動態(tài)環(huán)境下的多UCAV協(xié)同任務(wù)分配研究

楊尚君， 王社偉， 陶 軍， 溫 攀， 周維杰

(空軍航空大學(xué)航空控制工程系，長春 130022)

0 引言

近年來，多無人作戰(zhàn)飛機(Unmanned Combat Aerial Vehicle，UCAV)協(xié)同控制已經(jīng)成為UCAV領(lǐng)域的一個研究熱點，而任務(wù)分配是多機協(xié)同控制的保障和基礎(chǔ)［1-3］。雖然任務(wù)開始前通過預(yù)先規(guī)劃為參戰(zhàn)的UCAV分配了初始任務(wù)，但在戰(zhàn)場環(huán)境中，由于作戰(zhàn)的動態(tài)性和不確定性以及協(xié)同控制的復(fù)雜性，使得任務(wù)開始后會出現(xiàn)許多無法預(yù)料的情況，因此，必須根據(jù)戰(zhàn)場態(tài)勢和編隊狀態(tài)的變化快速調(diào)整UCAV編隊的任務(wù)計劃，通過動態(tài)重調(diào)度實現(xiàn) UCAV之間的任務(wù)重分配，以真正適應(yīng)復(fù)雜的作戰(zhàn)環(huán)境。目前，已有學(xué)者應(yīng)用拍賣機制［4-5］、在線滾動策略［6］、遺傳算法［7-8］等對多UCAV的任務(wù)重分配問題進行了求解，文獻［4-5］對動態(tài)環(huán)境中的突發(fā)事件利用拍賣機制進行任務(wù)重分配，但并沒有對動態(tài)環(huán)境中不同性質(zhì)的事件進行分類處理;文獻［6］提出的在線滾動策略只是在任務(wù)層次上解決了動態(tài)環(huán)境中的任務(wù)分配問題，對動態(tài)環(huán)境中任務(wù)分配的方法研究不夠。因此，現(xiàn)有的研究雖然取得了一定的成果，但只從動態(tài)任務(wù)分配策略或者動態(tài)任務(wù)分配方法進行單方面的研究，由于動態(tài)環(huán)境的復(fù)雜性和不確定性，動態(tài)環(huán)境中的任務(wù)分配研究應(yīng)該從重調(diào)度策略和重調(diào)度方法兩個方面進行研究。本文首先建立了多機協(xié)同目標分配的數(shù)學(xué)模型，提出一種改進的動態(tài)重調(diào)度策略，然后利用混合細菌覓食算法對UCAV的作戰(zhàn)任務(wù)進行任務(wù)重分配，對動態(tài)任務(wù)分配問題在策略和方法上進行了深入研究，并通過仿真實驗驗證了本文提出的策略和方法的有效性。

1 多機協(xié)同目標分配的數(shù)學(xué)模型

1.1 問題的提出

本文以UCAV編隊執(zhí)行空對地任務(wù)為背景，戰(zhàn)場地形以及存在于戰(zhàn)場中的一系列目標位置在UCAV執(zhí)行任務(wù)之前已經(jīng)預(yù)先獲得。V={V1，V2，…，VNV}為執(zhí)行任務(wù)的UCAV集合，NV為對應(yīng)的目標集合，NT為目標數(shù)量;M={Mt1，Mt2，…，MtNtype}為各目標 Ti上需要完成的任務(wù)類型集合，Ntype為任務(wù)類型數(shù);考慮到未來UCAV作戰(zhàn)使用的發(fā)展趨勢，每個目標Ti包含3類待執(zhí)行任務(wù)，分別為偵察、攻擊和毀傷評估，即任務(wù)集合M={Classify，Attack，Verify}，由此可將任務(wù)集合表達為

