文档介绍：。,mandControl第37卷第4期2012年4月文章编号;1002—0640(2012)04-0188—04基于分合粒子群算法的多无人机任务重分配许书诚,王琪,刘贤敏(南昌航空大学信息工程学院,南昌330063)摘要;多UAV在执行任务过程中,战场环境以及UAV编队状态的改变将导致原有的分配计划失效或效率降低,因此有必要重新分配任务。针对多无人机任务重分配问题,首先建立了相应的数学模型。其次运用分组基础上的任务重分配策略进行任务分配,提出了改进的K均值聚类算法进行初步分组,再在分组的基础下,提出了分合粒子群优化算法进行组内任务分配。最后进行实验仿真。实验结果与分析表明基于分合粒子群算法的任务重分配方法能有效地满足多变的战场环境要求。关键词;无人机,任务重分配,K均值聚类算法,粒子群优化算法,+.3文献标识码:AMulti-UAVDynamicTaskAssignmentbyParticleSwarmOptimizationAlgorithmBasedonDivisionandUnionStrategyXUShu—cheng,WANGQi,LIUXian-min(CollegeofInformationEngineering,NanchangHangkongUniversity,Nanchang330063,China)Abstract:Withthemissionimplementedbymulti—UAV,thechangeofthebattlefieldandformationstateofUAVmaycausefailureoftheoriginaldistributionplanorreduceefficiency。SOitisnecessarytoexecutemulti—,.,ordingtoimprovedk—meansalgorithm,,.,Keywords:UnmannedAerialVehiche(UAV),dynamictaskassignment,k—meansalgorithm,particleswarmoptimizationalgorithm,divisionandunionstrategy言多无人机任务分配在国内外受到了高度的重视,以及受到了各国学者的广泛研究。从目前已经公开的研究成果可以看出,大多数是集中在静态环境下,对突发机制下的动态研究不足。然而战场的环境变化是不可预测的,如新增了任务或无人机损坏等