随着军事科技的不断发展,分布式协同作战（包括无人机集群、有/无人机协同、忠诚僚机等）已成为目前军事强国研究热点。异构空中单元是不同性能、不同载荷的空中单元组合,通过协同控制与柔性配置,能够突破单个空中单元能力限制,实现资源优势互补,并促使多空中单元具有灵活多变、抗毁顽存、作战能力非线性提升的特点,适用于多种任务场景。此间,协同任务分配是集群应用的顶层规划,建立各单元与任务之间的合理关联,强化集群协同优势。本文以无人机为研究目标,探索高效协同任务分配方法:根据环境态势、平台功能差异、任务需求等因素,规划出合理的任务映射关系、精确的时间节点、恰当的载荷配置和可行的飞行航迹等。本文主要研究如下:1.建立异构无人机协同任务分配模型:以对敌防空压制为任务背景,建立了带时间窗约束的异构无人机协同任务分配模型,考虑了任务时序约束、时间窗要求、无人机载荷、无人机动力学性能等实际约束;建立了包含任务完成时间、任务收益、任务损耗和航程在内的四个优化目标;结合多种约束关系建立分层约束处理策略,解决不同类型、相互影响的约束对问题求解的干扰。2.对比多类型算法任务分配模型求解性能差异:选择集中式量子粒子群算法和分布式一致性众包算法,结合分配模型特点进行改进和模型求解。量子粒子群的解方案质量较好,花费时间长,适用于综合多种已知因素进行全面调度。一致性众包算法求解效率出色,解质量一般,适用于动态任务调整,可满足高时间敏感性的任务需求。3.高求解效率的多目标量子粒子群算法:面向优化目标对解空间进行精细化局部搜索,可以提升搜索效率。非支配解评估方法考虑非支配解的收敛性能和分布性能进行综合排序,解决高维多目标的支配能力下降问题;利用多目标优化算法综合考虑多个优化目标,提高决策效率。4.基于局部调整的改进一致性众包算法:以无人机和任务数量的变化为主要变化因素,研究对原始计划进行局部调整的快速重分配策略。参与重规划的任务和无人机的数量影响重分配的收敛速度,重分配算法在不完全重新分配的情况下,根据新任务的价值和所规定的反应时间,动态地选择参与重置的任务数,以平衡收敛速度和总体收益。