其中，Nm=NTNtype為任務(wù)總數(shù)量。

為簡化問題，假設(shè)UCAV編隊在一個二維空間執(zhí)行任務(wù)，在任意時刻 t時，UACV Vi的位置表示為((t)(t))(i∈1，2，…，NV)，目標 Ti的位置表示為()(j∈1，2，…，NT)，設(shè) P 為 UCAV 編隊的執(zhí)行路線集合，任務(wù)分配的結(jié)果就是為每架無人機分配一條任務(wù)執(zhí)行路線Pi，Pi={((0)，(0)，()，…，()，((t)，(t))}，其中((0)，(0))表示UCAV Vi的出發(fā)位置，((t)，(t))表示UCAV Vi的返回位置，并且((0)，(0))=((t)(t))。

1.2 決策變量的設(shè)計

1.3 協(xié)同多任務(wù)分配模型

在多UCAV協(xié)同任務(wù)分配問題中，任務(wù)分配結(jié)果的優(yōu)劣程度可以通過多種評價指標予以表達。本模型將重點考慮3個指標:任務(wù)總飛行航程指標、任務(wù)完成時間最短指標、目標價值收益最大指標。為降低模型中次要因素對問題復(fù)雜度帶來的影響，本模型假設(shè)無人機Vi執(zhí)行任務(wù)時的速度恒定為si。本文的協(xié)同多任務(wù)分配模型定義為

式中:Pi=sixi，j;Lixi，j表示無人機 Vi執(zhí)行任務(wù) Mj所獲得的收益。

本文建模重點考慮以下4種約束條件。

1)多機協(xié)同約束。

多機協(xié)同約束是指UCAV編隊在執(zhí)行任務(wù)時要保證任務(wù)的執(zhí)行效率和UCAV執(zhí)行編隊任務(wù)的方式，主要包括3個方面。

①每一個任務(wù)都只能被完成一次，表示為

②每架飛機一次只能執(zhí)行一個任務(wù)，表示為

③所有的任務(wù)都應(yīng)該被執(zhí)行，表示為

2)任務(wù)時序約束。

任務(wù)時序約束是指同一目標的不同任務(wù)Mi和Mj之間必須按照特定順序完成，表示為

3)無人機任務(wù)類型及能力約束。

UCAV任務(wù)類型約束是指對單架UCAV，其續(xù)航能力和攜帶的任務(wù)載荷是有限的，表示為

2 一種改進的混合重調(diào)度策略

在多UCAV編隊執(zhí)行任務(wù)的過程中，由于作戰(zhàn)的動態(tài)性和不確定性以及協(xié)同控制的復(fù)雜性，可能會出現(xiàn)許多無法預(yù)料的突發(fā)情況，預(yù)訂的執(zhí)行方案將不能適應(yīng)改變的戰(zhàn)場環(huán)境，因此，必須對原來的預(yù)訂方案進行改進，對現(xiàn)有方案的改進就屬于動態(tài)重調(diào)度問題。對于重調(diào)度問題的研究，首先應(yīng)該確定重調(diào)度策略，再根據(jù)確定的策略制定重調(diào)度方法。

在動態(tài)重調(diào)度相關(guān)的研究工作中，通常采用3種類型的動態(tài)重調(diào)度策略:周期性重調(diào)度策略、事件驅(qū)動重調(diào)度策略以及混合重調(diào)度策略。由于周期性重調(diào)度和事件驅(qū)動重調(diào)度策略存在著一定的不足，因此本文選擇將兩種策略有效地結(jié)合，提出一種改進的混合型重調(diào)度策略。

目前，關(guān)于混合型重調(diào)度策略大多是將周期性重調(diào)度策略和事件驅(qū)動重調(diào)度策略簡單地疊加到一起，為了讓混合性重調(diào)度更加有效，本文設(shè)計了一種混合重調(diào)度策略。首先給出3個定義。

