復雜任務場景無人機集群自組織偵察建模與仿真

張睿文，宋筆鋒，裴揚，王冠坤

(1.西北工業(yè)大學 航空學院， 西安 710072)(2.上海機電工程研究所 科研處， 上海 201109)

0 引 言

無人機集群可擴展性強，效費比高，部署靈活，可用于偵察、打擊、搜救等多種任務，其中，區(qū)域覆蓋偵察是一類重要的任務，任務效能評估是無人機集群設計與使用的重要問題，而采用基于agent(即智能體)的建模與仿真(agent-based modeling and simulation，簡稱ABMS)方法進行作戰(zhàn)建模與仿真是效能評估的主要方式之一[1]。

目前，國內外已開展了基于agent的無人機集群作戰(zhàn)建模與仿真研究，分析了無人機飛行性能、傳感器性能和網絡結構等因素對任務效能的影響[2-4]。無人機集群的任務效能不僅取決于無人機系統(tǒng)，還受集群指揮控制策略的影響。區(qū)域覆蓋偵察任務中，航路規(guī)劃方法是指揮控制策略的重要要素。典型的航路規(guī)劃方法有掃描法、隨機法和自組織法等。掃描法將任務區(qū)域分割成若干分區(qū)，無人機在各分區(qū)內沿掃描式航路運動[5-6]；隨機法按一定的隨機分布律生成航路點[7]；自組織法則通過無人機對環(huán)境的感知和無人機間基于規(guī)則的協(xié)調，自主、動態(tài)、協(xié)同規(guī)劃航路，自底向上實現(xiàn)集群偵察[8-11]。

現(xiàn)有文獻在效能評估中考慮了航路規(guī)劃方法這一要素[2,4,12]，但較少有人研究復雜任務場景下采用自組織航路的偵察任務效能。研究自組織航路規(guī)劃方法的文獻主要關注算法設計與航跡仿真，簡化了任務想定和系統(tǒng)模型，故大多采用基于過程、自頂向下的建模與仿真方法，難以適用于復雜任務場景。復雜任務場景主要體現(xiàn)在復雜的任務邏輯和系統(tǒng)動作，從而形成作戰(zhàn)單元的復雜行為。復雜任務場景的建模與仿真需要采用ABMS方法，但研究基于agent的作戰(zhàn)建模與仿真的文獻大多僅考慮了掃描航路等預設航路偵察的建模與仿真，較少考慮自組織偵察。造成這一不足的主要原因是目前的ABMS方法缺少適合集群自組織偵察的agent行為機制與模型結構。

行為機制方面，Tian Y等[2]、B.Schumann等[4]和H.T.Tran等[12]分別采用條件-動作(“IF-THEN”)規(guī)則、有限狀態(tài)機等單一行為機制描述無人機偵察中的agent行為，但僅考慮了預設航路點的偵察方法。對于自組織偵察，單一行為機制難以描述環(huán)境建模、動態(tài)航路計算、航路信息共享等復雜規(guī)劃過程，需要采用復合行為機制。A.Yang等[13]提出了基于因果網絡的多層行為機制，將推理決策與動作實施分離；Li X等[14]將agent的行為劃分為物理信息域和認知域并分別建模；美國空軍研究實驗室也采用類似方法開發(fā)了AFSIM作戰(zhàn)仿真軟件[15]。上述方法將認知決策與動作執(zhí)行分離，將簡單行為按任務組合，從而較好地構建復雜行為，但大多針對面向目標、事件驅動的行為，難以描述航路規(guī)劃與飛行控制的過程。

