无人机操纵中的人机任务分配问题-

1、 无人机操纵中的人机任务分配问题研究摘要：针对有/无人机对地协同作战的人机任务分配问题，通过合理假设对问题进行抽象简化，采用基于合同网的市场拍卖机制，建立了基于任务分配收益和代价的效费比函数模型，并以此模型为任务分配方案的评估标准。仿真实验结果表明该方法能够有效地处理多机协同多任务分配问题。关键词：有人机；无人机；协同任务分配；市场拍卖机制The Research on the Task Assignment Problem of Human and Agent in the Control of Unmanned Aerial VehicleAbstract: Aiming at the c

2、ollaborative task assignment problem of manned vehicle and unmanned aerial vehicle, we simplify this problem through the reasonable hypothesis, adopt market-based auction method based on the contract net, establish a cost-effectiveness ratio function model based on the income and cost of task alloca

3、tion, and regard this model as the evaluation criteria of task allocation scheme. The simulation results show that this model can effectively deal with the task assignment problem of multi-agents.Key Words: Manned Vehicle; UAV; Collaborative task assignment; Market-based Auction Method.第1章 绪论1.1、选题背

4、景近年来，无人驾驶飞行器（Unmanned Aerial Vehicle）的应用日益广泛，通常取代人类飞行员去执行危险、压力大、重复或者乏味的任务5，这使得无人机系统节省了重量,降低了成本,并能够进行长时间耐力任务。无人机上虽然没有驾驶员，但其操纵也需要飞行员在地面控制站的方舱中执行，无人机方舱中设有五个席位，包括侦察信息浏览席、链路监控席、飞行操控席、任务操控席和任务规划与指挥席。无人机上装有自动驾驶仪、程序控制装置等设备，位于地面、舰艇上或母机遥控站的工作人员可通过雷达等探测装置，对其进行跟踪、定位、遥控、遥测和数字传输等行为。对于无人机的回收，可采用像普通飞机着陆过程一样自动着陆的办法，

5、或者通过远程控制借助降落伞或拦网进行回收，回收后仍可对其进行多次反复使用2。因此，在多机系统中，无人机的应用备受各国军队的关注，因为它们可以代替载人飞机去执行非常危险的任务。例如，对敌防空系统的压制是非一项常危险的任务，因为飞机需要暴露在敌人的雷达之下，在最近的一些局部冲突中，四分之一的美国战斗机已经使用无人机，这表明了无人机在现代战争中的重要地位。与有人机相比，无人机占据的空间较小，制造成本低廉，操作简单，对作战环境要求低，能够有效降低人力损失，其精确、高效和灵敏的侦讯、干扰、搜寻及在非正规条件下作战等多种作战能力，也取得了令人瞩目的作战效果。虽然无人机具有诸多优点，但在实际作战过程中仍存在

6、许多问题。例如，无人机的战场态势感知能力远远不如有人机，无人机的操纵员只能通过一系列数据来想象飞机在空中的姿态和所处环境，由于不能身临其境，经验再丰富的驾驶员也难免出现失误，特别是在紧急情况下，无人机的执行力将大打折扣，损毁率也极高。因此，在未来的军事发展中，有人机与无人机互相结合进行协同作战将成为一种不可避免的趋势，各国也已开始对这种新型作战模式展开了研究。1.2、研究现状目前，无人飞行器的应用正在大幅增加，应用方面包括侦察等领域、搜索和救援，以及天气观测等。其研究现状具体如下： 1.2.1、国外研究现状军事力量处于世界领先水平的欧美国家对多机协同作战系统的研究给予了极大的关注，并已经将这种

7、作战模式运用到最近的几场战争中。伊拉克战争中，“阿帕奇”攻击机上的机组人员在收到该军无人机发送的目标信息后，及时对敌方目标进行了精准而致命的打击。美军在战争实践中感受到了有人机与无人机混合作战带来的胜利感，鉴于几场战争中有人机和无人机协同作战的经历，美军企图将两者联合成一个配合能力更好、战斗力更强的混合机群。有人机的战场态势感知质量较高，而无人机的持续航行时间较长，航行距离较远。因此，美军打造的“海鹰”直升机和“火力侦察兵”无人侦察机混合编队，期望达到以下理想效果：第一，提高战斗效率，使得混合编队与控制系统间的信息反馈和指挥决策更加及时准确。一方面，无人机可以在第一时间进入战场环境，配合有人机