定義1 根據(jù)不確定事件對系統(tǒng)干擾的嚴重程度和緊急程度，設(shè)置重調(diào)度請求的響應(yīng)方式有兩種，分別記為有序集合Pr、De;Pr表示立即型重調(diào)度，當(dāng)不確定事件對系統(tǒng)干擾嚴重或緊急程度高時，比如無人機失效，應(yīng)當(dāng)進行此種重調(diào)度響應(yīng);De表示可延遲型重調(diào)度，當(dāng)不確定事件對系統(tǒng)的干擾程度和緊急程度適中時，比如發(fā)現(xiàn)不影響其他任務(wù)執(zhí)行的新目標，可考慮延遲重調(diào)度響應(yīng)，以獲得良好的系統(tǒng)穩(wěn)定性，并減少重調(diào)度次數(shù)。

定義2 為避免過度重復(fù)地啟動重調(diào)度策略，設(shè)置最小重調(diào)度時間為ΔTmin，如果當(dāng)前調(diào)度結(jié)束后的ΔTmin時間內(nèi)，除發(fā)生緊急任務(wù)，否則待執(zhí)行任務(wù)延遲到下一次重調(diào)度啟動時執(zhí)行。

定義3 設(shè)Lq為重調(diào)度請求表，其中按照時間順序，依次存放等待響應(yīng)重調(diào)度請求。由于立即型重調(diào)度會被立即執(zhí)行，所以Lq中僅存放可延遲型重調(diào)度任務(wù)。

基于以上定義，現(xiàn)設(shè)計混合重調(diào)度策略執(zhí)行步驟如下。1)無人機執(zhí)行任務(wù)開始時，啟動周期性重調(diào)度的策略。2)如果在執(zhí)行任務(wù)中出現(xiàn)新任務(wù)Mi，對Mi進行判斷，如果Mi∈Pr，立即啟動重調(diào)度策略，此時，無論周期性重調(diào)度執(zhí)行是否到達一個執(zhí)行周期，都重新開始周期性重調(diào)度策略;如果Mi∈De，若上一次重調(diào)度到本次任務(wù)的時間間隔Δt＞ΔTmin，則啟動一次重調(diào)度，同時重新執(zhí)行周期性重調(diào)度;若Δt＜ΔTmin，則將Mi加入Lq列表中，等待下一次重調(diào)度啟動時執(zhí)行。3)當(dāng)周期性重調(diào)度策略到達時間周期T時，檢查Lq列表中是否有待執(zhí)行的任務(wù)，如果有待執(zhí)行任務(wù)，則對列表中的任務(wù)進行任務(wù)重調(diào)度，將新任務(wù)以目標價值收益最大的原則分配給無人機。

本文設(shè)計的混合重調(diào)度策略如圖1所示。

圖1 混合重調(diào)度策略Fig.1 The mixed re-schedule strategy

圖中:M1∈De，M2∈Pr。

3 動態(tài)重調(diào)度方法

在決定了重調(diào)度策略之后，下面是選擇重調(diào)度方法。現(xiàn)在在重調(diào)度領(lǐng)域中，主要有3種方式:1)生成式重調(diào)度，即根據(jù)當(dāng)前狀態(tài)重新生成調(diào)度方案;2)右移式重調(diào)度，它是對已有的調(diào)度方案進行整體的移動，以消除不確定事件的影響;3)修正式重調(diào)度，即根據(jù)干擾情況，對已有的調(diào)度方案進行針對性調(diào)整。由于戰(zhàn)場環(huán)境的瞬息萬變，必須選擇一種反應(yīng)快且能得到相對最優(yōu)的方法，修正式重調(diào)度可以滿足戰(zhàn)場的快速實時性要求，因此，本文選擇修正式重調(diào)度方法。

