本發明涉及無(wu)(wu)人機(uav)的任(ren)務(wu)分配和路徑規劃，具體涉及一種用于實(shi)現多(duo)無(wu)(wu)人機系統協同任(ren)務(wu)分配和路徑規劃的方法。

背景技術：

1、隨(sui)著無(wu)人(ren)(ren)機技(ji)術(shu)的(de)(de)日益成(cheng)熟，它們越來越多地被(bei)應用于各(ge)種復(fu)雜環境中進(jin)行偵察、搜索、救(jiu)援等任(ren)務。在多無(wu)人(ren)(ren)機協同作業中，如何(he)有效地分配任(ren)務并規劃(hua)出避免碰撞且高效的(de)(de)飛(fei)行路徑(jing)是提高作業效率和確保安全的(de)(de)關鍵問題。任(ren)務分配和路徑(jing)規劃(hua)是多無(wu)人(ren)(ren)機實現協同自(zi)主控制的(de)(de)關鍵技(ji)術(shu)，具有強耦合(he)關系(xi)。

2、多(duo)(duo)無人機任(ren)務(wu)分(fen)配(pei)是(shi)一種非(fei)確定多(duo)(duo)項式(np)問題(ti)，具備多(duo)(duo)參(can)數、多(duo)(duo)約束的特點，其本質屬于多(duo)(duo)目標優化問題(ti)。21世紀以來，各國紛紛開(kai)展無人系統任(ren)務(wu)分(fen)配(pei)專項研究工(gong)作，將(jiang)任(ren)務(wu)分(fen)配(pei)問題(ti)與控(kong)制科學、人工(gong)智能、決策理論以及建(jian)模(mo)優化技術相融合(he)，形成多(duo)(duo)種解決方法。

3、粒子群(qun)優(you)化(hua)(hua)(pso)算(suan)(suan)(suan)(suan)法(fa)是美國心理(li)學(xue)家kennedy和(he)電(dian)氣工程師eberhar受鳥類(lei)(lei)和(he)魚類(lei)(lei)覓食(shi)行為(wei)(wei)啟(qi)發而(er)提出的(de)(de)一種基于群(qun)體智(zhi)能理(li)論(lun)的(de)(de)演化(hua)(hua)計(ji)算(suan)(suan)(suan)(suan)技(ji)術(shu)，該算(suan)(suan)(suan)(suan)法(fa)因其計(ji)算(suan)(suan)(suan)(suan)內存(cun)需求(qiu)少、控制(zhi)(zhi)參數少等(deng)(deng)優(you)點(dian)得(de)到廣泛關注，并(bing)被應(ying)用于求(qiu)解諸多(duo)實(shi)際優(you)化(hua)(hua)問題。然而(er)，標(biao)準pso算(suan)(suan)(suan)(suan)法(fa)存(cun)在(zai)一些固有(you)缺陷，如搜(sou)索(suo)精(jing)度(du)低、局(ju)部(bu)搜(sou)索(suo)能力差,尤其求(qiu)解復(fu)雜(za)非線性多(duo)峰(feng)函(han)數時(shi)容易陷人(ren)局(ju)部(bu)極(ji)小解出現“早熟”收(shou)斂。傳統的(de)(de)路徑規(gui)(gui)(gui)劃(hua)(hua)代表(biao)算(suan)(suan)(suan)(suan)法(fa)包(bao)括傳統算(suan)(suan)(suan)(suan)法(fa)有(you)以a*算(suan)(suan)(suan)(suan)法(fa)、dijkstra算(suan)(suan)(suan)(suan)法(fa)為(wei)(wei)代表(biao)的(de)(de)全局(ju)路徑規(gui)(gui)(gui)劃(hua)(hua)算(suan)(suan)(suan)(suan)法(fa)和(he)以動(dong)態(tai)(tai)窗口算(suan)(suan)(suan)(suan)法(fa)、人(ren)工勢場算(suan)(suan)(suan)(suan)法(fa)為(wei)(wei)代表(biao)的(de)(de)局(ju)部(bu)路徑規(gui)(gui)(gui)劃(hua)(hua)算(suan)(suan)(suan)(suan)法(fa)等(deng)(deng)。由khabit等(deng)(deng)人(ren)提出的(de)(de)人(ren)工勢場法(fa)具有(you)計(ji)算(suan)(suan)(suan)(suan)時(shi)間短、滿(man)足實(shi)時(shi)控制(zhi)(zhi)、規(gui)(gui)(gui)劃(hua)(hua)路徑安全平滑(hua)的(de)(de)優(you)點(dian)。但這種方(fang)法(fa)也存(cun)在(zai)目標(biao)不可(ke)達、容易陷入局(ju)部(bu)最小值、路徑震蕩等(deng)(deng)缺點(dian)。現有(you)的(de)(de)任(ren)務分配(pei)(pei)和(he)路徑規(gui)(gui)(gui)劃(hua)(hua)方(fang)法(fa)往往面臨著環境適(shi)應(ying)性差、計(ji)算(suan)(suan)(suan)(suan)效(xiao)率低、無(wu)法(fa)實(shi)時(shi)響應(ying)動(dong)態(tai)(tai)變(bian)化(hua)(hua)等(deng)(deng)問題。因此，研(yan)發一種能夠適(shi)應(ying)復(fu)雜(za)環境、高效(xiao)可(ke)靠(kao)的(de)(de)無(wu)人(ren)機任(ren)務分配(pei)(pei)及(ji)路徑規(gui)(gui)(gui)劃(hua)(hua)方(fang)法(fa)顯(xian)得(de)尤為(wei)(wei)重(zhong)要。