8、迅速洞悉战场态势；另一方面，无人机在飞行过程中受地面站和有人机的双重控制，大大缩短从获取信息到决定火力打击的时间。当战场态势发生变化时，混合编队的指挥控制系统能立即采取相应的对策，而不必因多次调整而错失战机。第二，提高飞机生存能力。各飞行器的传感器可以组成一个数据网，将每架飞机视为网络的一个单元，当任意一个单元受到干扰或者破坏时都不会影响其他单元正常工作。同时，有人机作为指挥机处于无人机机群的后方，无人机利用自身良好的隐身性能，能够对敌人造成有效的攻击，同时也避免了人员损失。第三，增加纵深作战距离。在远离地面站的条件下，主要由有人机指挥控制无人机执行任务，使得侦察、识别目标和有效打击的距离加大

9、，故需要增加纵深作战距离。在无人机自主机群中，可以通过无线通信在团队成员之间交换信息来实现协调和适应，但其对态势的认知能力又有所欠缺和无人机操纵员的经验缺乏，所以无人机的消耗率也非常高。若能将载人飞机良好的态势感知能力和无人机的自主智能结合起来，那么无人机的使用将表现出更高的成本效率。然而，UAV和人类之间的这种信息交换成为了一个苛刻的问题，因为人类不能像机器一样处理大量信息，这要求人类必须经常与UAV分享目标或预期的行动信息，从而大大增加他们的认知负荷，并对他们的任务表现产生负面影响。有人机和无人机混合编队的未来主流形式是把有人机作为指挥核心，将成本较低、机动性强、隐身性好，且装备精确制导武

10、器的无人机作为攻击主力，无人机机群始终处于指挥机的监视范围内，通过一体化指挥平台，完成侦察探测、信息传输、武器发射与武器制导等任务。1.2.2、国内研究现状目前，国内的无人机类型分为侦察机和察打一体机，中国空军现役的察打一体机的机型有“攻击-1”和“攻击-2”，相当于美国的“捕食者”和“收割者”无人机，其他机型多为侦察机。与“攻击-1”相比，“攻击-2”主要是在飞机性能上有所提升，例如飞行高度和飞行速度。此外，我国最新研制的“翼龙”无人机和“彩虹四号”中空长航时无人机，代表了中国无人机制造领域的当前最高水平。通常，无人机会根据载荷规定配备2枚、4枚或者10枚弹药，但武器威力较小，对目标的定位精

11、度要求较高，且对固定目标命中率较高。相比较国外而言，国内的一些航空院校和科研单位主要还是针对有人驾驶飞机协同空战和无人机单机作战进行了研究，而且对于无人机的实际运用，主要以反恐为主。2013年，在国内多无人机协同决策与控制领域处于领先地位的国防科大沈林成教授团队归纳总结最新研究成果，出版了一本专著多无人机自主协同控制理论与方法，这对于多机协同自主作战的研究具有阶段性意义。这本专著分析总结了多无人机系统的理论和技术发展脉络，对包括多无人机协同任务分配、协同轨迹规划、编队协同控制、多机协同自组织等在内的多个协同控制课题都进行了总结与研究，论述了多个协同问题的相应解决办法，对国内的相关研究人员有很高

12、的参考和指导价值。此外，由我国目前顶尖的无人机飞行员李浩参与编写的无人机训练条令已在部队推广使用，其中一系列标准化指令，使得飞行员能够在任务中向无人机准确传达命令，以便实现无人机信息系统的统一化管理，增强执行力。国内部分研究人员虽然对无人机协同作战模式进行了较长时间的研究，但主要还是停留在理论阶段，没有具体的实战经验，而对于有人机与无人机混合编队的这种新型协同作战模式，还处于刚起步阶段，国内的相关文献资料更是寥寥无几。1.3、本文框架无人机进行巡航侦察是否为攻击目标搜索可疑目标是否攻击确定攻击航线有人机进行攻击授权无人机实施攻击行为是是该目标进入任务序列等待发现可疑目标否否图二 人机任务流程图

13、目前，在国内外所进行的有人机与无人机协同演练中，有人机并不能直接指挥控制无人机，对无人机的操纵主要由地面控制站完成。由于有人机具有良好的感知能力，在未来发展过程中，有人机应当与地面控制站合理分工，共同对无人机进行操控，并且无人机也能实现一部分自主作战。其次，国内外文献对于编队否否协同作战任务已分配提出了多种较为成熟的算法，例如蚁群算法、遗传算法、线性算法等分配方法，但这些算法的复杂度都较高，不能很好的满足战场对于信息需求的时效性。以1架有人机和3架无人机的形式为例，将原来操纵无人机的地面控制系统部分移植到有人机上，使有人机和地面控制站进行数据共享，并且有人机也能对无人机直接发布指令。在一般情况

