基于MR-WPA的无人机蜂群多目标打击任务分配

doi:10.3969/j.issn.1009-086x.2025.03.001

摘要/Abstract

摘要：

无人机凭借其高机动性和高耦合性，被广泛应用于多个领域，尤其在军事领域，无人机蜂群的多目标任务分配具有关键意义。结合国内外无人机任务分配的研究现状与最新进展，针对传统算法在复杂任务中存在的鲁棒性不足、收敛速度慢以及易陷入局部最优等问题，提出一种基于多规则机制的改进狼群算法进行求解，构建以最大化打击收益为目标的优化模型，综合考虑对方目标航程、攻击威胁及价值等因素。通过设计自主游走的头狼生成规则、多策略探狼游走规则和自适应步长的猛狼围攻规则，平衡全局探索与局部开发，显著提升搜索效率。仿真验证结果表明，与其他启发式算法相比，该算法具备更快的优化速度和更优的性能，展现出广阔的应用前景。

关键词: 无人机蜂群, 狼群算法, 多规则机制, 任务分配, 多目标打击

Abstract:

Unmanned aerial vehicles （UAVs） are widely applied across various fields due to their high mobility and strong coupling capabilities. In the military domain， multi-objective task allocation for UAV swarms holds critical significance. Based on the current research status and latest advancements in UAV task allocation， this paper addresses the limitations of traditional algorithms， such as insufficient robustness， slow convergence， and susceptibility to local optima in complex missions—by proposing an improved wolf pack algorithm （IWPA） based on a multi-rule mechanism. An optimization model is constructed with the objective of maximizing strike effectiveness， incorporating factors such as enemy target distance， attack threat， and target value.Simulation results demonstrate that， compared to other heuristic algorithms， the proposed method achieves faster optimization speed and superior performance， indicating broad application prospects.

Key words: UAV swarm, wolf pack algorithm（WPA）, multi-rule mechanism, task allocation, multi-objective strike

中图分类号:

费陈, 赵亮, 李银城, 王树泉, 段正裕. 基于MR-WPA的无人机蜂群多目标打击任务分配[J]. 现代防御技术, 2025, 53(3): 1-10.

Chen FEI, Liang ZHAO, Yincheng LI, Shuquan WANG, Zhengyu DUAN. Multi-objective Strike Task Allocation for UAV Swarms Based on MR-WPA[J]. Modern Defense Technology, 2025, 53(3): 1-10.

图/表 11

图1 航程代价示意图

Fig. 1 Schematic diagram of range cost

图2 攻击威胁示意图

Fig. 2 Schematic diagram of attack threat

图3 目标战略价值示意图

Fig. 3 Schematic of target strategic value

图4 MR-WPA原理图

Fig. 4 Schematic diagram of MR-WPA principle

图5 MR-WPA算法流程图

Fig. 5 Flowchart of MR-WPA algorithm

表1 攻击威胁系数表

Table 1 Attack threat coefficient evaluation matrix

装备类型	小无人机	大无人机
探测	4	9
打击	9	4
干扰	6	6

表2 具体分配方案

Table 2 Task allocation scheme

$u i$	方案	$u i$	方案	$u i$	方案	$u i$	方案
$u 1$	$t 13$	$u 2$	$t 7$	$u 3$	$t 9$	$u 4$	$t 14$
$u 5$	$t 4$	$u 6$	$t 15$	$u 7$	$t 2$	$u 8$	$t 8$
$u 9$	$t 1$	$u 10$	$t 3$	$u 11$	$t 10$	$u 12$	$t 5$
$u 13$	$t 6$	$u 14$	$t 11$	$u 15$	$t 12$	$u 16$	$t 37$
$u 17$	$t 17$	$u 18$	$t 38$	$u 19$	$t 41$	$u 20$	$t 39$
$u 21$	$t 52$	$u 22$	$t 45$	$u 23$	$t 44$	$u 24$	$t 24$
$u 25$	$t 26$	$u 26$	$t 16$	$u 27$	$t 19$	$u 28$	$t 31$
$u 29$	$t 59$	$u 30$	$t 33$	$u 31$	$t 43$	$u 32$	$t 30$
$u 32$	$t 28$	$u 34$	$t 29$	$u 35$	$t 40$	$u 36$	$t 48$
$u 37$	$t 36$	$u 38$	$t 58$	$u 39$	$t 21$	$u 40$	$t 56$
$u 41$ $u 45$ $u 49$ $u 53$ $u 57$	$t 42$ $t 54$ $t 55$ $t 18$ $t 57$	$u 42$ $u 46$ $u 50$ $u 54$ $u 58$	$t 34$ $t 50$ $t 27$ $t 49$ $t 20$	$u 43$ $u 47$ $u 51$ $u 55$ $u 59$	$t 23$ $t 32$ $t 51$ $t 47$ $t 53$	$u 44$ $u 48$ $u 52$ $u 56$ $u 60$	$t 22$ $t 46$ $t 25$ $t 60$ $t 35$