技術實現思路

1、本發(fa)明目的(de)在(zai)于(yu)針(zhen)對上(shang)述現有(you)技(ji)術的(de)缺陷和(he)(he)不足，結(jie)合(he)無人(ren)機(ji)(ji)的(de)飛行性能(neng)約束和(he)(he)飛行環(huan)境，提出(chu)了一(yi)(yi)種(zhong)用于(yu)實(shi)現多無人(ren)機(ji)(ji)系統(tong)(tong)協同任務(wu)分(fen)(fen)配和(he)(he)路徑規劃的(de)方(fang)法，通過提出(chu)一(yi)(yi)種(zhong)粒子(zi)(zi)位(wei)置(zhi)和(he)(he)速(su)(su)度自適應更新策(ce)略，利用自適應判定機(ji)(ji)制(zhi)，將(jiang)粒子(zi)(zi)維(wei)度信息(xi)引入(ru)粒子(zi)(zi)速(su)(su)度更新公式(shi)，得到了一(yi)(yi)種(zhong)基于(yu)優化粒子(zi)(zi)群(qun)算(suan)法的(de)無人(ren)機(ji)(ji)群(qun)任務(wu)分(fen)(fen)配方(fang)法；針(zhen)對傳統(tong)(tong)勢(shi)(shi)(shi)場(chang)(chang)法的(de)局(ju)部(bu)最(zui)小(xiao)(xiao)問題，提出(chu)一(yi)(yi)種(zhong)啟發(fa)式(shi)目標(biao)點距(ju)離(li)算(suan)法，使無人(ren)機(ji)(ji)能(neng)夠有(you)效(xiao)(xiao)地跳(tiao)出(chu)局(ju)部(bu)最(zui)小(xiao)(xiao)，并加(jia)入(ru)到改進的(de)斥力勢(shi)(shi)(shi)場(chang)(chang)模(mo)型(xing)中，解決了傳統(tong)(tong)勢(shi)(shi)(shi)場(chang)(chang)法目標(biao)不可達(da)問題，得到了一(yi)(yi)種(zhong)基于(yu)優化人(ren)工勢(shi)(shi)(shi)場(chang)(chang)算(suan)法的(de)無人(ren)機(ji)(ji)路徑規劃方(fang)法。本發(fa)明通過結(jie)合(he)兩種(zhong)智能(neng)算(suan)法的(de)優點，實(shi)現在(zai)動態(tai)復雜環(huan)境中的(de)高效(xiao)(xiao)任務(wu)分(fen)(fen)配和(he)(he)路徑規劃。

2、本發明為(wei)解(jie)決其(qi)技術問(wen)題所采用的技術方案是：一種用于實現多無人機系統協同任務分(fen)配和(he)路徑規(gui)劃的方法，所述該方法具體(ti)包括如下步驟：