14、下，有人机对无人机的控制享有优先权，当有人机遭遇意外时，可切换为地面控制模式。如图所示，协同作战过程中，具有远距探测能力的有人机作为长机，对无人机作战机群进行指挥控制，隐蔽性和安全性较好并且携带制导武器的无人机作为攻击机，由有人机和地面站完成信息的综合处理及战场态势的感知，由无人机完成对目标的攻击。UAV编队在执行任务前，首先要根据己方探测情报信息进行任务分配，以使得机群作战效能最高，作战代价最小。通常情况下，无人机按照预先设定的参考航迹飞抵目标点，锁定目标后，向有人机或地面控制站发出攻击确认，得到攻击授权后，无人机对目标进行打击。无人机自身携带的武器威力较小，打击范围受限，例如MQ-1“捕食

15、者”可携带2枚AGM-114导弹，MQ-9“死神”可携带4枚500磅量级或10枚250磅量级的弹药，所以在无人机打击完毕以后，需要有人机再次攻击，确保目标被完全摧毁。同时，UAV在预分配后还必须考虑突发机制条件下的动态任务调整，即任务的重分配，以便在遇到突发情况时，能够将新增加的任务及时地委派给合理的UAV，充分利用系统的资源，提升任务的完成质量。例如，在多无人机对地作战时，系统根据决议方案进行目标分派，将地面的某个目标委派给一架无人机，当该无人机在去往目标的飞行过程中，又有一个新的威胁目标被发现，而此时这架无人机由于未接到新的攻击任务，不能对新增加的目标进行攻击，这时系统就会重新进行决策，在

16、原有任务分配方案上进行局部调整，让该架飞机或者周围其他具有攻击能力的UAV 对该目标进行打击，最终使得整体作战效能达到最大程度的提升。本文针对一架有人机与三架无人机的混合编队，基于市场拍卖机制对多机协同作战时的人机任务分配方法进行研究，有人机和地面控制站在对获取的信息进行综合处理后，作出决策并下达命令，使得UAV的任务分配得到满意的或者最优的任务集合，同时也适用于无人机编队在突发情况下采取不同的决策。文章框架结构如下：第二章主要介绍了市场拍卖机制的运作过程，建立了基于航迹规划的效费比模型，并以此模型作为任务方案的评估标准；第三章根据评估结果对预期分配方案进行路径规划，选用dijkstra算法在

17、voronoi图中搜索最短路径，确定无人机的参考航迹；第四章对混合编队的整体作战效能建立了评估模型，并根据前期调研结果对有人机、无人机混合编队协同作战，以及无人机机群自主作战两种模式的作战效能进行了比较和分析；第五章通过仿真案例验证了市场拍卖机制对于多机协同作战任务分配的有效性。第2章 基于市场拍卖机制的任务分配算法对于一个多机系统，合作对于有效地成功完成任务至关重要，特别是适当的任务分配对于合作的效果最大化具有重要影响。对此,许多研究人员研究了任务分配算法，通常分为集中式和分解式的方法。在集中式分配算法中，一个控制中心负责接收所有无人机传送的信息，然后向每架无人机发送适当的命令。使用这种方法

18、，会简化对单架无人机的系统设计,然而，一旦控制中心发生故障，对于整个机群将会发生致命的事故。在分解式算法中，每架无人机能够意识到自身处境和当前环境状况，且无人机之间可互相通信，实现内部协商，然后决定各自需要执行的任务。分解式算法可以利用无人机自身的信息处理能力来应对动态变化的环境，例如无人机发生故障或目标位置发生变化。此外，以市场为基础的任务算法，包括拍卖法，是分解式算法中很直观的一种方式。每架飞机在这个虚拟市场中计算各自的效益，而这种“自私”的行为可以提高团队的整体效率。Choi等人已经将拍卖法和一致性算法结合起来，并验证了这种算法能够保证50%的最优性12。为了提高编队协同作战效率，本文也

19、采用了基于合同网模型的市场拍卖机制来实现无人机的任务分配。2.1、合同网模型的基本思想合同网协议是一种动态的任务分配方法，仿照经济行为中的“招标投标中标”过程实现任务的分派和转移3。合同网采用市场拍卖的方式，将投标值作为飞行器之间任务分派的控制变量，通过各作战单元的互相协商和任务竞争，从而以最优的整体效能和最小的代价来完成任务。这种方法的优点在于，当系统中开始分配任务并消耗资源时，会形成一种平衡。例如，在当前任务分配方案下任务过大的无人机，会对该任务进行“标价”，而价格可能会高于另一个消耗资源更多但任务负荷较少的无人机所给出的价格。此外，基于市场的解决方案适用于异构团队，从而可将确定性规划与集