無人機編隊執(zhí)行任務(wù)的動態(tài)任務(wù)重調(diào)度需要解決的問題是:當(dāng)有新的任務(wù)出現(xiàn)時，如何對任務(wù)進行實時合理的分配，使得所獲得的目標收益最大，在上一節(jié)提出的混合優(yōu)化策略的前提下，動態(tài)重分配可描述為:如何把新出現(xiàn)的任務(wù)分配給無人機，使得收益最大，這屬于組合優(yōu)化問題，且待執(zhí)行任務(wù)不多，利用群智能算法完全可以滿足實時性要求。因此，本文設(shè)計一種混合細菌覓食算法來解決動態(tài)重分配問題。

3.1 混合細菌覓食算法

基本粒子群算法(PSO)優(yōu)點是算法實現(xiàn)簡單，收斂速度快，缺點是易早熟，陷入局部最優(yōu)值。基本細菌覓食算法優(yōu)點［9-10］是能夠較好地找到全局最優(yōu)解，缺點是收斂速度慢。本文結(jié)合這兩種算法的優(yōu)點，提出了一種混合細菌覓食優(yōu)化算法(PBFO)。

細菌覓食算法共有3步操作，分別是趨向、復(fù)制和遷徙操作，對細菌覓食算法的改進描述如下:1)用粒子群來代替細菌覓食的趨向操作，趨向操作替換為粒子群尋優(yōu)的迭代過程;2)將復(fù)制操作與遷徙操作合并為以適應(yīng)度作為判斷條件的遷徙操作，若細菌個體適應(yīng)度小于菌群的平均適應(yīng)度，則對該細菌個體執(zhí)行遷徙操作，即對該個體進行初始化;3)借鑒粒子群尋優(yōu)思想，保留遷徙細菌個體的歷史極值，以便遷徙后的細菌個體在下一次搜索中依然朝著最優(yōu)的方向?qū)ふ遥ＷC算法的快速性;4)在每一迭代過程中保留細菌個體的歷史最優(yōu)解和菌群的全局最優(yōu)解。

這樣的設(shè)計既保持了粒子群的優(yōu)點能夠快速收斂，又保持了細菌覓食的優(yōu)點能夠找到全局最優(yōu)值。

3.2 算法設(shè)計

3.2.1 任務(wù)分配問題的編碼方式

與遺傳算法類似，編碼是應(yīng)用PBFO算法要解決的首要問題，鑒于多UCAV協(xié)同任務(wù)分配問題的約束性和復(fù)雜性，綜合考慮編碼方法的合法性和可行性，本文中的細菌個體使用的兩層編碼方式及其解碼過程如圖2所示。圖中，第1行表示執(zhí)行任務(wù)的UCAV Vi(i∈NV)，第2行表示與第1行UCAV序列所對應(yīng)的執(zhí)行目標Tj(j∈NT)序列。目標出現(xiàn)的次序表示對應(yīng)的UCAV執(zhí)行的任務(wù)類型。圖中表示的兩架無人機執(zhí)行3個目標任務(wù)的任務(wù)分配計劃具體如下所述。

首先無人機1對目標2實施偵察然后轉(zhuǎn)到目標3實施攻擊任務(wù)，與此同時，無人機2對目標3進行偵察然后轉(zhuǎn)到1對其實施偵察。在無人機2已對目標1執(zhí)行完偵察任務(wù)之后，無人機1對其發(fā)起攻擊，此時無人機2對目標3實施評估，然后轉(zhuǎn)到目標2對其進行攻擊;待無人機1對目標1完成攻擊后，無人機1對目標2進行評估，無人機2對目標1進行評估。

圖2 菌體的編碼及解碼過程Fig.2 Bacterial encoding and decoding process

3.2.2 菌群更新機制

因為任務(wù)分配問題屬于離散優(yōu)化問題，因此對菌群速度和位置更新采用類似遺傳算法的策略，交叉策略:在第2個串選取1個隨機交叉區(qū)域，替換掉第1個串中對應(yīng)的位置，并對第1個串進行修復(fù)，使其滿足約束條件。變異策略:對第1行編碼進行單點變異策略。

3.2.3 適應(yīng)度函數(shù)

