1. 课程导入

当单架无人机只能完成“看得见、飞得到”的基础任务时，多无人机系统则开始解决“如何协同完成复杂任务”的问题。无论是灾害救援中的区域搜索、农业植保中的分区喷洒，还是军事场景中的协同侦察与饱和攻击，多架无人机同时执行任务时，都会遇到两个绕不开的核心问题：任务分配给谁，以及冲突如何消解。前者决定整体效率，后者决定系统安全。本课程围绕这两个问题展开，从建模、算法到工程实现，逐步建立多无人机协同决策的完整知识体系。

一、发展背景：从单机智能到集群协同

多无人机系统的发展大致经历了三个阶段。第一阶段是单机遥控与自主飞行，重点解决飞行控制、导航与稳定问题；第二阶段是单机智能任务执行，无人机可自主规划航线、识别目标并完成简单任务；第三阶段是多机协同与集群智能，多架无人机通过通信网络共享信息、分配任务、协调航迹，形成整体作战或作业能力。

推动这一演进的动力来自三个方面：一是任务复杂度提升，例如大面积搜索需要多机并行覆盖；二是平台成本下降，使“数量换能力”成为可行策略；三是通信、边缘计算与分布式算法的发展，使多机实时协同成为可能。但随之而来的挑战也很明显：任务分配是组合优化问题，规模增大后求解困难；多机航迹在时空上容易交叉，冲突检测与消解必须实时可靠；通信受限、定位误差和动态威胁还会让协同决策不断变化。

二、核心概念：任务、分配、冲突与消解

在进入具体算法之前，需要先建立统一的概念框架。多无人机任务分配是指：给定一组任务和一组无人机，在满足任务需求、平台能力和时间窗口等约束下，为每架无人机确定任务序列或任务子集，使整体收益最大或代价最小。冲突消解则是指：当多架无人机的航迹、时间窗口或资源使用发生重叠时，通过调整顺序、高度、速度、路径或任务归属，消除潜在碰撞与资源争用。

两者关系密切：任务分配产生初始航迹与时间计划，冲突消解会反过来影响任务执行顺序，甚至触发重新分配。因此，实际系统通常采用“分配—检测—消解—再分配”的闭环结构，而不是一次性求解。

三、方法流程：从问题建模到协同执行

本课程的方法主线可以概括为“建模—分配—消解—验证”四个环节。第一步是问题建模，把任务、无人机、环境约束抽象为数学形式，例如任务集合、无人机能力矩阵、代价函数和约束条件。第二步是任务分配，常用方法包括整数规划、遗传算法、拍卖算法、蚁群算法和基于市场机制的分布式分配。第三步是冲突消解，包括基于几何的碰撞检测、基于时间窗的排序调整、基于速度障碍法的航迹避让，以及集中式或分布式的协调策略。第四步是验证与评估，通过仿真和实验检验任务完成率、总航程、冲突次数和通信开销等指标。

下面给出一个典型任务分配问题的参数描述示例，便于后续章节对照理解：

任务集合 T = {T1, T2, T3, T4}
无人机集合 U = {U1, U2, U3}
任务收益   R = [8, 6, 9, 7]
飞行代价   C = [[2, 3, 4, 3],
               [3, 2, 3, 4],
               [4, 3, 2, 2]]
约束条件：
  每架无人机同时最多执行 1 个任务
  每个任务至少被 1 架无人机覆盖
  电量约束：单机总航程 ≤ 12 km
目标函数：max Σ Rj·xij − λ·Σ Cij·xij

四、案例场景：灾害救援中的多机协同

假设某区域发生地震，需要多架无人机在 30 分钟内完成 4 个重点区域的搜索。若采用单机依次搜索，总航时超过 40 分钟，无法满足时间要求；若采用多机协同，则需要解决三个问题：哪架无人机去哪个区域、多机航线是否交叉、通信中断时如何保持协同。通过任务分配算法，可将 4 个区域按距离和收益分配给 3 架无人机；通过冲突检测发现两架无人机在区域 B 与 C 之间的航段存在时空重叠；再通过高度分层和到达时间调整完成消解。最终任务完成时间缩短到 22 分钟，冲突次数降为 0。

五、常见误区与学习建议

学习本课程时，建议按“概念—模型—算法—仿真—工程”的路径推进：先理解任务分配与冲突消解的基本定义，再掌握常见数学模型和求解方法，随后通过仿真实验观察参数变化对结果的影响，最后结合通信、定位和实时性约束理解工程实现中的取舍。课程后续将依次展开任务分配模型、集中式与分布式算法、冲突检测方法、航迹协调策略、通信拓扑影响以及典型应用案例，帮助你把零散知识组织成可落地的协同决策能力。