20、群的分布式优势相结合。值得注意的是，由于合同网模型是分布式的，没有办法确保一定能得到全局最优的结果。无人机之间的合作与人类飞行员之间的合作方式非常相似，因此基于合同网的多代理系统也非常适合无人机。多代理系统能够对各种人际交互进行建模，例如彼此观察、发送请求、提供信息、协商、解决矛盾和组成编队。当多代理系统应用于UAV时，UAV被称为任务控制代理。任务控制代理结构分为四层：第一层是硬件系统，由传感器、通信链路、武器控制系统和执行器控制系统组成；第二层是任务执行层; 这是由自动驾驶员，健康预测和武器瞄准系统组成的；第三层是自适应任务控制层，这一层是包括应急管理软件和规划算法；最后一层是协调层，它控

21、制着无人机整体的行为。根据以上多代理系统的特点，在这个模型中设定了两种角色：招标Agent和执行Agent。招标Agent主要由有人机来担当，负责任务的分解和发布，监视任务的执行；执行Agent由无人机担当，负责任务的具体实施。合同网模型中Agent具体协商过程如图所示：2.2、基于航迹规划的效能函数模型空中攻击作战的目标是最大限度的消灭敌方、保留己方力量，在敌方控制区域执行作战任务时，飞行器需要尽可能规避各种威胁到达目标位置。因此，制定任务分配方案应当充分考虑己方损失情况和打击目标所能获得的损伤收益，本文选择将效费比F（F=效益V/代价W）作为无人机的投标效能函数值，最终选取效费比最大的作战

22、方案。目标损伤情况与飞行器的作战能力有关，而己方损失不仅与敌方的威胁程度有关，还与无人机的进击航迹有关，所以，作战方案应在详细分析敌方目标的有关信息和己方作战能力的基础上，合理选择攻击目标并确定参考航迹。无人机按照预期参考航迹飞抵目标位置，但每个打击目标又具有不同的价值，故合理的任务分配及无人机的进击航迹方案应该是在综合考虑飞行器最小的被探测概率及相关任务要求后作出的统筹安排。因此，构建的任务分配效能函数模型为：maxF=max(VjWi) （2-1）i=1,N，N表示飞行器总数目；j=1,M，M为任务总数。Wi为第i架飞行器的按照参考航迹飞行时付出的代价，Vj为飞行器对目标进行打击时所获得的

23、损伤价值，即收益。文献1中构建了一种单飞行器航迹规划目标函数模型： （2-2）式（2-2）中，N表示将一条航迹划分成N段，表示其中第i段路径的长度，表示整条航路的距离，也是航程代价；M为每条航迹段上的取样点个数，Q为威胁源数目，为威胁源q对航迹段i上点m的威胁概率，表示点m到威胁源q的距离，为威胁源q的权重系数，与威胁源属性、威胁程度等因素有关，表示飞行器付出的威胁代价；表示约束函数： （2-3）表示飞行偏转角，表示最大偏转角，使得规划的航迹满足飞行条件；为权重系数，可以根据战争态势、作战要求和战术需要等作出动态调整，规划出符合要求的航迹。对于多架飞行器的协同航迹规划，还应考虑安全碰撞约束的问

24、题，用一个飞行器间的距离代价作为避免飞行器之间发生碰撞的约束因子。从飞行器的出发点坐标开始，用一个时间增量对航迹进行记录，计算出每条航迹上当前时刻的飞行器坐标，通过坐标就可以计算出在当前时刻各个飞行器之间的距离，将这个距离加入到代价函数中去。以第i架飞行器为例，设表示飞行器i与其他飞行器之间的安全距离代价，的计算公式为： （2-4）式（2-4）中，表示第i架无人机与第j架无人机在某同一时刻所处位置之间的距离，为规定的飞行过程中飞机间的安全距离。在同一时间点，若飞行器之间的距离小于或等于安全距离时，就认为飞行器有出现碰撞的可能。根据以上分析，对于协同航迹规划中的单条航迹约束如下： （2-5）为权

25、重系数。再根据式（2-2），得出模型如下式： （2-6）为航迹i的航程代价，为威胁代价。目标的损伤收益按下式计算： （2-7） 表示第j个目标的价值度，表示第j个目标对我方的威胁程度，pij表示第i架飞机对第j个目标的杀伤概率，分别表示目标价值和威胁程度的权重系数。2.3、算法流程 多飞行器协同作战任务分配的分解算法可以描述为：1. 先由主持拍卖的有人机将任务信息公布；2. 其他投标的无人机在接到信息后，根据自身初始化状态信息（作战能力、任务载荷等）决定是否参加竞标；3. 若决定参与竞标，航迹规划层为每架无人机所能执行的任务规划出一条备选航迹，并计算每条路径的效费比F，选取效费比最大的航迹作为

