综述笔记-多无人机多目标任务分配1

最近要确定开题方向，因此多在看相关的论文，为了提高学习效率，通过笔记形式总结下来，也希望和趣味相投的同学一起探讨，共同进步。（内容设计学者论文，侵权望告知删除）。

大目录

选题依据

研究设计方案

目前论文中提及过的创新点

目前还有哪些不足之处

一、选题依据

1、选题的理论和实践意义

无人机已在战争、搜救、交通巡查、快递运输、农作植保、建筑安防、遥感测绘等领域实际有所运用，但在某些具体领域，如战争，单架无人机无法保证任务的高效执行，因此产生“无人机群”的概念，无人机群指由多个无人机编队组成无人机蜂群，每个编队再去执行相应的任务，所有编队的任务集合即是无人机蜂群的任务总量，无人机蜂群作战在任务执行中具有容错性能高，稳定性强以及系统经济性好的优势。无人机蜂群作战强调综合作战能力，引起了作战过程质的变化。如叙利亚反政府武装中，无人机集群走斩首次亮相，引发了各国对无人机集群作战研究的关注。

多无人机协同任务分配指多架无人机根据任务特点、自身性能以及战时环境，协同完成一类或多类任务时的任务分配，该任务分配需要满足无人机本身的性能约束，如传感器类型、载弹情况、作战半径、转弯半径、飞行动力学约束等。同时要考虑战时环境的各种情况，如威胁区域、禁飞区域、突发目标任务执行、无人机故障等。

2、国内外研究现状

国内外研究现状：

国外研究现状：美国、英国、法国、以色列等西方国家在无人机技术上较为成熟。以美国为例，发展无人机系统的历史大致可追溯至20世纪50年代前后，经过半个多世纪的发展，已经形成以自主编队缓和主动控制系统、多无人机任务规划系统、海陆空三军联合任务规划系统等的系统战略。美军在科索沃战争、伊拉克战争中应用无人机都取得不错战绩。美军的航空人物规划系统能使各军部单元（营、连）任务分配自动化。空军任务支持系统、便携飞行规划软件以及战术自动任务规划系统，可移植至全球指挥控制系统以实现无缝打击规划。

国内研究现状：国内对无人机多任务分配研究起步较晚，处在关键技术公关和模仿性演示阶段，同时也取得了不错的成果。国内研究机构中比较有影响力的有：2014年国防科技大学空天异构集群一体化作战体系。2017年6月119架固定翼无人机集群飞行试验。2018年6月中国人民解放军空军主办首届空军“无人争锋”智能无人机集群系统挑战赛。2020年10月，中国电科集团电科院开展了路空协同固定翼无人机“蜂群”系统的相关试验试飞工作，验证了陆上发射和空中投放固定翼无人机“蜂群”开展对地察打、精确打击等各项任务能力。

研究思路：

一般无人机蜂群作战的研究思路分自顶向下和自底向上两种。自顶向下：采用基于分层递阶思路将多无人机任务规划问题划分为多无人机任务分配、多无人机航迹规划和多无人机编队控制等层次，针对层次内的子问题，建立数学模型，研究合适求解方法和子问题间的协调方法。这种方法我自己的理解类似编程中面向过程的方法。而自底向上恰好相反，它根据目标和任务的特点，从实际问题着手，向上求解，寻找针对该问题的求解方法，类似于咱们编程中面向对象的处理方式。

涉及领域：

无人机协同作战所涉及的学科范围也是相当的广泛：控制理论、运筹学、决策理论、图论、信息论等，因此进入这个领域需要掌握的知识是比较多的，我个人的学习方式是先深入其中一个点，扎进去只做任务分配，这个点做得比较深了再延展到其他相关领域，回过头来用这些知识再深入任务分配这个点。

研究方向：

无人机任务规划分三个层次：面向多飞行器协同任务分配规划、面向飞行器战术动作实施方法设计的战术动作规划以及面向飞行器路径生成的航迹规划。

针对无人机任务分配规划这一子问题，具体的研究方向主要有任务分配数学模型的建立和任务分配问题求解优化算法研究两大方面。由于多无人机协同任务分配问题是一典型的NP难问题，其求解的时间、空间复杂度随着问题规模上升将越来越复杂，因此国内外研究者在该问题上一直在奋力研究。

多无人机任务分配模型分为传统的单一任务模型和多任务模型。单一任务模型，如多旅行商问题、车辆路由问题；多任务模型，如网络流模型（Network Flow Optimization, NFO）、混合整数线性规划模型(Mixed-Integer Linear Programming, MILP)、协同多任务分配模型(Cooperative Multiple Task Assignment Problem, CMTAP);网络流模型（Network Flow Optimization, NFO）、混合整数线性规划模型(Mixed-Integer Linear Programming, MILP)、协同多任务分配模型(Cooperative Multiple Task Assignment Problem, CMTAP)等。

求解方法分为静态任务分配求解方法和动态任务分配求解方法。静态任务分配求解方法有传统算法（动态规划、分支与限定、广度优先搜索）和启发式算法（遗传算法、PSO算法、蚁群算法）；动态任务分配求解方法有两种，一直是执行之前不知道目标具体位置，利用无人机网络在执行任务过程中不断获取目标位置并执行任务分配的过程；另一种是提前知道目标位置，执行任务中，目标位置发生移动或无人机故障或有紧急目标任务出现，需要进行任务实时重分配。对算法实时性要求很高，目前针对这一问题采用的主要方法为拍卖算法、合同网算法及其相应的改进算法。

该课题的背景就介绍到这里啦，不合理的地方还望大家批评指正。后面会陆续更新大目录后面的内容。