近年来,随着无人机的小型化、智能化和廉价化,人们在越来越多的场合使用无人机。为了处理单个无人机难以应付的任务场景,无人机集群的概念应运而生。使用大规模的无人机集群在很大程度上降低了任务的难度,但随之带来的是一系列的集群控制问题:集群如何减少对中心节点的依赖,集群的移动如何做到高效而且尽量避免冲突,集群如何维持一个比较稳定的拓扑结构但是在突发情况下能够迅速应变,集群如何平衡成员对能量的消耗等。本文针对大规模无人机集群所面临的问题,结合生物集群技术,设计了一种灵活高效、适应层面广的集群移动模型架构。本文设计的移动模型架构,是基于鸟群SAC移动模型的规则建立的,通过此移动模型,实现了去中心化的集群移动,减少了集群对地面控制站台的依赖并降低了集群中无人机移动线路之间出现冲突的可能性。本文将此移动模型融入到一个通信模型中以便通过仿真验证其有效性。在移动模型的基础上,本文对大规模无人机集群中具有代表性的三种业务:组网集结、航迹规划和分簇算法进行了研究,并针对目前已有的算法加以改进。改进后的算法简化了组网集结的过程,降低了集群对地面控制中心的依赖;航迹规划算法降低了集群飞行过程中可能出现的损毁;分簇算法通过动态更换簇头均衡了集群能量消耗,延长集群存活时间。为了验证上述移动模型架构和业务算法,本文使用NS-3网络模拟器搭建并实现了上述架构和算法,并与人工鱼群移动模型算法和改进前的业务算法进行对比。测试表明,本文所提出的移动模型架构和改进后的业务算法能够灵活适应各种测试场景提升无人机集群的效率,并降低集群在任务过程中的损失。综上所述,本文在大规模无人机集群网络架构上做了有益的探索性工作,并在基于生物集群移动模型上的组网集结、航迹规划和分簇算法上取得了一些有学术价值和应用前景的研究成果。本文的研究工作将对无人机集群管理控制走向进一步智能化起到一定的促进作用。