實際上，作戰(zhàn)建模與仿真中，航路規(guī)劃與飛行控制行為的描述可以參考無人機任務管理與飛行控制軟件的運行機制。K.Giles等[16]提出一種可組合控制結構，將簡單指令按不同任務的組合形成復雜指令，但缺少針對航路偵察的控制設計；E.Pastor等[17]設計了一種三層飛行控制結構，實現(xiàn)了多種場景下的自主動態(tài)航路規(guī)劃與飛行控制；P.Doherty等[18]進一步考慮了目標追蹤等任務，設計了一種混合機制無人機任務管理系統(tǒng)；Y.Jiang等[19]設計了一種互動型機器人控制結構，進一步區(qū)分了基于規(guī)則的決策和基于規(guī)劃的決策。上述機制可以較好地描述自主動態(tài)航路規(guī)劃的過程，但大多針對單個無人機，難以描述無人機之間共享信息、協(xié)調航路的過程。

模型結構方面，ABMS采用面向對象建模，用類描述agent模型。Li X等[14]針對復合行為機制提出一種可組合模型結構，用于武器裝備體系的網絡化作戰(zhàn)建模與仿真；AFSIM作戰(zhàn)仿真軟件也采用了類似的組件化模型結構[15]。但上述模型結構缺少支持無人機之間共享信息、協(xié)調航路的模塊與結構，難以用于自組織偵察的建模與仿真。

針對以上問題，本文以反海盜偵察任務為例，提出一種面向集群自組織偵察的作戰(zhàn)建模與仿真方法。以多agent分層復合行為機制和可組合模塊化agent模型結構為核心，在綜合以往方法的基礎上，針對自組織航路規(guī)劃的特點，設計實現(xiàn)agent環(huán)境信息建模和航路信息共享的行為機制和模型結構；根據上述方法開發(fā)相應的仿真平臺，通過仿真算例驗證方法的有效性，并對比不同航路規(guī)劃方法的偵察任務效能。

1 問題描述與模型假設

以一個反海盜偵察任務為例進行作戰(zhàn)建模與仿真方法的研究。無人機集群部署在一個沿海區(qū)域，如圖1所示，偵察該區(qū)域出現(xiàn)的海盜，保護商船通航。商船和海盜數(shù)目不定，隨機進入任務區(qū)域。商船出現(xiàn)后航行穿過任務區(qū)域。海盜出現(xiàn)后隨機攔截并襲擊一艘商船，然后離開。商船航線、海盜進入位置和兩者的到達率服從一定的概率分布。無人機搭載光電成像傳感器，且具備理想通信條件，即通信距離足夠遠、無時延，傳輸成功率為100%。無人機從基地出發(fā)入場后，沿航路飛行偵察。發(fā)現(xiàn)海盜后，盤旋飛行追蹤海盜；當海盜發(fā)現(xiàn)被追蹤后，放棄襲擊并離開；若無人機在追蹤途中返回基地，則海盜重新選擇商船襲擊。無人機燃油不足或發(fā)生故障時返回基地，完成檢修和加油后等待派出。為了保證空中始終有無人機偵察，無人機以一定間隔依次派出。其余場景和假設的細節(jié)同文獻[11]。

圖1 反海盜偵察任務場景示意圖

偵察任務的目標是在海盜襲擊商船之前發(fā)現(xiàn)并驅逐海盜。因此，以海盜襲擊成功率rattack為效能指標，定義為

(1)

式中：npirate為任務期間出現(xiàn)的海盜數(shù)；nattack為海盜在被發(fā)現(xiàn)之前成功襲擊商船的次數(shù)。

2 無人機集群偵察航路規(guī)劃方法

本文主要研究偵察過程的建模與仿真，因此選用以往文獻中的航路規(guī)劃方法。以自組織法的建模與仿真為主，同時考慮掃描法和隨機法用作對比分析。

傳感器視場在地面的投影為梯形，如圖2所示。定義傳感器視軸與地面的交點為視場投影中心。當目標進入視場時即認為探測到目標。

圖2 傳感器視場

掃描法的基本原理如圖3所示。首先，將任務區(qū)域按無人機數(shù)目分割成分區(qū)；然后，在各分區(qū)內計算生成平行、直線的掃描航路。典型的區(qū)域分割方法見文獻[6]，掃描航路的生成方法見文獻[5]。本文中，各分區(qū)均為矩形且面積相同，以視場投影后緣寬度為掃描寬度。

