无人值守作战系统目标分配与发射时序规划方法

doi:10.3969/j.issn.1009-086x.2026.02.006

摘要/Abstract

摘要：

针对无人值守作战系统在动态战场环境下多目标协同拦截的实时性与高效性需求，提出一种基于动态时间窗口的贪心目标分配与发射时序规划方法（greedy target assignment and fire scheduling method based on dynamic time window, GTAFS-DTW）。通过构建作战单元与目标的相对运动模型，结合攻击距离约束、任务执行约束及目标运动特性，以最小化攻击时间与命中时间差为优化目标，设计动态时间窗口筛选机制。在此基础上，采用分层贪心策略，优先选择可攻击时间区间交集的作战单元-目标对，并通过迭代调整窗口边界及发射时序规划实现时序协同优化。仿真实验表明，相较于传统离散粒子群（discrete particle swarm optimization，DPSO）算法，GTAFS-DTW在横向队列与纵向队列场景下均能够将命中时间差减小至0.5 s以内，降低了目标机动响应窗口，同时显著提升了计算效率，满足在线任务规划的实时性要求。

关键词: 无人值守作战系统, 目标分配, 发射时序规划, 贪心算法, 时间协同, 粒子群算法

Abstract:

To address the real-time and efficiency requirements for multi-target cooperative interception by unmanned combat systems in dynamic battlefield scenarios， this paper proposes a greedy target assignment and fire scheduling method based on dynamic time window （GTAFS-DTW）. By constructing a relative motion model between combat units and targets， the proposed method incorporates engagement distance constraints， task execution constraints， and target maneuver characteristics. a dynamic time window screening mechanism is designed with the optimization objective of minimizing engagement time and impact time difference. On this basis， a hierarchical greedy strategy is adopted to prioritize unit-target pairs with overlapping feasible engagement intervals， and temporal cooperative optimization is achieved through iterative adjustment of window boundaries and fire scheduling. Simulation results demonstrate that GTAFS-DTW effectively reduces impact time deviation to within 0.5 s in both lateral and longitudinal queue scenarios compared with traditional discrete particle swarm optimization （DPSO）， significantly enhancing computational efficiency and satisfying real-time optimization requirements.

Key words: unmanned combat systems, target assignment, fire scheduling, freedy algorithm, time coordination, particle swarm optimization（PSO）

中图分类号:

E917

李沛璘, 郭杰, 陈西峰, 万泱泱, 唐胜景. 无人值守作战系统目标分配与发射时序规划方法[J]. 现代防御技术, 2026, 54(2): 69-81.

Peilin LI, Jie GUO, Xifeng CHEN, Yangyang WAN, Shengjing TANG. Target Assignment and Fire Scheduling Method for Unmanned Combat Systems[J]. Modern Defense Technology, 2026, 54(2): 69-81.

图/表 20

图1 作战单元作战场景

Fig. 1 Combat scenario of combat unit

图2 作战单元与目标相对运动关系

Fig. 2 Relative motion relationship between combat units and targets

图3 作战单元可攻击时间集合

Fig. 3 Feasible engagement time set of combat units

图4 基于动态时间窗口的贪心任务规划算法流程

Fig. 4 Flowchart of the greedy task planning algorithm based on dynamic time window

图5 横向队列初始阵位

Fig. 5 Initial deployment against lateral queue

表1 横向队列任务分配结果

Table 1 Task assignment results against lateral queue

作战单元编号	分配目标编号	发射时间/s
13	4	7.743 4
14	3	7.788 1
15	2	7.576 5
16	1	7.268 8

图6 横向队列无发射时序规划下的作战单元及目标轨迹

Fig. 6 Trajectories of combat units and targets against lateral queue without fire scheduling

图7 横向队列发射时序规划下的作战单元及目标轨迹

Fig. 7 Trajectories of combat units and targets against lateral queue with fire scheduling

图8 横向编队作战单元发射命中时序

Fig. 8 Launch and attack timing sequence of combat units against lateral formation

表2 横向队列攻击结果

Table 2 Engagement results against the lateral queue

作战单元编号	攻击目标（时序规划）	攻击目标（无时序规划）	命中时间/s（时序规划）	命中时间/s（无时序规划）
13	4	4	8.514 0	6.720 3
14	3	4	8.551 4	7.349 2
15	2	2	8.829 4	8.666 0
16	1	1	8.945 1	9.197 8

