李士波

摘要：多无人作战飞机任务分配是无人机协同控制的一项关键技术。综合无人机后续攻击任务和影响无人机作战效能评估的各种因素，按照分阶段分配方法建立了多UCAV任务分配模型，并使用粒子群算法对建立的任务分配模型进行求解，将每个粒子的位置使用两个多维向量表示，两个向量分别采用两种不同方式同时进化。该方法解决了分配模型复杂性带来的分配难题，取得了良好的分配效果。

关键词：任务分配；协同控制；无人作战飞机；粒子群优化

DOI：10.11907/rjdk.173133

中图分类号：TP319

文献标识码：A文章编号：1672-7800（2018）007-0193-03

Abstract：Multi-UCAVmissionallocationisthekeytechniqueforcoordinatecontrol.Consideringtheconsequentattackmissionandthemainfactorsthataffectcombatefficiencyassessment，themissionallocationmodelthatbasedondifferentstagesisestablished.Particleswarmoptimizationalgorithmisproposedtosolvetheproblem，eachparticlespositionisexpressedintwomulti-dimensionvectorsandthevectorsevolveindifferentmannerssynchronously，theevolvevalueisusedincostevaluationsubsequently.Thismethodhassolvedtheallocationproblemthatbroughtaboutthecomplexityoftheallocationmodelandreceivedgoodallocationresults.

KeyWords：missionallocation；coordinatecontrol；unmannedcombataerialvehicle；particleswarmoptimization（PSO）

0引言

無人作战飞机（UnmannedCombatAerialVehicles，UCAV）从事的任务具有很大的危险性和复杂性，因此通常采用多架无人机共同执行任务的策略[1-3]。在多架无人机共同执行任务过程中，多UCAV任务规划技术是实现多无人机协同控制的关键技术[4-6]。因此，多UCAV任务分配技术研究尤其重要。

多无人机任务分配问题是一个多目标组合优化问题，即通过一定的分配策略给无人机分配不同的任务。分配原则是在保护无人机的前提下，增大对目标的杀伤概率，避免重复攻击和遗漏。

多UCAV任务分配问题是研究热点[7-9]，学者们先后提出了匈牙利算法、线性规划法、禁忌搜索方法、市场交易模型等方法，这些方法在分配规模较大时会导致求解困难，并且往往未能充分考虑影响无人机作战效能的各种因素和后续攻击任务，很难适应动态复杂环境下无人机任务分配需求。

本文提出按阶段分配的方法建立多UCAV任务分配模型，在建模过程中充分考虑影响无人机作战效能评估的各种因素，并提出使用粒子群算法对建立的复杂任务分配模型进行求解。……