靳江锋，刘 旭

(中国飞行试验研究院， 西安 710089)

1 引言

无人机(unmanned aerial vehicles，UAV)凭借成本低、适应性强、零伤亡等特点，在民用和军用领域发挥着越来越重要的作用[1]。航迹规划作为无人机任务规划的核心部分，目前在有效规避障碍和威胁的飞行航迹研究方面已经相当成熟，出现了大量静态、动态、二维与三维规划算法[2-4]，但是，针对侦查大规模目标多无人机协同航迹规划的研究还相对较少，特别是，面对大规模协同航迹规划问题，提升侦查效率、突出侦查针对性和有效性是亟需解决的难题。

多无人机协同侦查航迹规划需要考虑的约束条件多且模型复杂，求解效率直接决定了协同侦查效率。序列凸优化(sequential convex programming，SCP)方法近年来受到关注[5]，研究表明，SCP具有更强的高维复杂求解能力，但是存在运算时间长的缺陷[6]。利用群智能优化算法较为突出的运算性能，对协同侦查模型进行快速最优化求解是当前研究的热点。文献[7]将改进遗传算法引入到航迹规划求解中，提高了航迹规划精度。但面对复杂高维优化问题，智能优化算法易陷入局部极值和求解精度不高的缺陷需进一步研究，这也是本文研究的重点内容之一。此外，文献[8]采用模糊C均值(Fuzzy C-means，FCM)对目标进行聚类分析，从而得到每架无人机最佳攻击序列，提高了攻击的针对性，但是该方法受聚类算法性能的影响较大。文献[9]综合考虑任务时间约束和攻击约束，集中一体化求解无人机航迹，一定程度提高了协同航迹规划的有效性，但是该方法数据处理维度较高，运算效率较低。……