圖3 掃描法的基本原理

隨機法中，無人機每次按一定的隨機分布律計算一個航路點，到達后再計算新的航路點，以此循環(huán)。隨機法有多種形式，本文采用Lèvy游走法(Lèvy Walk)。新航路點相對于當前航路點的方向在0°～360°之間均勻分布，距離l服從冪律分布，概率密度函數(shù)為[21]

f(l)=cx-α

(2)

式中：c為歸一化常數(shù)，用于將概率密度函數(shù)的積分值歸一化；指數(shù)α取2。其他細節(jié)詳見文獻[21]。

自組織是一種無需集中控制，通過簡單個體之間的交互自底向上形成復雜群體行為的機制[22]?；诃h(huán)境感知的自主規(guī)劃和基于規(guī)則的相互協(xié)調是自組織航路規(guī)劃的兩個基本要素。掃描法和隨機法缺少對環(huán)境的感知和agent間的協(xié)調，當航路偵察被燃油不足、系統(tǒng)故障、目標追蹤等動態(tài)事件中斷時，一些位置會長時間空置，而自組織法則可以及時響應，調整航路，適應性更強。

本文采用信息素法[11]，信息素法模擬蟻群覓食行為，用二維網格化的信息素圖作為“虛擬環(huán)境”，無人機根據網格中的信息素值動態(tài)規(guī)劃航路，通過在信息素圖上標記信息相互協(xié)調。

以視場投影后緣寬度為網格單元寬度，沿地面坐標系x、y方向等距劃分正方形網格。當視場投影中心落入網格單元內時，認為該網格單元被訪問。在理想通信假設下，可進一步假設無人機之間共享同步的、完整的統(tǒng)一信息素圖，忽略信息素圖共享的具體實現(xiàn)方式。信息素圖周期性更新，由此產生的離散時間步(簡稱時步)記為τ。網格中有兩種信息素。訪問信息素φvst用于標記已訪問的網格單元以防止重復訪問。當無人機訪問網格單元c后，訪問信息素置為基準值φ0。隨后，訪問信息素隨時步衰減，直至等于0，規(guī)律為

φvst(c,τ)=(1-evst)·φvst(c,τ-1)

(3)

式中：evst為訪問衰減因子。

召集信息素φcnv用于標記長期未訪問的網格單元以吸引更快訪問。當網格單元c在超過一定時步后仍未有新的訪問，則召集信息素置為一極小值，而后隨時步增強，直至等于φ0，規(guī)律為

φcnv(c,τ)=(1+ecnv)·φcnv(c,τ-1)

(4)

式中：ecnv為召集增強因子。

當網格再次被訪問后，召集信息素置為0。網格的總信息素等于召集信息素減去訪問信息素，即

φsum(c,τ)=φcnv(c,τ)-φvst(c,τ)

(5)

無人機在規(guī)劃訪問的網格單元上標記預約信息Irsv=，其中ID為無人機的身份信息，τr為預測訪問的時步。根據預約信息，無人機可預知其他無人機將于何時訪問何網格單元，以預測未來的信息素值。按照貪婪算法選擇下一步訪問的網格單元：首先預測訪問當前網格單元周圍8個鄰單元的時步，再根據信息素的更新規(guī)律與預約信息預測未來該時步的信息素值，選擇總信息素最大的網格單元；然后，沿基于Dubins曲線的軌跡飛行，訪問網格單元，進而規(guī)劃新的航路。其他細節(jié)詳見文獻[9,11]。信息素法的基本原理如圖4所示，圖中網格內的數(shù)字是信息素值的示例，“+”為召集信息素，“-”為訪問信息素。