图9 纵向队列初始阵位

Fig. 9 Initial deployment against the longitudinal queue

表3 纵向队列任务分配结果

Table 3 Task assignment results against longitudinal queue

作战单元编号	分配目标编号	发射时间/s
6	1	9.213 1
10	2	9.220 1
13	3	8.514 8
14	4	8.565 0

图10 纵向队列无发射时序规划下的作战单元及目标轨迹

Fig. 10 Trajectories of combat units and targets against longitudinal queue without fire scheduling

图11 纵向队列发射时序规划下的作战单元及目标轨迹

Fig. 11 Trajectories of combat units and targets against the longitudinal queue with fire scheduling

图12 纵向编队作战单元发射命中时序

Fig. 12 Launch and attack timing sequence of combat units against longitudinal formation

表4 纵向队列攻击结果

Table 4 Engagement results against the longitudinal queue

作战单元编号	攻击目标	命中时间/s （时序规划）	命中时间/s （无时序规划）
6	1	9.808 2	10.819 9
10	2	9.779 7	9.953 1
13	3	9.753 5	11.124 6
14	4	9.820 0	10.461 7

图13 计算时间对比

Fig. 13 Comparison of computation time

图14 目标函数值对比

Fig. 14 Comparison of objective function values

图15 占用内存对比

Fig. 15 Memory usage comparison

图16 作战单元及目标轨迹（DPSO）

Fig. 16 Trajectories of combat units and targets （DPSO）

参考文献 21

[1]	李翰朋，宣兆龙. 智能雷发展现状及关键技术［J］. 现代防御技术， 2018， 46（2）： 6-11.
	LI Hanpeng， XUAN Zhaolong. Development Status and Key Technology of Intelligent Mine［J］. Modern Defence Technology， 2018， 46（2）： 6-11.
[2]	李欢，刘欣璐. 智能雷在特种作战中的应用［J］. 现代防御技术， 2021， 49（2）： 20-25.
	LI Huan， LIU Xinlu. Application of Intelligent Mines in Special Operations［J］. Modern Defence Technology， 2021， 49（2）： 20-25.
[3]	MANNE A S. A Target-Assignment Problem［J］. Operations Research， 1958， 6（3）： 346-351.
[4]	LLOYD W. Weapons Allocation Is NP-Complete［C］∥1986 Summer Computer Simulation Conference. ［S.l. ： s.n.］， 1986： 1054-1058.
[5]	马也，范文慧，常天庆. 基于智能算法的无人集群防御作战方案优化方法［J］. 兵工学报， 2022， 43（6）： 1415-1425.
	MA Ye， FAN Wenhui， CHANG Tianqing. Optimization Method of Unmanned Swarm Defensive Combat Scheme Based on Intelligent Algorithm［J］. Acta Armamentarii， 2022， 43（6）： 1415-1425.
[6]	LUO Sheng， WEI Zihao， MA Zhenyu， et al. Multi-loitering Munitions Cooperative Interference Resource Allocation Based on Hybrid Ant Colony Algorithm［C］∥2021 33rd Chinese Control and Decision Conference （CCDC）. Piscataway： IEEE， 2021： 3908-3913.
[7]	王浩博，刘建涛. 基于改进模拟退火算法的防空武器集群打击目标动态分配［J］. 计算机测量与控制， 2024， 32（7）： 196-202.
	WANG Haobo， LIU Jiantao. Dynamic Allocation on Air Defense Weapon Cluster Striking Targets Based on Improved Simulated Annealing Algorithm［J］. Computer Measurement & Control， 2024， 32（7）： 196-202.
[8]	吴秋实，郭杰，康振亮，等. 基于γ随机搜索策略的无人机集群海上任务分配［J］. 北京航空航天大学学报， 2024， 50（12）： 3872-3883.
	WU Qiushi， GUO Jie， KANG Zhenliang， et al. Maritime Mission Assignment of UAV Clusters Based on γ Random Search Strategy［J］. Journal of Beijing University of Aeronautics and Astronautics， 2024， 50（12）： 3872-3883.
[9]	谢永杰. 多平台防空导弹任务分配及协同制导方法研究［D］. 哈尔滨：哈尔滨工业大学， 2019.
