随着无人机(Unmanned Aerial Vehicle UAV)在现代战争中作战优势的体现,受到了越来越多国家的青睐。在作战环境日益复杂,作战任务日益多样,多无人机协同作战成为无人机一种主要作战方式的趋势下,无人机完全依赖于任务控制站的控制方式将不能适应未来战争的需要。因此,有必要研究如何在已有平台之上提高无人机自主作战能力的方法。本文着眼于未来战场环境信息未知下的多无人机协同作战,围绕提高无人机自主作战能力,以仿生蚁群觅食行为为手段,探索能够有效求解该问题的自组织算法。本文主要研究内容及成果如下:(1)讨论了基本蚁群算法的自组织特性。针对蚁群算法的数学模型,结合自组织定义及影响系统自组织性能的正负反馈机制,分析了算法机制中存在的诸如群体行为涌现、底层个体交互等自组织特性;从问题求解的角度揭示了算法中所隐含的蚁群面向目标发现的“召集”行为。(2)提出了分布式矢量化信息素结构。结合多无人机的分布式控制体系结构,从提高算法鲁棒性,降低对通信条件的依赖性出发,设计了蚁群的分布式信息素结构;根据无人机类型及任务多样的特点,设计了信息素的矢量化结构,避免了传统标量信息素对问题求解信息反映单一的问题。仿真实验表明,该结构下算法保持有对通信条件的鲁棒性,蚂蚁能够合理地执行各种任务行为。(3)提出了基于反应型行为的信息素更新规则。在基本蚁群算法框架之上,通过模拟蚁群的简单条件反应式行为,设计了面向不同任务行为类型的反应式信息素更新规则,并通过动态限定信息素调整幅度的方法有效保证了对目标的持续任务覆盖,适应于无人机对敌目标的“察-打”一体化作战要求。仿真结果表明,在信息素更新规则作用下,无人机将朝向最大化任务目标方向运动,而且能够实现对目标的有效持续任务覆盖。(4)研究了基于信息素视图的无人机协作方法。基于信息素对蚂蚁移动引导的机理,提出了面向信息素更新的无人机信息交互管理策略,在降低通信量及通信频率的同时保证了蚂蚁信息素视图对战场态势的有效反映。为了降低通信对蚂蚁信息素视图一致性的影响,设计了包含前向任务补偿和后向状态估计在内的状态估计机制,增强了机群的协作能力,提高了无人机的作战效率。仿真实验表明,该方法减轻了通信对机群行为协调的影响,提高了机群的协作效率。