3、步驟(zou)1：環境建(jian)模與初(chu)始(shi)化：收集操作(zuo)(zuo)區域(yu)的(de)(de)(de)(de)地(di)(di)(di)圖信(xin)息(xi)和障礙(ai)物(wu)數(shu)據(ju)(ju)，建(jian)立(li)二(er)維空間o-xy坐(zuo)標(biao)系，標(biao)注任(ren)務地(di)(di)(di)點，初(chu)始(shi)化無(wu)人(ren)機的(de)(de)(de)(de)性能參數(shu)以(yi)及任(ren)務要(yao)求(qiu)(qiu)，通(tong)過衛星圖像、地(di)(di)(di)形圖或其(qi)他(ta)傳感器收集操作(zuo)(zuo)區域(yu)的(de)(de)(de)(de)地(di)(di)(di)理信(xin)息(xi)，包括(kuo)山脈、河流、建(jian)筑物(wu)等障礙(ai)物(wu)的(de)(de)(de)(de)分(fen)(fen)布(bu)情況，然后在計(ji)算(suan)系統中建(jian)立(li)相應的(de)(de)(de)(de)坐(zuo)標(biao)系，在坐(zuo)標(biao)系中精確標(biao)注任(ren)務地(di)(di)(di)點，對無(wu)人(ren)機的(de)(de)(de)(de)性能參數(shu)進(jin)行(xing)(xing)初(chu)始(shi)化設(she)置，包括(kuo)其(qi)最大(da)飛行(xing)(xing)速度、續航(hang)能力(li)以(yi)及載重限制(zhi)，通(tong)過這些參數(shu)決定(ding)無(wu)人(ren)機的(de)(de)(de)(de)行(xing)(xing)動能力(li)和適用范圍，同時，根據(ju)(ju)任(ren)務的(de)(de)(de)(de)性質(zhi)和緊急程度來(lai)設(she)置任(ren)務要(yao)求(qiu)(qiu)，包括(kuo)所需物(wu)資(zi)重量(liang)和任(ren)務優先級，將這些要(yao)求(qiu)(qiu)作(zuo)(zuo)為優化算(suan)法的(de)(de)(de)(de)目標(biao)函數(shu)和約(yue)束(shu)條(tiao)件，指導(dao)算(suan)法尋找最優的(de)(de)(de)(de)任(ren)務分(fen)(fen)配方案和飛行(xing)(xing)路(lu)徑；

4、步驟2：多(duo)目標(biao)多(duo)無(wu)(wu)人機(ji)任(ren)務(wu)(wu)分(fen)配(pei)：采用優化粒(li)子(zi)群(qun)(opso)算法對無(wu)(wu)人機(ji)進(jin)行任(ren)務(wu)(wu)分(fen)配(pei)，該優化粒(li)子(zi)群(qun)算法通過引入自適(shi)應參數調整策(ce)略，增強粒(li)子(zi)的多(duo)樣性(xing)和探索能力，從而(er)快(kuai)速收(shou)斂到最優或近(jin)似最優任(ren)務(wu)(wu)分(fen)配(pei)方案，實現多(duo)目標(biao)多(duo)無(wu)(wu)人機(ji)任(ren)務(wu)(wu)分(fen)配(pei)；

5、步驟3：單無(wu)人(ren)機(ji)路徑(jing)(jing)規劃：根據優化(hua)粒子(zi)群算法得(de)到的任(ren)務分(fen)配結果，通過(guo)使用優化(hua)人(ren)工勢(shi)場(chang)算法(oapf)為每(mei)架(jia)無(wu)人(ren)機(ji)規劃飛行(xing)路徑(jing)(jing)，引入動態(tai)調整的勢(shi)場(chang)參數和(he)啟發式搜索策略，提高路徑(jing)(jing)規劃的實(shi)時性和(he)避障能力(li)；

6、步(bu)驟(zou)4：路(lu)徑(jing)(jing)(jing)(jing)生成(cheng)與平滑：在構(gou)建好的勢(shi)場模型中，利用(yong)梯度下降法搜(sou)索從起始點(dian)到目標點(dian)的路(lu)徑(jing)(jing)(jing)(jing)，并(bing)對初步(bu)生成(cheng)的路(lu)徑(jing)(jing)(jing)(jing)進行(xing)平滑處理，消除路(lu)徑(jing)(jing)(jing)(jing)中的不必要轉彎和(he)振蕩(dang)，保證(zheng)無人機的飛行(xing)穩(wen)定性和(he)舒適(shi)性，該路(lu)徑(jing)(jing)(jing)(jing)將自然地規避高勢(shi)能區(qu)域(yu)(即障礙物)并(bing)向低(di)勢(shi)能區(qu)域(yu)(即目標點(dian))靠(kao)攏。