根據(jù)協(xié)同多任務(wù)分配模型建立適應(yīng)度函數(shù)為

3.3 PBFO算法流程

PBFO算法流程如圖3所示。

圖3 PBFO算法流程圖Fig.3 The flow chart of PBFO

4 仿真實驗

由于本文建立的多UCAV任務(wù)分配模型是一個多目標問題，根據(jù)決策者不同的決策要求，會有多個Pareto最優(yōu)解，但如何求解多目標優(yōu)化問題不是本文研究的重點內(nèi)容，并且介于多個Pareto最優(yōu)解代表的任務(wù)分配計劃在該問題的研究分析中具有相似性，本文在不影響研究分析的前提下簡化仿真實驗過程，將任務(wù)的價值設(shè)為常矩陣，以滿足既要盡量降低作戰(zhàn)風(fēng)險，又要用盡量短的時間完成作戰(zhàn)任務(wù)為仿真實驗和分析的評價標準，即要求任務(wù)總飛行航程最短且任務(wù)完成時間最短。

假定飛行前任務(wù)控制站給UCAV編隊制定了3架UCAV對5個目標執(zhí)行作戰(zhàn)任務(wù)的作戰(zhàn)計劃，需要對各個目標進行偵察、攻擊以及毀傷評估3類共計15個待執(zhí)行任務(wù)，分別采用CL、AT、VE標識上述3類不同任務(wù);出于在不影響任務(wù)分配算法驗證的前提下簡化仿真過程的目的，本仿真實驗取飛行航路為直線，其預(yù)先任務(wù)分配方案如表1所示。

表1 預(yù)訂任務(wù)分配方案Table 1 The reserved task allocation plan

UCAV編隊在進入戰(zhàn)區(qū)執(zhí)行預(yù)定任務(wù)過程中發(fā)生了動態(tài)事件，一種是UCAV失效，另一種是發(fā)現(xiàn)了新的目標。PBFO算法主要參數(shù)設(shè)置如下:菌群規(guī)模N=15，趨化操作次數(shù)L=50，遷徙操作次數(shù)S=2，菌群的趨化操作采用粒子群的迭代更新策略，設(shè)置更新參數(shù)，慣性權(quán)重 ω =0.6，加速參數(shù) c1=0.5，c2=0.7。混合重調(diào)度策略參數(shù)設(shè)置如下:周期性重調(diào)度的周期T=45 s，最小重調(diào)度時間ΔTmin=25 s。UCAV成員性能參數(shù)、任務(wù)參數(shù)見表2和表3。

表2 任務(wù)目標設(shè)置信息表Table 2 The information of the targets

表3 無人機性能參數(shù)表Table 3 The parameters of the UCAVs’performance

1)t=80 s時，UCAV V1失效。

按照混合重調(diào)度策略，當(dāng)UCAV編隊開始執(zhí)行任務(wù)的同時，啟動周期性重調(diào)度，到達周期性重調(diào)度的調(diào)度周期時，即t=45 s時，重調(diào)度請求表Lq為空，因此，不進行重調(diào)度，UCAV編隊按原任務(wù)分配方案繼續(xù)執(zhí)行，到達t=80 s時，UCAV V1失效，由于UCAV失效屬于立即型重調(diào)度，因此立即執(zhí)行任務(wù)重調(diào)度，同時重新啟動周期性重調(diào)度，在t=80 s時，任務(wù)重調(diào)度的執(zhí)行過程描述如下。

按照飛行前規(guī)劃的分配方案，t=80 s時，UCAV編隊的即時狀態(tài)為:V1正在由目標T4飛往目標T5執(zhí)行偵察任務(wù)，預(yù)定t=120.8 s時完成該任務(wù)，t=80 s時V1位置(310 m，220 m)，V1的剩余任務(wù)集{5-CL，3-CL，3AT}，由于 V1失效，V1的剩余任務(wù)集{5-CL，3-CL，3AT}都未被執(zhí)行。