圖4 信息素法的基本原理

目標分配采用簡單的“先到先得”規(guī)則，一艘海盜船僅用一架無人機追蹤，由指揮控制中心分配。追蹤過程中，無人機繞海盜船盤旋飛行，并假設傳感器鎖定于海盜船，無法探測其他區(qū)域。采用基于距離/距離變化率的盤旋導引律，指令過載是無人機與目標之間距離和距離變化率的函數(shù)，具體細節(jié)見文獻[23]。

3 面向集群自組織偵察的作戰(zhàn)建模與仿真方法

AMBS方法將作戰(zhàn)單元視為有自主決策與行為能力的agent，通過描述agent的屬性與行為、agent之間的交互以及agent與環(huán)境的交互，自底向上構建整個群體的行為。agent的行為機制與相應的模型結構是AMBS方法的核心。復雜任務場景下無人機集群偵察的建模與仿真需要考慮單個agent的復雜任務邏輯、系統(tǒng)動作以及多agent的信息共享、協(xié)同規(guī)劃兩個方面建模仿真的需求。本文提出多agent分層復合行為機制和可組合模塊化agent模型結構，以實現(xiàn)上述兩方面的建模與仿真。

3.1 多agent分層復合行為機制

本文的任務場景中，無人機、海盜、商船可視為agent。多agent分層復合行為機制如圖5所示。對于單個agent，綜合agent行為分解原理[14,16]和分層任務管理與飛行控制系統(tǒng)原理[17-19]，構建分層行為機制，如圖5右側所示。將任務分解為若干任務狀態(tài)，將系統(tǒng)動作分解為若干基本動作，通過行為機制的控制，在不同任務狀態(tài)下，按不同規(guī)則將基本動作組合為復雜的系統(tǒng)動作。agent行為自頂向下依次分為任務邏輯、任務規(guī)劃、系統(tǒng)控制和系統(tǒng)功能4層。在任務邏輯層，采用有限狀態(tài)機模型，根據激勵事件轉移任務狀態(tài)，在不同任務狀態(tài)下啟動和關閉下層的不同功能。任務規(guī)劃層根據指定規(guī)劃方法進行航路規(guī)劃和目標分配，更新航路偵察和目標追蹤過程的信息與系統(tǒng)控制指令。系統(tǒng)控制層采用條件-動作規(guī)則生成系統(tǒng)動作指令，并向上層報告航路點狀態(tài)和目標信息。系統(tǒng)功能層按照系統(tǒng)功能原理，根據系統(tǒng)動作指令完成運動、探測跟蹤等系統(tǒng)動作。海盜和商船的行為簡單，因此無任務規(guī)劃層和系統(tǒng)控制層，而是由任務邏輯層直接控制系統(tǒng)功能層。

圖5 多agent分層復合行為機制

以無人機為例簡要說明復雜任務邏輯和系統(tǒng)動作的實現(xiàn)過程。無人機的任務邏輯如圖6所示。運動分為平飛、轉彎、盤旋等基本動作，感知分為探測、鎖定等基本動作。航路偵察狀態(tài)下，運動動作的執(zhí)行過程將在3.3節(jié)作詳細說明；感知環(huán)節(jié)執(zhí)行探測動作，發(fā)現(xiàn)目標后生成目標航跡，航跡管理環(huán)節(jié)處理目標航跡，目標管理環(huán)節(jié)確認需要追蹤后，轉入目標追蹤狀態(tài)。然后感知環(huán)節(jié)執(zhí)行鎖定動作，目標管理環(huán)節(jié)向運動控制環(huán)節(jié)提供目標航跡，運動環(huán)節(jié)執(zhí)行盤旋動作，追蹤目標。海盜的任務邏輯如圖7所示，原理同無人機。運動、探測模型的具體細節(jié)詳見文獻[24-25]。