表2 具体分配方案

Table 2 Task allocation scheme

$u i$	方案	$u i$	方案	$u i$	方案	$u i$	方案
$u 1$	$t 13$	$u 2$	$t 7$	$u 3$	$t 9$	$u 4$	$t 14$
$u 5$	$t 4$	$u 6$	$t 15$	$u 7$	$t 2$	$u 8$	$t 8$
$u 9$	$t 1$	$u 10$	$t 3$	$u 11$	$t 10$	$u 12$	$t 5$
$u 13$	$t 6$	$u 14$	$t 11$	$u 15$	$t 12$	$u 16$	$t 37$
$u 17$	$t 17$	$u 18$	$t 38$	$u 19$	$t 41$	$u 20$	$t 39$
$u 21$	$t 52$	$u 22$	$t 45$	$u 23$	$t 44$	$u 24$	$t 24$
$u 25$	$t 26$	$u 26$	$t 16$	$u 27$	$t 19$	$u 28$	$t 31$
$u 29$	$t 59$	$u 30$	$t 33$	$u 31$	$t 43$	$u 32$	$t 30$
$u 32$	$t 28$	$u 34$	$t 29$	$u 35$	$t 40$	$u 36$	$t 48$
$u 37$	$t 36$	$u 38$	$t 58$	$u 39$	$t 21$	$u 40$	$t 56$
$u 41$ $u 45$ $u 49$ $u 53$ $u 57$	$t 42$ $t 54$ $t 55$ $t 18$ $t 57$	$u 42$ $u 46$ $u 50$ $u 54$ $u 58$	$t 34$ $t 50$ $t 27$ $t 49$ $t 20$	$u 43$ $u 47$ $u 51$ $u 55$ $u 59$	$t 23$ $t 32$ $t 51$ $t 47$ $t 53$	$u 44$ $u 48$ $u 52$ $u 56$ $u 60$	$t 22$ $t 46$ $t 25$ $t 60$ $t 35$