7、進一步(bu)地，所述步(bu)驟(zou)(zou)1中對無人機(ji)性能參(can)數及(ji)任務(wu)要(yao)求進行初始化包括如下步(bu)驟(zou)(zou)：

8、步(bu)驟1-1：設置(zhi)目(mu)標函數，其中，任(ren)務信(xin)息(xi)包(bao)括任(ren)務區域坐標點、預(yu)估(gu)任(ren)務耗(hao)時、所(suo)需(xu)物(wu)資重量、任(ren)務優先級，uav信(xin)息(xi)格(ge)式(shi)包(bao)括初始位(wei)置(zhi)坐標點、最大飛(fei)行(xing)速度、續(xu)航能力、載(zai)重限制，通過對各uav任(ren)務的預(yu)分配(pei)和任(ren)務序列的生(sheng)成，為多(duo)目(mu)標多(duo)約束(shu)規劃問題，任(ren)務分配(pei)目(mu)標包(bao)括任(ren)務的總時間t、總路程c、uav總能耗(hao)e，表示為：

9、minαt+βc+γe

10、其(qi)中，α+β+γ＝1且(qie)α≥β、α≥γ，各(ge)權重由先驗知(zhi)識和uav指揮員確定任務分配偏好，各(ge)變量表達式為：

11、

12、其(qi)中(zhong)(zhong)，n為全(quan)部(bu)uav的(de)集合，m為任務集合，為第n架uav在(zai)給定航速(su)下的(de)單位(wei)距(ju)離能耗，ej為預(yu)估完成任務j所(suo)(suo)需的(de)能耗，dij為從任務i地(di)點(dian)到任務j地(di)點(dian)的(de)距(ju)離，ti→j為全(quan)部(bu)n架uav任務序列構成有(you)向圖x中(zhong)(zhong)任務i到任務j所(suo)(suo)有(you)路(lu)線中(zhong)(zhong)最長(chang)時(shi)間；

13、步(bu)驟1-2：設(she)置(zhi)約束(shu)條(tiao)件，進行無人機(ji)群任(ren)務分(fen)配時，需要滿足的(de)約束(shu)條(tiao)件分(fen)別為：

14、每架uav均由起(qi)始位置出發，執行完成(cheng)全部分配任務后返回(hui)指定(ding)地(di)點：

15、

16、每(mei)個任務對于每(mei)架uav最多執行一次：

17、

18、每架(jia)uav在執(zhi)行完成(cheng)全(quan)部分配任務(wu)后，剩余航程(cheng)eremain需(xu)保(bao)證可返回(hui)指定位置：

19、eremain-ejxij-eddijxij＞eddj1xj1

20、每架uav預分配(pei)任務序列執行完成返回指定位置(zhi)的總能耗不能超過自身可(ke)承載(zai)能耗的上(shang)限：

21、

22、參與執行任(ren)務(wu)(wu)uav需滿足任(ren)務(wu)(wu)對(dui)uav能力約束，設aj表示(shi)任(ren)務(wu)(wu)j的能力需求，表示(shi)第n架uav所具有能力：

23、

24、為無人(ren)(ren)機(ji)群建立了一個詳(xiang)細的(de)任務(wu)地圖(tu)和(he)一套(tao)明確(que)(que)的(de)行動(dong)指南，這(zhe)是(shi)實現高效任務(wu)分配和(he)路(lu)徑規劃的(de)前提，也是(shi)確(que)(que)保(bao)無人(ren)(ren)機(ji)能夠安(an)全(quan)、準確(que)(que)完(wan)成任務(wu)的(de)基礎，無人(ren)(ren)機(ji)群可以在復(fu)雜的(de)災害救援行動(dong)中快速(su)適應不斷(duan)變化(hua)的(de)搜救區域。

25、進一步(bu)地，所(suo)述(shu)步(bu)驟2包括多(duo)目標多(duo)無人機任務分(fen)配時粒子速度和位置(zhi)自適應(ying)更(geng)新，具體包括如下步(bu)驟：

26、步驟(zou)2-1：將(jiang)每個粒(li)子(zi)的(de)所有(you)維(wei)信息的(de)平均值作為自(zi)適應(ying)判(pan)定條件，將(jiang)粒(li)子(zi)的(de)速度和位置更(geng)新(xin)公式(shi)分解為兩種情況：