圖6 無人機任務邏輯狀態(tài)機

圖7 海盜任務邏輯狀態(tài)機

在綜合以往文獻與前期研究構建的單個agent行為機制的基礎上，在單個agent的行為層次之外，設置任務協(xié)調層，實現(xiàn)全局性的協(xié)調與控制動作，如圖5左側所示。在理想通信和統(tǒng)一信息素圖假設下，設置一個獨立于agent的、單一的信息素圖管理環(huán)節(jié)，一方面記錄和更新信息素圖，是航路規(guī)劃所依據的“虛擬環(huán)境”；另一方面作為通信“黑板”，共享航路協(xié)調信息。無人機agent一方面通過信息素圖管理環(huán)節(jié)獲取網格單元信息并用于航路規(guī)劃，另一方面將航路規(guī)劃與飛行過程中的預約信息和訪問信息交予信息素圖管理環(huán)節(jié)，標記于網格單元。指揮控制環(huán)節(jié)處理無人機調度、目標分配等需要中心節(jié)點協(xié)調的動作，發(fā)出相應的控制指令。圖5中示例了agent 1與任務協(xié)調環(huán)節(jié)的關系，agent 2、agent 3、…同理。

3.2 可組合模塊化agent模型結構

為了實現(xiàn)多agent分層復合行為機制，采用模塊化的方法，將行為機制中各環(huán)節(jié)相應的行為和屬性分解為不同類，再通過類的對象(即模塊)的組合構建不同agent模型。參考文獻[14]的模塊化建模方法，設計作戰(zhàn)模型結構如圖8所示。模型單元類是模型的共性基類，派生出功能模組類、Agent類、指揮控制類和信息素圖類。agent按不同作戰(zhàn)單元派生不同子類。功能模組類派生描述行為機制中各環(huán)節(jié)模型的子類。針對不同agent，任務邏輯類進一步派生相應子類。agent對象由各功能模組子類的對象組合而成，不同agent包含不同對象。無人機的復雜行為使其需要包含四個層次全部環(huán)節(jié)的對象；海盜和商船的行為簡單，只包含任務邏輯和系統(tǒng)功能層的對象。agent子類對象、指揮控制類對象和信息素圖類對象最終組合為仿真模型。

圖8 可組合模塊化agent模型結構

在以往文獻研究的基礎上，根據自組織偵察的特點，設計信息圖模塊和航路規(guī)劃模塊，通過兩者的交互實現(xiàn)自組織航路規(guī)劃。信息素圖模塊獨立于agent，其信息為各agent的航路規(guī)劃模塊所共享。3.3節(jié)詳細說明兩者的屬性、操作和工作原理。

3.3 自組織航路規(guī)劃與飛行控制過程

航路管理模塊和信息素圖模塊的主要屬性與操作如圖9所示。信息素圖模塊保存網格單元信息矩陣(cells[][])。每個網格單元cell的信息表示為

cell=

(6)

式中：position為網格單元中心的坐標；index為網格單元在x、y方向上的序號；pheromones為當前的信息素值；Ivst為訪問信息；Irsv為預約信息。

訪問信息Ivst可表示為Ivst=，其中ID為無人機的身份信息；τv為訪問的時步。

信息素圖的操作包括更新網格單元信息(update())。計算指定時步、指定序號的網格單元信息素值(getCellValue(timestep,indexCell))，具體計算方法根據式(3)～式(5)。在網格單元上標記訪問信息(visit(indexCell,infoVisit))和標記預約信息(reserve(indexCell,infoReservation))，即將航路規(guī)劃模塊發(fā)出的訪問和預約信息寫入相應的網格單元。信息素圖按固定的周期執(zhí)行update()操作，更新網格單元的信息素值。航路管理模塊保存航路點集合(waypoints[])，主要操作包括開始航路飛行(startPath())、終止航路飛行(endPath())和更新航路飛行(updatePath())。

