基于聚类和强化学习的多无人机协同侦察任务规划

针对多无人机协同侦察规划问题，由于自顶而下的研究方法有效降低了问题的求解难度，该方法逐渐成为主流研究方向。然而，当面对当前环境发生变化时，上述方法需要对问题进行重新优化求解，以至于实时性表现较差。为解决上述问题，文中提出基于聚类和强化学习的无人机群协同侦察任务规划，该方法将无人机荷载的探测半径考虑到侦察任务的聚类算法中，将探测半径作为范围限定，对整个任务区域进行划分，重新聚为K个子区域，并将子区域内的目标归类到一个中心目标，从而使得原始目标的聚类结果更鲁棒的同时有效降低任务的量级。此外，将影响协同任务的关键因素，例如无人机航行状态、存活几率以及环境变化等要素作为任务目标的约束项，构建协同侦察任务规划的优化模型；最后将奖励函数应用到协同任务求解中通过最大化奖励优化模型的性能，从而达到对环境等要素的良好适应性。