27、

28、其中(zhong)，i＝1，2，...，n，n為種群中(zhong)粒子總數，為粒子平均(jun)(jun)維度(du)(du)信息，xi(t)為粒子在t+1代的位置，fit()為粒子的適(shi)(shi)(shi)應(ying)度(du)(du)值(zhi)(zhi)(zhi)，pi表示(shi)當前(qian)粒子適(shi)(shi)(shi)應(ying)度(du)(du)值(zhi)(zhi)(zhi)與種群中(zhong)所有粒子平均(jun)(jun)適(shi)(shi)(shi)應(ying)度(du)(du)值(zhi)(zhi)(zhi)的比值(zhi)(zhi)(zhi)；

29、步驟(zou)2-2：當(dang)pi＞δ時，當(dang)前粒(li)子(zi)的適(shi)應(ying)(ying)度值(zhi)遠大于種群中所有粒(li)子(zi)平均適(shi)應(ying)(ying)度值(zhi)，表明算法(fa)處于搜索初期或者(zhe)當(dang)前粒(li)子(zi)分布較為分散，此(ci)時應(ying)(ying)采用(yong)以下公(gong)式更新粒(li)子(zi)速度和(he)位置：

30、

31、xi(t+1)＝ωxi(t)+(1-ω)vi(t+1)

32、其中，i＝1，2，...，n，n為(wei)(wei)種群中粒(li)子總數(shu)，vi(t+1)為(wei)(wei)粒(li)子在t+1代的速度，ω是慣性(xing)(xing)權重，標準pso算法中ω隨(sui)迭代次數(shu)線性(xing)(xing)遞減(jian)，r1、r2為(wei)(wei)[0,1]均勻分布的隨(sui)機數(shu)，c1、c2為(wei)(wei)學習因(yin)子；

33、當(dang)pi＜δ時，當(dang)前粒子(zi)的適應(ying)度值(zhi)(zhi)與種群(qun)中(zhong)所有粒子(zi)平均適應(ying)度值(zhi)(zhi)相差不(bu)大，表明(ming)算法處(chu)于搜索中(zhong)后(hou)期或者(zhe)當(dang)前粒子(zi)分(fen)布較(jiao)為(wei)集中(zhong)，此時應(ying)采用以(yi)下(xia)公(gong)式(shi)更(geng)新粒子(zi)速度和(he)位置：

34、

35、xi(t+1)＝xi(t)+vi(t+1)

36、

37、進一(yi)步地，所述步驟(zou)3中單(dan)無人(ren)機路徑規劃包括如下步驟(zou)：

38、步驟3-1：將勢(shi)場定義在二維空(kong)間o-xy內(nei)，引力場勢(shi)能函數eatt與斥(chi)力場勢(shi)能函數erep分(fen)別表示如下：

39、

40、其中，x＝(x,y)為(wei)(wei)無人機當前位(wei)置的坐(zuo)標向量，xg＝(x,y)為(wei)(wei)目(mu)標點坐(zuo)標向量，xo＝(x,y)為(wei)(wei)障礙坐(zuo)標向量，katt，krep分別為(wei)(wei)引力(li)勢場(chang)(chang)與斥力(li)勢場(chang)(chang)系數，ρ(x,xg)＝x-xg，ρo為(wei)(wei)障礙最大影(ying)響(xiang)距離，ρ(x,xo)＝x-xo，n為(wei)(wei)正常數；

41、步驟3-2：對(dui)引力勢場沿基本勢場的引力方向求負梯度，得引力函數為(wei)：

42、

43、步驟3-3：對斥(chi)(chi)(chi)力(li)勢(shi)場(chang)分別(bie)沿(yan)引(yin)力(li)方(fang)向(xiang)與基本勢(shi)場(chang)的斥(chi)(chi)(chi)力(li)方(fang)向(xiang)求(qiu)負梯度(du)，得(de)斥(chi)(chi)(chi)力(li)函(han)數為(wei)：

44、

45、式中，

46、

47、其中，frep1為(wei)障礙物指(zhi)向(xiang)無(wu)人(ren)(ren)(ren)機(ji)(ji)的(de)斥(chi)力，frep2方向(xiang)為(wei)無(wu)人(ren)(ren)(ren)機(ji)(ji)指(zhi)向(xiang)目標(biao)點的(de)引(yin)力，隨(sui)著無(wu)人(ren)(ren)(ren)機(ji)(ji)向(xiang)目標(biao)點靠近，frep1逐漸減(jian)小并趨于零，想要frep2增大(da)，牽(qian)引(yin)無(wu)人(ren)(ren)(ren)機(ji)(ji)到達(da)目標(biao)點，此時需要0＜n＜1，無(wu)人(ren)(ren)(ren)機(ji)(ji)在優化(hua)勢場合力的(de)作用下，即使附(fu)近有障礙，仍舊會向(xiang)目標(biao)點靠近，最終到達(da)目標(biao)點。