圖9 信息素圖模塊與航路管理模塊

無人機自組織航路規(guī)劃和飛行過程如圖10所示。首先，無人機邏輯模塊進入航路偵察狀態(tài)，向航路管理模塊發(fā)出指令；完成初始化后，循環(huán)執(zhí)行l(wèi)oop中的航路規(guī)劃和飛行過程；每一個循環(huán)由到達上一個航路點觸發(fā)，航路管理模塊計算航路點，向運動控制模塊發(fā)出指令，并將預約信息交予信息素圖模塊標記；運動控制模塊根據航路點、按照Dubins曲線計算運動軌跡，生成運動指令；運動平臺模塊根據運動指令，執(zhí)行平飛、轉彎等動作，設置不同的過載，按照三自由度方程更新運動狀態(tài)，向航路點運動；到達航路點后，航路管理模塊從傳感器模塊獲取當前視場投影中心位置，確定訪問的網格單元，將訪問信息交予信息素圖標記；然后開始下一個循環(huán)，計算新的航路點并向航路點飛行。其中，初始化(消息1.1)由startPath()操作完成，航路點的計算以及相關指令的響應與發(fā)出(消息2、3、4、5、6)由updatePath()操作完成。信息素圖中訪問信息和預約信息的標記分別由visit()和reserve()操作完成。

圖10 航路偵察過程模型

航路點的計算(消息2)過程按照第2節(jié)中描述的航路規(guī)劃方法完成，具體如圖11所示，其中，網格單元總信息素的預測(步驟4)通過調用信息素圖模塊的getCellValue()操作完成。

圖11 航路點計算過程

除自組織航路外，上述模型也能描述其他航路規(guī)劃與飛行的過程。采用掃描航路時，航路管理模塊在初始化時完成全部航路點計算，每個循環(huán)開始直接執(zhí)行步驟4。采用Lèvy游走航路時，步驟2根據相應隨機分布律計算航路點。同時，采用掃描航路和Lèvy游走航路時無需與信息素圖交互。

4 仿真算例與分析

采用上述方法進行反海盜偵察任務的仿真算例分析。仿真平臺基于Anylogic軟件開發(fā)，Anylogic提供了基礎的開發(fā)環(huán)境、可視化組件和仿真引擎，具體仿真模型由用戶自行建立。仿真平臺界面如圖12所示。

圖12 仿真平臺界面

任務時間為7天，商船和海盜到達率服從泊松分布，平均到達間隔分別為10 min和12 h。無人機航時為6 h，加油時間1 h，故障檢修時間3 h，其余仿真參數(shù)見文獻[11]。為了輔助分析，除海盜襲擊成功率外，還應考察無人機對各網格的訪問間隔。通常訪問間隔越小，發(fā)現(xiàn)海盜幾率就越高。掃描法和Lèvy游走法的網格與信息素法相同。定義最大訪問間隔μtm為

(7)

(8)

定義平均訪問間隔μta為

(9)

(10)

式中：Tm為任務持續(xù)時間；c為任一網格；C為任務區(qū)域網格的集合；nc為任務區(qū)域的網格總數(shù)；μ(c,t)為t時刻網格c的訪問間隔，即t時刻與該網格上一次被訪問時刻的時間差；μmax(t)為t時刻所有網格的最大訪問間隔；μave(t)為t時刻所有網格的平均訪問間隔。訪問間隔的統(tǒng)計采樣周期等于信息素圖的更新周期。

效能指標隨無人機數(shù)目的變化如圖13所示。無人機數(shù)目是指不考慮故障時預定在空中執(zhí)行任務的無人機數(shù)目。每個參數(shù)點運行多次仿真，統(tǒng)計均值和置信區(qū)間。仿真重復的次數(shù)取決于預期的置信區(qū)間，詳見文獻[25]。

