无人机集群任务分配技术研究综述

毕文豪, 张梦琦, 高飞, 杨咪, 张安

Review on UAV swarm task allocation technology

Wenhao BI, Mengqi ZHANG, Fei GAO, Mi YANG, An ZHANG

表1 集中式算法和分布式算法对比分析

Table 1 Comparative analysis of centralized algorithm and distributed algorithm

算法分类 算法简要介绍 算法特点 代表性方法 集中式算法 最优化方法 构建任务分配问题对应的最优数学模型, 并进行求解 复杂度大, 控制中心负担较重; 对复杂问题的描述能力有限; 难以表达环境随机性和动态性 穷举法 图论方法 动态规划 分支定界 启发式方法 通过运算时间和求解质量的协调, 对解进行启发式优化 易于实现; 计算复杂度低, 性能优越; 但规划结果具有随机性, 依赖于固定角色控制中心 遗传算法 粒子群优化算法 分布式算法 自顶向下 分布式算法 基于分层递阶求解的思路, 将复杂任务协同分配问题逐层分解为若干个更简单的子任务分配问题, 各无人机通过协商与合作实现问题求解 便于理解; 可扩展性高; 但对通信环境要求较高 基于市场机制算法 分布式马尔可夫决策方法 动态分布式约束优化方法 自下而上 分布式算法 通过研究无人机个体的局部感知和动态反应, 设计基于反应和行为的协同优化策略, 实现多无人机整体自组织任务分配 计算简单; 鲁棒性好; 对规模变化不敏感 基于群智能的自组织算法 阈值响应法 蚁群优化算法