26、目标航迹，并将该效费比返回给有人机，对目标任务进行投标；若不参与投标，则退出竞标环节；4. 有人机在接收到无人机的投标信息后，协同规划层为每架飞行器选择合适的参考航迹，满足任务要求；若有两架和两架以上的无人机竞标同一任务，遵循“战斗力优先”的原则，即作战能力强的飞机执行该任务，其他无人机可选择效费比次大的任务，以此类推，直至任务分配完毕；5. 中标的无人机在接收到中标信息后，即可按预定航迹飞抵目标点，执行任务，并定期向有人机报告任务状态。第3章 无人机协同作战的航迹规划目前，无人机从一个路径点飞到另一个路径点的规划是可以实现自动化的，研究者提出了许多不同方法来规划飞行路径。这些方法通常分为两类

27、：几何方法和离散方法。常见的几何方法包括杜宾路径，Clothoidal路径，毕达哥拉斯速度图路径等。这些方法能够直接产生弯曲的路径，而不需要平滑路径的步骤。然而,这种方法也存在明显的缺陷，包括计算复杂度和需要预先知道所需的路径点。此外,这些并不能保证产生适航的路径，只有一个平滑的路径5-6。因此，研究中经常采用离散方法，常见的离散方法包括可见性图表、细胞分解法、泰森多边形法，这种离散方法将可飞区域转化为一系列由路径段连接的网格节点。本文选择了应用最为广泛的泰森多边形法，它专注于在雷达探测区域之间寻找暴露代价最小的路径，同时还能消除部分不可行的路径，降低计算复杂度。3.1、无人机航迹规划为了使飞

28、行器在任务过程中尽可能少的暴露在敌方雷达区域内，安全抵达目标区域，无人机的航迹规划和协同显得尤为重要。一般来说，在规划路径时，还必须考虑许多附加约束条件，如飞机的运动速度和机动性的约束，目标区域或到达时间要求。本文的路径规划问题的关注点在于，在规定的时间内，飞行器如何在一片雷达活跃区域中尽可能少的暴露自己，从起点成功抵达目的地。但是，要完整地解决所有约束优化问题是非常困难的，而且计算量也会非常大。因此，我们提出一种次优的解决方案,将路径规划分解为一个两阶段的过程：1) 利用泰森多边形先找到一个粗略路径；2) 在粗略路径的基础上构建一条可以飞行的轨迹。参考航迹规划是在飞机执行任务前进行的，使用泰

29、森多边形法图在当前已知的威胁位置用Djikstra搜索算法获得最低成本路径，即最初的路径，然后根据给定的飞机转弯半径，在泰森多边形法中加入边缘弧半径，便形成一个可行的轨迹。当飞机的最小转弯半径很小时，这两步分解过程生成的飞行路径时最优的，当转弯半径较大时效果次之。备选航迹的优劣根据预先设定的性能指标，即效费比来确定，最终根据竞标结果确定一条参考航迹。无人机在执行任务过程中，并不完全严格的按照该航迹飞行，而是对参考航迹进行局部适当的调整，满足实际飞行条件，当新的威胁出现，也会导致泰森多边形图的改变和可飞路径的重新计算。无人机的航迹规划总框架如图所示：航迹规划层为每架飞机规划出H条备选航迹，按效费

30、比从大到小排列协同规划层为每架飞机确定一条参考航迹，满足任务要求轨迹平滑层对参考航迹进行平滑处理产生可飞航迹根据GPS/INS组合导航系统对航迹进行局部调整 3.2、基于VORONOI图形的几何环境规划 VORONOI图，又叫泰森多边形或Dirichlet图，它是一个以两邻点间线段的垂直平分线为边，以垂直平分线相交的点为顶点，所构成的连续多边形。N个在平面上随机散落的点，按照最邻近原则将该平面划分成多个区域，每个点与它相邻最近的区域相关联。在直角坐标系中,这些边通常被用作路径。该方法已经被普遍应用于移动机器人的路径规划，也包括部分与无人机相关的问题，此外，也多用于地形处理等多种平面划分的情形，

31、成功地解决了找最近点、求最大空圆、最小生成树等问题。VORONOI图具有以下的重要定理12：定理1：对于任一点集P所对应的VORONOI图Vo(P)，点和之间的垂直平分线确定了Vo(P)的一条边，当且仅当在这条边上存在一个点q，使得Cp(q)的边界经过和，但不经过其他点；定理2：给定平面上任意n个基点组成的集合P，若所有点都共线，则Vo(P)由n-1条平行直线构成；否则，Vo(P)将是连通的，而且其中的边不是线段就是直线。图1 平面VORONOI图根据以上VORONOI图的性质可知，VORONOI多边形的每条边上的点到与该边两侧相邻最近的两个点间隔相等，换句话说，VORONOI边上的点是距离两