V2正在對目標T2執(zhí)行偵察任務(wù)，預(yù)定t=80.6 s時完成該任務(wù)，t=80 s時V2位置(776 m，433 m)，V2的剩余任務(wù)集{2-CL，4-AT，2-VE};

V3正在等待對目標T2執(zhí)行攻擊任務(wù)，預(yù)定t=80.6 s時完成該任務(wù)，t=80 s時 V3位置(776 m，433 m)，V3的剩余任務(wù)集{2-AT，1-VE，3-VE，5-AT，5-VE};

則整個UCAV編隊待執(zhí)行任務(wù)集G={1-VE，2-CL，2-AT，2-VE，3-CL，3-AT，3-VE，4-VE，5-CL，5-AT，5-VE}，其當(dāng)前態(tài)勢如圖 4 所示，利用PBFO算法所得到的新的任務(wù)分配方案如表4所示，計算耗時 3.1 s。

圖4 t=80 s時的態(tài)勢圖Fig.4 The situation on time t=80 s

2)t=100 s時，新增目標T6。

首先確定UCAV編隊的當(dāng)前狀態(tài)，在t=80 s時，由于UCAV V2失效進行了一次任務(wù)重調(diào)度，周期性重調(diào)度從t=80 s時重新啟動，在t=100 s時，新增目標T6(884 m，752 m)，其偵察、攻擊和評估任務(wù)的價值分別為1、4、4，由于目標突然出現(xiàn)事件屬于可延遲型任務(wù)，因此，需要判斷重調(diào)度時間間隔與最小重調(diào)度時間ΔTmin之間的關(guān)系，由于重調(diào)度時間間隔 Δt=20 s，Δt＜ ΔTmin不滿足重調(diào)度條件，所以重調(diào)度將在下一個周期到來時刻t=125 s執(zhí)行，在t=125 s重調(diào)度執(zhí)行過程描述如下。

科瑪嘉顯色培養(yǎng)基、單核細胞增生李氏特菌、金黃色葡萄球菌等VITEK生化鑒定卡購自法國梅里埃公司。MYP顯色養(yǎng)基、培緩沖蛋白胨水、SC、HE、腸道增菌肉湯（2μg/ml新生霉素）、堿性蛋白胨水、TCBS、TSI|、SIM動力培養(yǎng)基和生化管由北京陸橋技術(shù)有限公司生產(chǎn)。沙門氏菌診斷血清由蘭州生物制品研究所生產(chǎn)，致瀉性大腸埃希氏菌標準菌株由甘肅省疾控中心微生物檢驗科提供，均在有效期內(nèi)。

表4 混合重調(diào)度策略下生成的任務(wù)分配方案Table 4 The task allocation plan using mixed reschedule strategy

按照上一次重調(diào)度得到的任務(wù)分配方案，t=125 s時，UCAV編隊的即時狀態(tài)為:V2正飛向目標T2執(zhí)行評估任務(wù)，預(yù)定t=147.7 s時完成該任務(wù)，此時 V2位置(565 m，516 m)，V2的剩余任務(wù)集{2-VE};

V3正在飛向目標T5執(zhí)行攻擊任務(wù)，預(yù)定t=159.8 s時完成該任務(wù)，此時 V3位置(477 m，450 m)，V3的剩余任務(wù)集{5-AT，5-VE};

此時由于發(fā)現(xiàn)新目標T6，所以需進行任務(wù)的重新分配，整個UCAV編隊待執(zhí)行任務(wù)集G={2-VE，5-AT，5-VE，6-CL，6-AT，6-VE}，其當(dāng)前態(tài)勢如圖 5所示，利用PBFO算法所得到的新的任務(wù)分配方案如表5所示，計算耗時2.7 s。

