宋霏羽 夏学知

（武汉数字工程研究所 武汉 430205）

1 引言

多无人机协同任务规划是指多架无人机对多个目标进行侦察，以最小化出动无人机架次，任务执行时间最短和油耗成本最小为目标函数构建数学模型进行求解［1］。分配问题是UAV异构多模式，且约束条件复杂的最优化NP问题［2］。目前研究中大都将多UAV协同侦察任务规划系统模型转化为经典问题，如多旅行商问题（MTSP），车辆路径问题（VRP）［3］。

在以往对于任务分配问题求解算法的研究中，绝大多数文献都是采用人工智能算法进行求解，这类算法虽然操作简单，易于实现，但是很难保证收敛到全局最优解［4～8］。基于数学规划的启发式算法克服了这些缺点，常见的启发式算法有遗传算法，禁忌算法，蚁群算法等，目前这些算法都取得了很大的进展。由于路径规划是一个多约束的组合优化问题，各个约束之间存在交叉重叠，目前常用的算法在路径规划中各有所长，但也有一些弱点。比如新兴算法计算速度块，准确率相对较高，但在迭代过程中易停滞陷入局部最优。所以，实际应用中一般会根据具体的问题改进算法［9～11］。

蚁群算法作为一种元启发式算法，可以非常高效地解决路径规划问题。但蚁群算法也存在一些缺陷，如容易陷入局部最优解，初期收敛速度慢，运行时间长等。本文将针对以上缺点，对蚁群算法进行改进，使最后的算法性能更好，具有普适性和可推广性。

2 基于交叉避免的蚁群算法设计

为了使无人机集群并行执行任务所需要的时间最短，也就是要找出单个无人机最长执行任务的路径距离，并使这个路径距离最小化。……