32、侧最近威胁点的最远点。因此，无人机沿着VORONOI边飞行可以获得较高的安全系数，图一为生成的VORONOI图示例。3.3、Dijkstra算法计算每个顶点之间连线的距离，该距离即为加权VORONOI图的权值。在加权VORONOI图的基础上，使用图论中任意一种最短路径搜索算法就可以寻找到无人机的初始航迹。值得注意的是，在使用最短路径的搜索算法创建适当的数据结构时，要考虑多方向的航迹规划，而不是单一的方向。因此，在航迹规划时，采用了无向的Dijkstra搜索算法得到初始航迹。Dijkstra（狄克斯特拉算法）算法是经典的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径，其主要特点是以起

33、始点为中心向外层层扩展，直到扩展到终点为止。其基本原理是：每次新扩展一个距离最短的点，更新与其相邻的点的间隔。当VORONOI图中所有边的权值都为正时，由于不会存在一个距离更短的没扩展过的点，所以这个点的距离永远不会再被改变，从而确保了算法的正确性。不过也因为这个原理，用Dijkstra求最短路的图不能有负权边，因为扩展到负权边的时候会产生更短的距离，这样就破坏了“已经更新的点的距离不会改变”的性质。举例来说，如果图中的顶点表示村庄，而每条边的权值表示村庄间的距离。Dijkstra算法可以用来找到两个村庄之间的最短路径。Dijkstra算法的初始化包括了一个有权重的有向图G，以及G中的一个起始

34、顶点A，P表示G中所有顶点的集合。每一个图中的边，都是两个顶点所形成的有序元素对。(x,y)表示从顶点x到y连接的路径。S表示所有边的集合，而边的权重则由权重函数z: S 0, 定义。因此，z(x,y)就是从顶点x到顶点y的非负代价值(cost)，边的权值可以想像成两个顶点之间的距离。任两点间路径的代价值，就是该路径上所有边的距离总和。已知集合P中有顶点m和n，Dijkstra算法可以找到从m到n的代价最小的路径(i.e. 最短路径)。Dijkstra算法的具体步骤如下：1. 给起始点标号（0,0），并令。标号中的第二个数值，表示从起点到该点的最短距离为0；由于是起点，所以标号中的第一个数值设

35、为0；2. 寻找从发出的所有弧，求出这些弧的权与之和的最小值，即（j为从起点发出的所有弧的终点的下标），对以上最小值所对应的点进行标号，并确定；3. 继续探寻以已标号的点为起始点，未标号的点为终点的弧，并计算出已标号点的值与相应弧的权之和，对其中求得的最小值所对应的点进行标号，并确定为；4. 按此步骤类推，直到找不到以已标号的点为起点、未标号的点为终点的弧时，就得到了起点到各个点的最短距离；如果最后标号进行不下去时，还存在未标号的点，则意味着从起点不存在到达该点的路线；5. 利用逆向思维，可以找到从起点到任何一点的最短路径。3.4、Dijkstra算法与其他几种算法的比较1. 普里姆（Prim

36、）算法普里姆算法思想是在n个顶点组成的连通无向网中，首先选定所有的顶点，把所有顶点分为两个集合，一个是属于集合里的顶点集合（开始时任选一个），其余的顶点是属于集合外的顶点集合。其次，选择边，也就是每次挑选一个在集合内的端点、一个在集合外的端点所组成的边，并且这条边的权值必须是当前最小的权值，每往集合里增加一个顶点，相应的也就构成一条最小生成树的边。当把集合外的所有顶点都加入到了集合里，也就形成了一棵最小生成树。Prim算法与Dijkstra算法的区别如图所示：区别普里姆算法构造最小生成树Dijkstra算法构造单源最短路径图类型无向连通网有向连通网起始点任选一个起点有一个确定的起点，其余为终点

37、连通顶点连通所有顶点，且总造价最低起点到各终点的两顶点间的最短路记录路径数组无有一个P数组保存从源点到各终点的路线构成结果图所构成的连通网的权值之和最小起点到终点的路径权值最短重复次数n-1次n-2次对于无人机的航迹规划来说，无人机的当前位置即源点，目标位置即终点，需要找出两点间的最短路径，由上图知，用Dijkstra算法更为合适。2、 A*算法A*（A-Star)算法是一种静态路网中求解最短路最有效的方法，公式表示为： f(m)=g(m)+h(m)，其中f(m)是从起点经过节点m到终点的代价函数，g(m) 是在静态路网中从起始节点到节点m的实际代价，h(m) 是从节点m到目标节点的最短路径的

