其次，为适应多智能体环境以及提高算法的收敛速度，建立马尔科夫博弈模型，对SAC算法进行多智能体扩展并引入动作筛选机制进行改进，设计MASAC-D算法，各无人机基于该算法进行训练，学习最优的路径规划策略，实现从起始点至目标点的安全飞行路径的规划；最后，仿真结果表明，所提方法加快了算法训练的收敛速度，且规划的路径长度更短。 （3）针对具有时序约束的多无人机任务分配问题，提出基于改进合同网协议的时序任务分配方法。首先，综合考虑任务需求、时序约束以及任务执行时间的影响，设计具有时间折扣的收益函数，以任务执行收益最大为目标，建立时序任务分配优化模型；其次，为适应任务执行时序与多机协同的要求，对合同网协议的任务发布、投标和中标三个阶段分别进行改进，然后基于改进后的算法进行求解，实现了每架无人机最优任务执行序列的构建；最后，仿真结果验证了所提方法的有效性与实时性，能够在更短的时间内按照时序要求完成任务的执行。
NETL