许 洋 ，秦小林 *，刘 佳 ，张力戈

（1.中国科学院成都计算机应用研究所，成都610041； 2.中国科学院大学计算机与控制学院，北京100080）

（∗通信作者电子邮箱qinxl2001@126.com）

0 引言

无 人 机（Unmanned Aerial Vehicle，UAV）航 迹 规 划（trajectory planning）是指在初始状态、任务目标、威胁区和一些已知环境信息的情况下获得性能最优的规划问题，是任务规划系统的关键技术之一。目前单机航迹规划技术已经相当成熟，然而在未来战场，多无人机编队协同执行任务将成为主要的作战形式，而协同航迹规划是提高无人机协同作战效能，保证无人机协同作战顺利实施的关键。多无人机协同航迹规划在为各无人机规划出满足约束条件的最优航迹时，还需考虑各无人机之间的空间协同性以及时间协同性［1］，其主要任务包括航迹规划、碰撞避免、队形形成/重构以及队形保持等。

目前，针对多无人机协同航迹规划问题，主要采用的算法包括人工势场法（Artificial Potential Field，APF）［2-3］、粒子群优化（Particle Swarm Optimization，PSO）算法［4］、滑模控制［5］、PID（Proportion Integration Differentiation）［6-7］等。文献［1］采用协同非支配排序进化算法，根据多架无人机的航行距离、安全性、时间以及空间的协同性进行规划；文献［8］采用混合粒子群优化算法与遗传算法相结合的方法，实现了对多无人机编队重构过程中参数最优化问题的求解；文献［9］通过引入分布式结构和层次网络，并基于由指挥官、虚拟领航者和跟随者组成的多无人机系统建立无人机协同机制，实现了多无人机自主编队和重组任务；文献［10］采用任务分配和粒子群优化算法，实现了对无人机群编队转换的高效策略。……