面向复杂多任务的异构无人机集群分组调配

对于在复杂多任务场景下对异构无人机（UAV）群体进行分组与调配的问题，本文提出了一种结合改进的K-means聚类和延迟接受（DA）算法的分组调配方法，该方法首先进行聚类再匹配。在任务分组聚类阶段，利用离群点检测和设定初始聚类中心的策略来增强K-means算法的分类准确性，并通过设计一种基于余量裕度的分组平衡性调整策略，在保持最优性的同时增加分组的平衡性。在群体匹配阶段，本方法对DA算法进行了优化，通过基于任务偏好的预选方案快速生成，并引入了两阶段的冲突解决机制以确保匹配结果的稳定性和收敛性。模拟实验结果显示，该方法能有效快速地解决复杂多任务环境下的UAV群体分组调配问题，展现出优秀的最优性和实时性。