48、進一步(bu)地，所述步(bu)驟4中無人(ren)機路徑生成與平滑包(bao)括如下步(bu)驟：

49、步(bu)驟4-1：基于梯(ti)度下降(jiang)算法與sg濾波(bo)器(qi)對回溯完成(cheng)的路(lu)徑進行曲線平滑處理(li)，將多點連接的函數(shu)定義為非線性函數(shu)y＝f(x,θ)，θ為偏(pian)置項參數(shu)，平均(jun)損(sun)失函數(shu)為：

50、

51、其中，l(f(xi,θ),yi)為路(lu)徑(jing)規(gui)劃節點(dian)第i個樣本(ben)的(de)損(sun)失函數，為損(sun)失函數對θ的(de)偏(pian)導，得到路(lu)徑(jing)曲線在(zai)第i個節點(dian)的(de)梯度值；

52、步驟(zou)4-2：平均損失(shi)函數沿著梯(ti)度(du)負方向變化(hua)減小，即：

53、

54、其中(zhong)，η為學(xue)習率，用于控制梯度下(xia)降的(de)步長(chang)；

55、

56、其中，x(j)、y(j)分(fen)別(bie)(bie)為(wei)close列表(biao)中第(di)j個點的橫、縱(zong)坐標值，xi(j)、yi(j)分(fen)別(bie)(bie)為(wei)迭(die)代(dai)第(di)i次對應的第(di)j個點的橫、縱(zong)坐標值，(xi(j-1),yi(j-1))、(xi(j+1),yi(j+1))分(fen)別(bie)(bie)為(wei)xi(j)，yi(j)前一(yi)個與后一(yi)個坐標值，通過多次迭(die)代(dai)與調整α、β值獲(huo)取最優的close列表(biao)；

57、步(bu)驟4-3：sg濾波算法使用一元(yuan)m階多項式對close列(lie)表(biao)中的(de)(de)每一個數據(ju)點鄰域內各點的(de)(de)數據(ju)進行(xing)擬合，廣泛地運(yun)用于數據(ju)流(liu)平(ping)滑除燥，對close列(lie)表(biao)中的(de)(de)節(jie)點進行(xing)梯度下降算法處理后(hou)，再(zai)進行(xing)濾波器處理，能(neng)夠提高數據(ju)的(de)(de)平(ping)滑程(cheng)度。

58、有益效果：

59、1、本發明在任(ren)務分(fen)(fen)配中，利用(yong)自適(shi)應判(pan)定機(ji)制實現粒子位置和速度自適(shi)應更新，提高最優解鄰(lin)域內的搜索能(neng)力，有效降低陷入(ru)局部最優解的概(gai)率(lv)，利用(yong)基(ji)于優化(hua)粒子群算法(fa)(fa)的無人機(ji)群任(ren)務分(fen)(fen)配方法(fa)(fa)實現多無人機(ji)在復雜環境下的高效任(ren)務分(fen)(fen)配。

60、2、本發明(ming)在路(lu)徑規(gui)劃中(zhong)，基于構建的引力場(chang)函(han)數和(he)斥力場(chang)函(han)數，通過引入無人機與目標(biao)點的距離(li)，使無人機能(neng)夠有效地跳出局部最小，解決了傳統人工勢場(chang)法(fa)目標(biao)不可(ke)達問題。

61、3、本發明(ming)通過(guo)優(you)化粒子群(qun)算(suan)法和(he)人工勢場(chang)算(suan)法的(de)(de)結合，提(ti)高了(le)無人機群(qun)任務分配(pei)與路徑規劃系統(tong)(tong)的(de)(de)全局(ju)搜索能力和(he)局(ju)部尋(xun)優(you)能力，增(zeng)強(qiang)了(le)系統(tong)(tong)對動(dong)態(tai)環境的(de)(de)適應性(xing)和(he)實時性(xing)，提(ti)升了(le)系統(tong)(tong)的(de)(de)穩定性(xing)和(he)可靠性(xing)。