4. 分布式任务分配方法
当集群规模扩大、通信链路受限或任务环境动态变化时，集中式分配器会成为单点瓶颈。分布式任务分配把决策权下放到各无人机节点，通过局部信息交换与迭代协商，逐步收敛到全局可接受的分配方案。本节围绕四类主流方法展开：一致性包算法（CBBA）、市场机制（拍卖/合同网）、博弈论方法以及分布式约束优化（DCOP），重点说明它们的原理、关键参数与适用条件。
一、一致性包算法（CBBA）：基于边际增益的捆绑协商
CBBA 的核心思想是“打包—协商—一致性”。每架无人机维护两个向量：任务包（自己打算执行的任务序列）和获胜者列表（每个任务当前被认为由谁执行）。算法分两阶段循环：
- 包构建阶段：无人机按边际增益从高到低把任务加入自己的包。边际增益定义为加入该任务后总收益的增量，需扣除路径代价。例如收益函数取
r_ij = V_j · exp(-λ·d_ij)，其中V_j为任务价值，d_ij为距离，λ为衰减系数。 - 一致性阶段：邻居间交换获胜者列表，按规则更新：若某任务在邻居处获胜者更优（收益更高或时间戳更新），则本机放弃该任务并释放其后续任务；否则保留。重复直至所有任务获胜者一致或达到最大迭代次数。
CBBA 的适用条件：任务可分解为独立子任务、收益可量化、通信拓扑连通且时延可控。它天然适合多无人机协同搜索与打击、区域覆盖等场景。关键参数包括包最大长度 L_max、收敛阈值 ε 和通信周期 T_comm。若 L_max 过大，收敛变慢；过小则分配质量下降。示例：5 架无人机、20 个目标，取 L_max=5、ε=0.01，通常 8~12 轮迭代可收敛。
二、市场机制：拍卖与合同网
市场机制把任务分配建模为“买方—卖方”交易。典型流程：任务发布者（拍卖方）广播任务与标底，各无人机（投标方）根据自身代价提交报价，拍卖方选择最优报价并授予合同。合同网协议（CNP）进一步引入“招标—投标—授予—确认”四阶段，支持任务转包与再拍卖。
与 CBBA 相比，市场机制更灵活，适合任务异构、动态插入的场景，如灾害救援中突发目标出现。其代价是通信开销较大，且需要防欺诈与防冲突机制。关键参数：报价函数 bid = α·距离 + β·时间 + γ·风险，权重 α,β,γ 需按任务类型标定。若任务紧急，可提高 β 权重。适用条件：通信可靠、节点理性、任务可定价。
三、博弈论方法：纳什均衡与势博弈
博弈论方法把每架无人机视为理性参与者，任务分配是策略选择过程。若存在势函数 Φ，使得任一无人机单方面改变策略带来的收益变化与 Φ 的变化一致，则该博弈为势博弈，可通过迭代最优响应收敛到纳什均衡。常用势函数为全局收益之和：Φ = Σ_i U_i。
适用条件：收益函数可定义、参与者理性、存在势函数。它适合对抗环境或资源竞争场景，如电子干扰下的频谱分配。缺点是收敛速度依赖初始策略，且可能陷入局部最优。实践中常与学习算法结合，如分布式 Q 学习。
四、分布式约束优化（DCOP）：约束满足与最优性
DCOP 把任务分配形式化为变量—约束图：每个无人机是一个变量，取值是任务编号；约束是任务冲突、距离限制、时间窗等。目标是最小化总代价 Σ f_ij(x_i, x_j)。典型算法包括分布式梯度下降（DGD）、最大和（Max-Sum）和分布式 breakout。
Max-Sum 在因子图上传递消息，适合稀疏约束的分配问题，如多机避碰与任务排序。适用条件：约束可分解、通信拓扑与因子图匹配。若约束稠密，消息量会急剧上升。关键参数：消息阻尼系数 d（通常 0.5~0.9）和迭代上限。
五、方法选择与工程落地要点
四类方法并非互斥。实际系统中常见混合架构：底层用 CBBA 做快速粗分配，上层用市场机制处理突发任务，DCOP 用于局部避碰约束修正。选择时重点评估三个维度：
- 任务耦合度：任务之间是否共享资源或存在时序约束。耦合度高时优先 DCOP 或博弈论。
- 通信条件：带宽、时延、丢包率。CBBA 对通信要求最低，DCOP 最高。
- 最优性要求：是否需要严格最优。CBBA 与市场机制通常给出次优解，DCOP 在稀疏约束下可逼近最优。
综上，CBBA 适合大规模、低耦合、通信受限的快速分配；市场机制适合动态异构任务；博弈论适合对抗与竞争场景；DCOP 适合约束密集、追求最优的分配问题。理解各方法的收敛条件与参数含义，才能在任务重规划时做出合理选择。