表3 不同算法的运行时间表

Table 3 Computational time comparison of different algorithms

算法	运行时间/s
GA	—
PSO	12.94
WPA	36.87
MR-WPA	5.04

图6 算法误差对比图

Fig. 6 Algorithmic error comparison chart

图7 不同规模下最小适应度对比

Fig. 7 Comparison of minimum fitness values across different swarm scales

图8 不同规模下平均适应度对比

Fig. 8 Comparison of average fitness values across different swarm scales

参考文献 29

1	蒋旭，熊智，王融，等. 基于节点贡献度评估的集群无人机协同导航方法［J］. 导航定位与授时， 2024， 11（5）： 82-90.
	JIANG Xu， XIONG Zhi， WANG Rong， et al. Cooperative Navigation Method for Clustered UAVs Based on Node Contribution Evaluation［J］. Navigation Positioning and Timing， 2024， 11（5）： 82-90.
2	孙鹏耀，黄炎焱，王凯生，等. 不确定态势下无人机群协同作战效能评估［J］. 指挥控制与仿真， 2025， 47（1）： 10-22.
	SUN Pengyao， HUANG Yanyan， WANG Kaisheng， et al. Evaluation of Combat Effectiveness of Unmanned Aerial Vehicle Group in Uncertain Situations［J］. Command Control & Simulation， 2025， 47（1）： 10-22.
3	POUDEL S， MOH S. Task Assignment Algorithms for Unmanned Aerial Vehicle Networks： A Comprehensive Survey［J］. Vehicular Communications， 2022， 35： 100469.
4	费陈，赵亮，孙许可，等. 无人机蜂群技术发展研究［J］. 火炮发射与控制学报， 2024， 45（2）： 50-60.
	FEI Chen， ZHAO Liang， SUN Xuke， et al. Research on the Development of UAV Swarm Technologies［J］. Journal of Gun Launch & Control， 2024， 45（2）： 50-60.
5	张富震，朱耀琴. 复杂环境中多无人机协同侦察的任务分配方法［J］. 系统仿真学报， 2022， 34（10）： 2293-2302.
	ZHANG Fuzhen， ZHU Yaoqin. Task Allocation Method for Multi-UAV Cooperative Reconnaissance in Complex Environment［J］. Journal of System Simulation， 2022， 34（10）： 2293-2302.
6	梁国伟，王社伟，赵雪森. 多无人机协同任务分配方法［J］. 火力与指挥控制， 2014， 39（11）： 13-17.
	LIANG Guowei， WANG Shewei， ZHAO Xuesen. Method Research on Cooperative Task Allocation for Multiple UCAVs［J］. Fire Control & Command Control， 2014， 39（11）： 13-17.
7	吕晔，周锐，李兴，等. 基于多轮次分布式拍卖的异构多任务分配算法［J/OL］. 北京航空航天大学学报. （2023-08-03）［2024-09-30］. .
	Ye LÜ， ZHOU Rui， LI Xing， et al. Multi-task Assignment Algorithm Based on Multi-round Distributed Auction ［J/OL］. Journal of Beijing University of Aeronautics and Astronautics. （2023-08-03）［2024-09-30］. .
8	杨霄，李晓婷，赵彦东，等. 基于DRL与微分对策的无人机空战决策研究［J］. 火力与指挥控制， 2021， 46（5）： 71-75， 80.
	YANG Xiao， LI Xiaoting， ZHAO Yandong， et al. Research on UAV Air Combat Decision Making Based on DRL and Differential Games［J］. Fire Control & Command Control， 2021， 46（5）： 71-75， 80.
9	孙亚男，吴杰宏，石峻岭，等. 改进自组织映射的多无人机协同任务分配方法［J］. 计算机应用， 2023， 43（5）： 1551-1556.
	SUN Yanan， WU Jiehong， SHI Junling， et al. Multi-UAV Collaborative Task Assignment Method Based on Improved Self-Organizing Map［J］. Journal of Computer Applications， 2023， 43（5）： 1551-1556.
10	姚昌华，安蕾，刘鑫，等. 面向多点侦察和通信服务的多无人机协同任务分配［J］. 南京信息工程大学学报（自然科学版）， 2023， 15（1）： 94-103.
	YAO Changhua， AN Lei， LIU Xin， et al. Multi-UAV Cooperative Task Allocation for Multi-point Reconnaissance and Communication Service［J］. Journal of Nanjing University of Information Science & Technology（Natural Science Edition）， 2023， 15（1）： 94-103.
11	卢卓，吴启晖，周福辉. 有人机/无人机智能协同目标搜索和轨迹规划算法［J］. 通信学报， 2024， 45（1）： 31-40.
	LU Zhuo， WU Qihui， ZHOU Fuhui. Algorithm for Intelligent Collaborative Target Search and Trajectory Planning of MAV/UAV［J］. Journal on Communications， 2024， 45（1）： 31-40.
12	史晓田，张宏立，董颖超. 基于动态能耗的多无人机协同任务分配［J］. 计算机仿真， 2024， 41（3）： 25-32， 127.
	SHI Xiaotian， ZHANG Hongli， DONG Yingchao. Collaborative Multi-UAV Tasking Based on Dynamic Energy Consumption［J］. Computer Simulation， 2024， 41（3）： 25-32， 127.
13	蔡鑫，李卫平. 基于改进离散粒子群的侦查无人机协同任务自动化分配方法［J］. 机械设计与研究， 2024， 40（2）： 85-89.
	CAI Xin， LI Weiping. Automatic Task Assignment Method for Reconnaissance UAV Based on Improved Discrete Particle Swarm Optimization［J］. Machine Design & Research， 2024， 40（2）： 85-89.