38、估计代价。估价函数h(m)的选取是找到最短路径（最优解的）的关键之处：若估计代价h(m)的值小于或等于m到目标节点的距离实际值时，遍历的点数多，搜寻范围大，效率低，但能得到最优解；如果估价值>实际值，遍历的点数少，搜寻范围小，效率高，但不能确保得到最优解。若h(m)=0，则A*算法变成Dijkstra算法，由此可见，A*算法是在Dijkstra算法的基础中加入了对未来路径的代价预测，从而使路径搜寻具有一定的方向性，提高了计算效率，属于一种启发式算法。由于A*算法关注的是点到点的最短路径（包括具体路径），当目标点很多时，A*算法会带入大量重复数据和复杂的估价函数，所以如果不要求获得具体路径

39、而只比较路径长度时，Dijkstra算法将是更好的选择。3.5、轨迹平滑处理在VORONOI图的基础上，用Dijkstra算法在途中搜索路径，构成粗略最短路径，其主要缺点是包含不可飞的尖角，因此，需要航迹平滑层去做平滑可飞处理。平滑处理后的轨迹本程序处理方法如下：根据无人机的最小转弯半径确定需要平滑路径的起点和终点，将这一路段分为十小段，进行平滑处理，每一小段实际仍为线段，整体连起来可看作近似圆弧，平滑后的路径效果如图所示。第四章 编队整体作战效能评估采用编队形式进行协同作战，既能发挥单机性能，又能互相支持，形成集体作战能力；同时，编队所具备的协同合作、多目标攻击能力可以使每架飞机在同一时间点

40、对多个目标进行精准高效的打击，对提高我方作战效能、生存能力及对敌机的杀伤概率有着积极意义。要科学合理地评价飞机编队的作战能力，就必须考虑现实战场需求。根据典型的有人机/无人机混合编队协同空战模式可知，与有人机或者无人机单一机群空战效能相比，有人机和无人机协同的混合机群作战效能具有以下特点：1. 有人机指挥控制能力扮演了举足轻重的角色；2. 无人机自主智能有重要影响；3. 对数据网络系统的抗干扰能力和稳定性有较高要求；4. 整体战斗能力与机群中的飞机数目呈正相关；5. 多机协同会相对削弱单机能力优势。基于以上特点，本文构建了一个基于各能力之间相关性的加权和模型。需要注意的是，对于模型中的有人机能

41、力，要注重指挥和控制能力相关参数在模型中的体现。无人机能力中的智能化程度需要重视，此外还要特别考虑数据链的能力。4.1、空战效能评估模型总体框架根据编队协同作战的特点，本文确定了影响编队整体作战效能指标的四个要素，即数据链能力指标、决策能力指标、合作能力指标和战斗能力指标。本文采用层次分析法，对各个因素的相应指标进行计算，并参考以下准则来计算总体效能指标：1. 将各个指标量按相加或相乘的原则来进行综合；2. 相加的各个指标必须有相同的量纲或形式上保持一致性；3. 各要素指标中，值越大效能越高的量作为分子，值越小效能越高的量作为分母。总体效能指标层次结构图如下：总体效能指标信息获取能力数据链能力

42、指挥决策能力合作能力战斗能力信息保护能力信息传输能力决策时间态势感知质量 协同可靠性 协同可信性捕获目标概率飞机生存概率飞机杀伤概率根据层次分析法的特点，总体效能可用公式（4-6）表示： （4-6）其中，为数据链能力指标，为指挥决策能力指标，为合作能力指标，为战斗能力指标，均为权重系数。4.2、数据链能力评估模型良好的数据链能力能够大大提高协同作战的效率，这种能力最终反映在编队作战指挥系统对战场态势的感知质量上，可用信息获取能力、信息传输能力及信息保护能力作为评估指标。4.2.1、信息获取能力信息获取能力即态势感知质量，指在规定任务区域内，飞行器探测到的敌方目标数目与客观态势中实际敌方目标数目

43、的相吻合程度，以表示： （4-7）为探测到的目标数量，为战场中实际的目标数量。4.2.2、信息传输能力信息传输能力是指编队中各作战单元之间信息的接受和发送能力。作战指挥系统各单元之间的信息承载量对信息传输能力起到决定性作用，所以可将各作战单元的数字通信成功概率作为信息传输能力的评价指标。数字通信系统成功概率常用误码率或误信率来衡量，误信率指在系统终端错误接收的信息量在传输信息量中所占的比例，所以信息传输能力用下式计算： （4-8）4.2.3、信息保护能力信息保护能力是指编队内各单元的电子对抗能力，可以用编队的健壮性作为指标。健壮性指当编队内某个单元受到外界扰乱或损坏时，编队仍能获取和传输信息的

