1. 课程导入与问题定义

当多架无人机被组织成一个集群执行任务时，真正困难的问题往往不是“能不能飞”，而是“谁去做什么、什么时候做、出现变化后如何快速改”。这正是无人机集群任务分配与重规划要研究的核心对象：在给定任务集合、无人机集合、环境约束与任务目标的前提下，为每架无人机分配合适的任务或任务序列，并在任务执行过程中因威胁、故障、通信中断、目标变化或新任务插入等原因导致原方案失效时，快速生成新的可行方案。

可以把这个问题拆成两个相互衔接的层面。第一层是任务分配，它更偏“静态或准静态”的决策：在任务开始前或某个决策时刻，确定任务与无人机之间的对应关系。第二层是重规划，它更偏“动态”的决策：当环境、平台状态或任务需求发生变化时，对已有分配方案进行修正、替换或重新生成。两者不是割裂的，任务分配的结果是重规划的起点，重规划的结果又会反过来影响后续任务分配。

为了更直观地理解本节的研究对象与问题边界，下面用一张结构关系图展示“任务—无人机—约束—目标—重规划触发”之间的核心关系。图中左侧是输入要素，中间是分配与重规划的核心决策，右侧是输出与评价指标。

从图中可以看出，任务分配与重规划并不是一个孤立的算法问题，而是一个“输入—决策—输出—反馈”的闭环系统。左侧的任务集合、无人机集合和约束条件共同构成问题输入；中间的任务分配与重规划是核心决策环节；右侧的分配结果、评价指标和触发源则构成输出与反馈。重规划之所以必要，正是因为右侧的触发源会不断打破原有方案的可行性。

核心挑战：为什么这个问题不简单

如果任务数量少、无人机数量少、环境静止，那么任务分配可以看作一个简单的匹配问题。但在真实集群场景中，问题会迅速变得复杂。第一，规模与组合爆炸。假设有 10 架无人机和 20 个任务，每架无人机可执行多个任务，可能的分配方案数量随任务数呈指数级增长，穷举不可行。第二，约束耦合。无人机的续航、载荷、通信范围、任务时序、禁飞区等约束相互影响，一个任务分配的改变可能使另一架无人机的路径不可行。第三，动态性。任务执行过程中，无人机可能故障、通信可能中断、目标可能移动、新任务可能随时插入，原方案必须在有限时间内被修正。第四，分布式与实时性。集群通常要求去中心化或弱中心化决策，每架无人机只能掌握局部信息，却要协同完成全局任务。

这些挑战决定了课程不能只讲一种算法，而需要建立一套从问题建模、集中式求解、分布式协商到动态重规划的完整知识体系。

典型应用场景

任务分配与重规划的方法在不同场景中侧重点不同。在区域侦察中，重点是覆盖率和侦察时间，任务分配需要让多架无人机分区搜索，重规划则应对目标出现位置变化。在协同打击中，重点是任务时序和资源匹配，重规划需要处理目标重新排序和平台损失。在通信中继中，重点是网络连通性和覆盖范围，任务分配决定中继无人机的站位，重规划应对链路中断。在灾害搜救中，重点是快速覆盖和优先级，重规划需要根据新发现的受灾点动态调整搜索区域。在物流投送中，重点是路径代价和时限，重规划应对天气变化和临时禁飞。

这些场景的共同点是：任务不是一次性完成的，环境不是完全可预测的，方案不是一成不变的。因此，课程将始终围绕“分配—执行—变化—重规划”这条主线展开。

课程路线图

本课程共 30 章，整体按照“基础建模 → 经典分配方法 → 分布式协同 → 动态重规划 → 综合案例”的逻辑组织。前几章建立问题定义、数学建模和评价指标体系；中间部分介绍集中式优化、启发式算法、拍卖机制、共识捆绑等任务分配方法；随后进入重规划专题，包括故障重规划、通信约束下的重规划、在线滚动时域重规划等；最后通过综合案例将方法串联起来。