14	彭泫滈，张娟，李辉，等. 基于改进狼群算法的无人机协同任务规划［J］. 计算机工程， 2024， 50（10）： 69-79.
	PENG Xuanhao， ZHANG Juan， LI Hui， et al. Cooperative Mission Planning for UAV Based on Improved Wolf Pack Algorithm［J］. Computer Engineering， 2024， 50（10）： 69-79.
15	许子俍，胡涛，王书，等. 基于改进黑猩猩算法的异构多无人机协同任务分配［J］. 指挥控制与仿真， 2024， 46（5）： 13-20.
	XU Ziliang， HU Tao， WANG Shu， et al. Heterogeneous Multi-UAV Collaborative Task Allocation Based on Modified Chimp Optimization Algorithm［J］. Command Control & Simulation， 2024， 46（5）： 13-20.
16	赵颖，徐熙阳. 基于混沌蚁群算法的集群无人机协同任务分配［J］. 兵工自动化， 2023， 42（8）： 91-96.
	ZHAO Ying， XU Xiyang. Cooperative Task Allocation for Cluster UAV Based on Chaos Ant Colony Algorithm［J］. Ordnance Industry Automation， 2023， 42（8）： 91-96.
17	周同乐，陈谋，朱荣刚，等. 基于狼群算法的多无人机协同多目标攻防满意决策方法［J］. 指挥与控制学报， 2020， 6（3）： 251-256.
	ZHOU Tongle， CHEN Mou， ZHU Ronggang， et al. Attack-Defense Satisficing Decision-Making of Multi-UAVs Cooperative Multiple Targets Based on WPS Algorithm［J］. Journal of Command and Control， 2020， 6（3）： 251-256.
18	马云鹤. 面向多无人机的任务规划研究和关键技术实现［D］. 北京：中国电子科技集团公司电子科学研究院， 2023.
	MA Yunhe. Research on Mission Planning for Multiple UAVs and Implementation of Key Technologies［D］. Beijing： China Academy of Electronics and Information Technology， 2023.
19	LUNA M A， ALE ISAAC M S， RAGAB A R， et al. Fast Multi-UAV Path Planning for Optimal Area Coverage in Aerial Sensing Applications［J］. Sensors， 2022， 22（6）： 2297.
20	TENG Zhijun， Jinling LÜ， GUO Liwen. An Improved Hybrid Grey Wolf Optimization Algorithm［J］. Soft Computing， 2019， 23（15）： 6617-6631.
21	XU Shufang， LI Linlin， ZHOU Ziyun， et al. A Task Allocation Strategy of the UAV Swarm Based on Multi-discrete Wolf Pack Algorithm［J］. Applied Sciences， 2022， 12（3）： 1331.
22	黄凯. 无人机蜂群协同任务分配研究［D］. 重庆：重庆理工大学， 2021.
	HUANG Kai. Research on Cooperative Task Assignment of Swarm of Drones［D］. Chongqing： Chongqing University of Technology， 2021.
23	MECH L D. The Wolf： The Ecology and Behavior of an Endangered Species［M］. New York： Doubleday， 1970.
24	刘永兰，李为民，吴虎胜，等. 基于狼群算法的无人机航迹规划［J］. 系统仿真学报， 2015， 27（8）： 1838-1843.
	LIU Yonglan， LI Weimin， WU Husheng， et al. Track Planning for Unmanned Aerial Vehicles Based on Wolf Pack Algorithm［J］. Journal of System Simulation， 2015， 27（8）： 1838-1843.
25	徐嘉庆. 灰狼优化算法的特殊性及改进算法应用研究［D］. 桂林：桂林理工大学， 2023.
	XU Jiaqing. Study on The Specificity of Grey Wolf Optimizer and the Application of Improved Algorithm［D］. Guilin： Guilin University of Technology， 2023.
26	周同乐，陈谋，韩增亮，等. 基于改进狼群算法的多无人机协同多目标分配［J］. 导航定位与授时， 2022， 9（5）： 46-55.
	ZHOU Tongle， CHEN Mou， HAN Zengliang， et al. Multi-UAV Cooperative Multiple Targets Assignment Based on Improved Wolf Pack Algorithm［J］. Navigation Positioning and Timing， 2022， 9（5）： 46-55.
27	李国亮，魏振华，徐蕾. 基于改进搜索策略的狼群算法［J］. 计算机应用， 2015， 35（6）： 1633-1636， 1687.
	LI Guoliang， WEI Zhenhua， XU Lei. Wolf Pack Algorithm Based on Modified Search Strategy［J］. Journal of Computer Applications， 2015， 35（6）： 1633-1636， 1687.
28	惠晓滨，郭庆，吴娉娉，等. 一种改进的狼群算法［J］. 控制与决策， 2017， 32（7）： 1163-1172.
	HUI Xiaobin， GUO Qing， WU Pingping， et al. An Improved Wolf Pack Algorithm［J］. Control and Decision， 2017， 32（7）： 1163-1172.
29	董亚科，杜军，李博，等. 多选择背包问题离散狼群算法研究［J］. 传感器与微系统， 2015， 34（6）： 21-23， 26.
	DONG Yake， DU Jun， LI Bo， et al. Research on Discrete Wolf Pack Algorithm of Mutiple Choice Knapsack Problem［J］. Transducer and Microsystem Technologies， 2015， 34（6）： 21-23， 26.

[1]	吴润泽, 彭维仕, 马医选. 基于改进TOPSIS法的反无人机蜂群系统作战效能评估[J]. 现代防御技术, 2025, 53(1): 63-72.
[2]	王瑞杰, 王得朝, 丰璐, 赵正党, 陈浙梁. 国外无人机蜂群作战样式进展及反蜂群策略研究[J]. 现代防御技术, 2023, 51(4): 1-9.
[3]	李晶晶, 罗晨旭, 黄维. “捕蜂”——低空近程反无人机蜂群体系构想[J]. 现代防御技术, 2020, 48(4): 16-22.