随着各国军事科技的发展,航空领域技术水平的不断提高,如何运用更高效的控制策略实现多机协同作战使得执行任务的总体效能最大,已成为现代研究的热点之一。作为多机战术部署与协同控制核心,任务分配方案很大程度上决定着多无人机执行任务时的作战效能和执行效果。由于受到任务环境和自身资源的影响,多机协同任务分配问题是一个受多约束条件限制的多目标优化与决策问题。本文以多机协同任务搜索、打击为研究背景,以任务分配建模和求解方法设计为主轴,重点研究了任务分配两个关键问题——多机协同任务静态预分配和多机协同任务动态重分配问题。主要开展了以下工作:1.建立了“一体式”和“多级式”任务预分配模型。其中“一体式”任务预分配模型主要用于无人机及任务目标规模较小、任务解集维度较低、求解容易的情况。主要考虑了多机协同、作战半径、弹药资源等约束条件,以目标价值函数、生存概率函数、飞行航程函数和弹药成本函数为评价基准。而“多级式”任务预分配模型则用于无人机及任务目标规模较大、任务解集维度较高、求解复杂的情况。主要分成以无人机编队和目标簇之间的一级分配模型和编队内无人机与对应目标的二级分配模型。两种任务预分配模型的建立为多机协同任务分配方案的求解打下了坚实的基础。2.提出一种混合PSO_BAS算法。粒子群作为一种经典的优化算法具有收敛性快、全局寻优能力强等特点,但应用于多机协同任务分配问题时存在后期收敛性缓慢、易陷入局部极小值等缺陷。针对以上问题,本文利用天牛须算法的局部收敛能力,对粒子群的全局最优解进行邻域搜索并引入接受原则,解决易陷入局部极小值问题;对粒子群惯性权重进行线性调节,加快收敛速度。并进行了实例仿真,验证了改进算法的有效性。3.“一体式”分配模型求解。本文以空对地打击、搜索为研究背景,采用提出的混合PSO_BAS算法对“一体式”任务分配模型进行求解。并以对地打击的简单实例和复杂实例分别进行了仿真实验。实验结果表明,与传统粒子群算法进行对比,混合PSO_BAS算法求解任务分配问题收敛速度更快、求解精度更高,获得了满意的任务预分配方案。4.提出了“多级式”求解策略。根据分层理论,将复杂任务分配问题拆为两级分别求解。第一级采用FCM算法对任务目标进行聚类,得到与编队个数一致的目标簇,完成编队与目标簇之间的指派。在一级指派方案确定后,第二级利用智能体并行求解策略,采用混合PSO_BAS算法完成编队内无人机与对应目标簇中各目标的任务分配方案。并行得到的方案汇总即为“多级式”任务分配方案。通过多次的实验仿真,与“一体式”任务预分配求解时间进行了对比,验证了该求解策略在目标和无人机规模较大时相对于“一体式”求解策略的实时性更好。5.提出一种基于监督的顺序拍卖机制。市场拍卖机制作为常用的分布式求解方法,应用于多机协同任务重分配问题时,存在无法同时拍卖多个任务及缺乏拍卖者时无法实现任务迁移等缺陷。本文针对以上缺陷,对竞拍效能函数及顺序拍卖重分配算法流程进行了分析和设计,克服了上述问题。对两个突发情况,开展仿真实验得到了重分配方案,验证了该机制的可行性和有效性。