44、能力，一般与作战单元的类型和数目有关。本文对无人机的类型不做约束，任意一架无人机均能执行各种任务，故信息保护能力由下式表示： （4-9）N表示飞行器数量，为权重系数。信息处理能力的总体指标可定义为： （4-10）均为权重系数。4.3、决策能力评估模型指挥决策能力主要是指指挥主体根据战场态势完成目标分配、战略选择和战术决策的能力，可用态势认知的质量和决策时间表示： （4-11）C为态势认知的质量，计算方法同式（4-7），T为决策时间指标，为权重系数。4.4、合作能力评估模型 合作能力考虑的是各飞行器协同作战的可靠性与可信性，协同的可靠性取决于数字通信成功概率，可信性取决于战场态势感知质量，故协同

45、能力由下式表示： （4-12）为协同可信性的权重系数，为协同可靠性的权重系数。4.5、战斗能力评估模型编队战斗能力与各飞行器的战斗能力密切相关，假设编队中各架飞机具有相同的攻击效能，则战斗能力用下式表示： （4-13）表示飞行器生存概率，表示目标捕获概率，表示飞行器对目标的杀伤概率。4.6、层次分析法确定各指标权重根据层次分析法中的19尺度和专家经验，对协同作战效能评估模型中同一层级的因素进行两两比较，构造判断矩阵，确定相应的指标权重。表2 能力层4个指标权重的计算UU1U2U3U4U111/31/21/4U23121/3U321/211/2U44321其中，U1代表数据链能力，U2代表指挥决

46、策能力，U3代表合作能力，U4代表战斗能力。由表中数据计算，得出判断矩阵U的最大特征值，该特征值对应的归一化特征向量为v=0.0934 0.2536 0.1766 0.4763T。根据下式对矩阵进行一致性检验： （4-14） （4-15） （4-16） 计算得到CR=0.0460<0.1，表明矩阵U通过了一致性检验，故计算得式（4-6）中四个权重系数分别为：。用同样的方法，得到指标层中各权重系数取值如下： 。4.7、算例分析根据专家意见和文献6，各参数设置如下：误信率Pb为0.093；决策时间Tmax=100s；由于有人机的态势感知能力较强，故有人机的态势感知质量C=0.95，无人机的态

47、势感知质量C=0.78；有人机的目标识别概率Pa=0.87，无人机的目标识别概率Pa=0.81；由于无人机具有隐蔽性、安全性高等特点，故其生存概率较高，Ps=0.84，有人机的生存概率Ps=0.75；有人机的杀伤概率Pk=0.94，无人机的杀伤概率Pk=0.80。现有两种作战模式：（1）4架无人机组成编队执行全自动作战；（2）一架有人机率领3架无人机组成混合编队进行协同作战。根据以上参数设置，利用MATLAB对这两种作战模式进行仿真，结果如图：第五章 仿真案例5.1、问题描述假设混合编队由一架有人机指挥控制3架无人机进行空战任务。在直角坐标系下，无人机A的初始位置为（20,20），B的初始位置

48、（55,40），C的初始位置（85,35），有人机S位于无人机机群后方，坐标（45,10）。经过预先侦察，获知有3个目标需要被消灭，位置分别为（55,95），（85,110），（25,75）。现有人机发布3项任务信息，由3架无人机进行竞标，假定所有无人机都属于同一型号，并且能执行任一任务，因为若对无人机类型进行了限制，反而会因为投标数量减少而降低问题的复杂度。为了保证飞机的安全飞行，假设飞机间的安全距离和最大拐弯角都在规定范围内，各参数设置如下：表4 无人机参数设置无人机编号ABC杀伤概率0.820.800.85被敌方雷达发现的概率0.600.580.63表5 目标参数设置目标编号123价值度

49、0.830.950.78威胁程度0.780.890.80给定权重系数=0.65，=0.55，=0.45，根据第二章所给出的公式，计算出各无人机对于每个目标的效费比F，如表6： 无人机目标ABC10.00860.01540.011220.009000.012630.013800Fmax0.01380.01540.0126由计算结果知，最终的任务分配方案为A-3，B-1，C-2，仿真结果如图所示：第6章 总结与展望6.1、论文总结本文针对多飞行器协同作战下的任务分配问题进行了研究，在市场拍卖机制下，建立了基于协同航迹规划的效费比效能函数模型，设计了分解式航迹规划算法，使各项任务能够分配给合适的飞机去执行，提高整体的作战效率和时效性，并通过仿真案例进行验证。仿真结果表明：基于市场拍卖机制的任务分配方法能够有效地对目标信息和任务要求进行综合权衡，得到效费比高的任务分配和航迹规划方案，这种方案不仅能保证飞行器合理地选择规避威胁的航迹，还使得编队整体能获得最佳或满意的作战效果。6.2、进一步研究方向本文对有人机指挥、无人机协同作战的任务分配方法和编队协同作战效能进行了一些研究，但仍存在很多不足，需要进一步的深入研究和改进。1. 有军事专家指出：一个国家如果拥有灵敏高效的数据链，即使战机数目只有对手的一半，一样可以获得战争