随着无人机技术的不断发展,无人机在现代战场上的应用前景越来越广泛。其中,侦察型无人机凭借其广阔的视野、高度的机动性和支持多种传感模块的易扩展性,日益成为战场快速获取制信息权的一种重要工具。本文以无人机集群持续侦察任务为研究背景,重点探究了集群侦察任务环境的表示方法、无人机集群数量规模优化方法、多无人机集群在持续任务过程的动态部署策略和基于ABMS技术的无人机集群协同侦察建模与仿真。本文的主要研究内容有:(1)无人机集群持续侦察问题的分析结合无人机持续任务特点,阐明了无人机集群持续侦察问题的特性,界定无人机集群持续侦察过程中的关键问题,为进一步建立模型和设计集群持续侦察策略奠定基础。(2)构造了一种用来表示侦察环境任务优先级动态变化的改进人工势场由于持续任务中任务优先随着与侦察主体的交互及时间推移不断改变,模拟自然界“植被-食草动物”的生态环境,构造了一种可自我演化、可与侦察主体进行交互的时变人工势场,量化任务优先级演化过程,为集群自适应地在环境中进行移动和调整提供依据。(3)提出了一种基于群落矩阵的无人机集群数量优化方法基于生物群落的生长和自平衡机制,构建了基于区域信息熵的“数字草皮”及其“丰饶程度”变化模型。利用生态平衡动力学模型,通过“目标区域-无人机集群”群落矩阵引入种群平衡机制。通过群落矩阵相关推导,分析了无人机集群和侦察区域的联动模型,分析了系统的平衡和敛散性,对利用环境、平台性能等来动态调整集群数量的方法进行了模拟。(4)基于滚动数据聚类的无人机集群动态部署策略设计了无人机集群动态部署控制框架,利用栅格化的数字草皮量,设计一种基于栅格的动态数据聚类算法,自适应调整各无人机子群侦察辖区。(5)基于ABMS的无人机集群持续侦察建模与仿真通过基于Agent建模仿真的思想,对数字草皮人工势场的更新机制和多无人机集群的动态部署机制进行了仿真,通过案例仿真验证了有效性。