李 波，越凯强，甘志刚，高佩忻

(西北工业大学电子信息学院，西安 710114)

0 引 言

近年来，无人机不但在房地产[1]、农业[2]、安保[3]、搜索救援[4]、地面勘探[5]、特殊物流[6]等许多商业领域取得了不俗的成绩[7]，而且在军事领域也大放异彩，出色的完成了许多有人驾驶飞机难以完成的任务。然而，单个无人机受其飞行距离、飞行范围、弹载能力和应对突发状况能力的制约，难以发挥出其应有的作战效能。因此现有的研究都是基于多无人机系统[8]开展的，相比于单个无人机，多无人机系统具有更强的作战优势。对于多无人机系统而言，任务决策问题是重中之重，各国军事专家都在为如何解决无人机的任务决策问题而不断努力。

各国学者对于多无人机任务决策的研究都在如火如荼的进行，在多无人机协同搜索[9]、跟踪[10]、任务分配[11-12]、航迹规划[13]和编队控制[14]等研究中，都已取得了不俗的成果。同时，深度学习和强化学习的快速发展，也极大地加快了无人机系统智能化[15]的发展进程。赖俊和饶瑞[16]提出了一种基于空间位置标注的好奇心驱动的深度强化学习方法，解决了室内无人机随机目标搜索效率不高、准确率低等问题。Xu等[17]设计了一种新型仿生变形无人机模型，并采用了深度确定性策略梯度(Deep deterministic policy gradient,DDPG)算法作为仿生变形无人机的控制策略，可以使无人机在不同任务和飞行条件下完成快速的自主变形和空气动力学性能优化。王涛等[18]提出了一种基于强化学习方法暨模糊……