圖5 t=125 s時的態(tài)勢圖Fig.5 The situation on time t=125 s

表5 混合重調(diào)度策略下生成的任務(wù)分配方案Table 5 The task allocation plan using mixed re-schedule strategy

從該實例可以看出，基于混合重調(diào)度策略的任務(wù)重調(diào)度能夠用較少的時間計算出較滿意的新任務(wù)分配方案，滿足戰(zhàn)場環(huán)境下的實時性要求。在仿真實驗中，如果采用周期性重調(diào)度策略，則在t=80 s時將不會對UCAV的失效情況作處理，導(dǎo)致其他UCAV的后續(xù)任務(wù)無法執(zhí)行，整個編隊將不能按時完成任務(wù);如果采用事件驅(qū)動重調(diào)度策略，則在t=100 s時將進行一次重調(diào)度，但由于Δt=20 s，如果進行重調(diào)度，則重調(diào)度過于頻繁，不能滿足實時性要求，因此混合重調(diào)度策略有效地避免了這種情況的發(fā)生。

通過以上兩組仿真可知，改進的混合重調(diào)度策略根據(jù)任務(wù)的緊急程度判斷是否執(zhí)行重調(diào)度策略，避免了頻繁地進行任務(wù)重調(diào)度，節(jié)約了系統(tǒng)的資源，并通過混合細菌覓食算法對動態(tài)環(huán)境中的突發(fā)任務(wù)進行了合理的分配。

5 結(jié)論

本文建立了多UCAV任務(wù)分配模型，對動態(tài)重分配策略進行研究并做出改進，將周期性重調(diào)度和事件驅(qū)動重調(diào)度進行有機結(jié)合，提出了一種改進的混合重調(diào)度策略，增加了對突發(fā)事件的處理能力，并結(jié)合粒子群算法和細菌覓食算法的優(yōu)缺點，提出了混合細菌覓食算法解決多UCAV的動態(tài)任務(wù)分配問題，通過仿真分析驗證了混合重調(diào)度策略和混合細菌覓食算法的有效性。

［1］王輝，陳紅林.一種改進的基于時間約束的無人機任務(wù)分配模型［J］.電光與控制，2010，17(2):92-94.

［2］朱華勇，張慶杰，沈林成.提高無人作戰(zhàn)飛機協(xié)同作戰(zhàn)能力的關(guān)鍵技術(shù)［J］.控制工程，2010，17(s):52-55.

［3］AN L T H,THUAN N Q.A robust approach for nonlinear UAV task assignment problem under uncertainty［J］.Lecture Notes in Computer Science,2010，6450:147-159.

［4］CHOI H J,KIM Y D.Decentralized task assignment of multiple UAVs based on the communication strategy for dynamic Environments［C］//The Proceedings of 2010 Asia-Pacific International Symposium on Aerospace Technology,2010:522-525.

［5］施展，陳慶偉.突發(fā)情況下多UAV協(xié)同任務(wù)重分配方法研究［C］//2009中國智能自動化會議論文集，2009:331-336.

［6］霍霄華，彭輝，沈林成.動態(tài)環(huán)境中多UCAV協(xié)同控制的滾動優(yōu)化［J］.計算機工程，2008，34(4):22-27.

［7］TIAN Jing,SHEN Lincheng,ZHENG Yanxing.Genetic algorithm based approach for multi-UAV cooperative reconnaissance mission planning problem［J］.Computer Science,2006(4203):101-110.

［8］袁偉東，唐敦兵，王雷，等.基于遺傳算法的動態(tài)任務(wù)分配研究［J］.中國制造業(yè)信息化，2010，39(3):57-60.

［9］梁艷春，吳春國，時小虎，等.群智能優(yōu)化算法理論與應(yīng)用［M］.北京:科學(xué)出版社，2009:157-159.

［10］李亞楠.菌群優(yōu)化算法的研究［D］.哈爾濱:哈爾濱工業(yè)大學(xué)，2009.