	XIE Yongjie. Research on Task Assignment and Cooperative Guidance of Multi-platform Air Defense Missile［D］. Harbin： Harbin Institute of Technology， 2019.
[10]	刘庆国，刘新学，武健，等. 基于改进NSGA-Ⅲ的多SGSW火力分配优化［J］. 系统工程与电子技术， 2020， 42（9）： 1995-2002.
	LIU Qingguo， LIU Xinxue， WU Jian， et al. Optimization of Fire Distribution for Multiple SGSW Based on Improved NSGA-Ⅲ［J］. Systems Engineering and Electronics， 2020， 42（9）： 1995-2002.
[11]	于博文，吕明. 基于改进NSGA-III算法的动态武器协同火力分配方法［J］. 火力与指挥控制， 2021， 46（8）： 71-77， 82.
	YU Bowen， Ming LÜ. Method for Dynamic Weapon Coordinative Firepower Distribution Based on Improved NSGA-Ⅲ Algorithm［J］. Fire Control & Command Control， 2021， 46（8）： 71-77， 82.
[12]	聂俊峰，陈行军，苏琦. 基于NSGA-Ⅲ算法的集群目标来袭火力分配建模与优化［J］. 兵工学报， 2021， 42（8）： 1771-1779.
	NIE Junfeng， CHEN Xingjun， SU Qi. Modeling and Optimization of Weapon-Target Assignment for Group Targets Defense Based on NSGA-Ⅲ Algorithm［J］. Acta Armamentarii， 2021， 42（8）： 1771-1779.
[13]	KARASAKAL O， ÖZDEMIREL N E， KANDILLER L. Anti-ship Missile Defense for a Naval Task Group［J］. Naval Research Logistics， 2011， 58（3）： 304-321.
[14]	苏子美. 面向无人机群任务分配的多目标优化算法［D］. 哈尔滨：哈尔滨工程大学， 2021.
	SU Zimei. Multi Objective Optimization Algorithm for UAV Group Task Allocation［D］. Harbin： Harbin Engineering University， 2021.
[15]	LEBOUCHER C， SHIN H S， SIARRY P. A Two-Step Optimisation Method for Dynamic Weapon Target Assignment Problem［M/OL］.（2013-01-30）［2025-03-27］. .
[16]	LI Jinrui， WU Guohua， WANG Ling. A Comprehensive Survey of Weapon Target Assignment Problem： Model， Algorithm， and Application［J］. Engineering Applications of Artificial Intelligence， 2024， 137， Part B： 109212.
[17]	MA Yingying， WANG Guoqiang， HU Xiaoxuan， et al. Two-Stage Hybrid Heuristic Search Algorithm for Novel Weapon Target Assignment Problems［J］. Computers & Industrial Engineering， 2021， 162： 107717.
[18]	LILES J M， ROBBINS M J， LUNDAY B J. Improving Defensive Air Battle Management by Solving a Stochastic Dynamic Assignment Problem Via Approximate Dynamic Programming［J］. European Journal of Operational Research， 2023， 305（3）： 1435-1449.
[19]	BAI Zhenzu， ZHOU Haiyin， SHI Jianmai， et al. A Hybrid Multi-objective Evolutionary Algorithm with High Solving Efficiency for UAV Defense Programming［J］. Swarm and Evolutionary Computation， 2024， 87： 101572.
[20]	舒敬荣，蒋胜平，李明军，等. 无伞双翼末敏弹稳态扫描段受力分析［J］. 弹道学报， 2010， 22（2）： 48-51.
	SHU Jingrong， JIANG Shengping， LI Mingjun， et al. Force and Moment Analysis for Double-Win Terminal Sensing Ammunition Without Parachute at Stable-Scanning Stage［J］. Journal of Ballistics， 2010， 22（2）： 48-51.
[21]	王静，刘立芳，齐小刚. 基于遗传算法的反坦克智能雷场作战方案规划［J］. 兵器装备工程学报， 2019， 40（6）： 51-56.
	WANG Jing， LIU Lifang， QI Xiaogang. Operational Scheme of Anti-tank Intelligent Minefield Based on Genetic Algorithm［J］. Journal of Ordnance Equipment Engineering， 2019， 40（6）： 51-56.