(a) 平均訪問間隔

(b) 最大訪問間隔

(c) 海盜襲擊成功率

從圖13可以看出：隨著無人機數(shù)目的增大，效能指標值逐步降低，即任務效能逐步提高，但效能指標降低的幅度逐漸減小；三種航路中，Lèvy游走航路的最大訪問間隔和平均訪問間隔都是最大的；不同無人機數(shù)目下，信息素航路的平均訪問間隔都低于掃描航路，但隨著無人機數(shù)目的增大，差值從3.1 h逐漸減小至0.2 h；隨著無人機數(shù)目的增大，開始時信息素航路的最大訪問間隔高于掃描航路，1架無人機時的差值達16 h，當無人機數(shù)目大于10架時，信息素航路的最大訪問間隔開始低于掃描航路，直至30架無人機時差值為0.95 h。訪問間隔的差異表明，自組織航路對中斷航路偵察的動態(tài)事件的適應性更強，自組織航路下動態(tài)事件造成的空置時間更短。當無人機數(shù)目少于10架時，3種航路下的襲擊成功率差異不大；隨著無人機數(shù)目的增大，Lèvy游走航路下的襲擊成功率逐漸大于另外兩種航路，而信息素航路僅在10架無人機時顯著低于掃描航路，大約低5.1%，隨后差異又不再顯著。

部署8架無人機時，三種航路的航路點軌跡與訪問間隔分布如圖14所示，圖中左側為航路點軌跡，8架無人機的軌跡用8種不同顏色標示，以示區(qū)分；右側各網格單元的顏色表示訪問間隔的大小，偏向綠色則訪問間隔越大，偏向紅色則越小。

(a) 掃描法

(b) Lèvy游走法

(c) 信息素法

從圖14可以看出：掃描法訪問間隔分布較為均衡；信息素法大多數(shù)網格的訪問間隔處于較低水平，少部分網格較大；Lèvy游走法的訪問間隔分布跨度非常大，且少數(shù)點極大。因此Lèvy游走法的平均訪問間隔和最大訪問間隔都最高。信息素法的平均訪問間隔最低，但當無人機數(shù)目較少時，受少部分網格的影響，最大訪問間隔較高；隨著無人機數(shù)目的增加，少數(shù)網格大訪問間隔的影響減弱，最大訪問間隔逐漸低于掃描法。

然而，三種航路訪問間隔的較大差異并沒有使海盜襲擊成功率產生同等程度的差異。這是因為不同方法訪問間隔的差異與海盜出現(xiàn)的間隔時間相比很小，不足以顯著改變海盜襲擊成功率。因此，對于反海盜偵察這一大區(qū)域、長時間、低目標密度的區(qū)域覆蓋偵察任務，在相同無人機數(shù)目下，僅通過改進航路規(guī)劃方法來降低訪問間隔，是難以顯著提高目標發(fā)現(xiàn)概率的。

5 結 論

(1) 針對復雜任務場景下無人機集群自組織偵察的特點，以一個反海盜偵察的任務場景為例，提出了一種面向集群自組織偵察的作戰(zhàn)建模與仿真方法，并通過仿真算例驗證了該方法是可行的。

(2) Lèvy游走航路偵察的平均和最大訪問間隔都高于另外兩種航路偵察；信息素航路偵察的平均訪問間隔最??；當無人機數(shù)目較少時，掃描航路偵察的最大訪問間隔最小，反之則信息素航路的最大訪問間隔最小。自組織航路對中斷航路偵察的動態(tài)事件的適應性更強。

(3) 當無人機數(shù)目較少時，三種航路偵察的海盜襲擊成功率差異不大，反之則Lèvy游走航路劣于另外兩種航路。僅當無人機數(shù)目在10架左右時，信息素航路才比掃描航路有明顯優(yōu)勢。對于大區(qū)域、長時間、低目標密度的區(qū)域覆蓋偵察任務，在相同無人機數(shù)目下，僅通過改進航路規(guī)劃方法來降低訪問間隔，難以顯著提高目標的發(fā)現(xiàn)概率。