伴随着军事科技的发展,航空领域无人机技术的发展非常迅速,相较于一架昂贵的、多功能大型无人机,低成本的无人机蜂群在作战可靠性和复杂环境适应性方面具有潜在优势。因此,如何运用高效的控制策略实现多机协同,最大化执行任务总体效益,已经成为现代无人机研究领域的热点和难点。由于受到任务环境和自身资源的影响,多机协同任务分配问题是一个受多约束条件限制的多目标优化与决策问题。近年来,国内外研究学者结合无人机集群的集中式控制和分布式控制优点,提出混合式控制结构。混合式控制在进行任务分配时,先由中心控制节点根据全局信息进行任务分配,各UAV根据中心控制节点的决策方案执行任务,当发生突发情况时,各UAV利用自身携带的机载处理器自行进行决策,决策方案通过UAV之间的通信网络进行信息传递从而完成多机协同。但混合式控制结构仍存在一定的问题,如无人机遇到突发任务或由于自身原因某架无人机不再适合执行任务队列中的某一个任务时,此时采用分布式协商将该任务移交给其他节点执行时,存在通信开销较大,结果易陷入局部最优解的问题。因此,本文针对此问题,提出将突发任务分配过程分为任务预分配和分布式协商两个阶段:首先,针对分布式协商可能陷入局部最优解的不足,在预分配阶段,将任务交由中心控制节点利用全局信息进行计算,此时只需要计算出各个无人机单独执行该任务的收益和损耗,以及将该任务加入到不同无人机任务序列后归一化的收益和损耗值,选择归一化收益值较大的一组无人机加入到满意集合中,通过以较快的速度计算出适合执行任务的子集,而不需计算全局最优解,减少了中心控制节点的计算时间;其次,针对分布式协商阶段通信量较大的缺点,在分布式协商阶段,仅由预分配阶段得出的满意集合内的无人机参与任务的协商,减小了参与协商的无人机数量,降低了分布式协商中通信成本;最后,针对不同性质的任务会有不同的处理:当任务能够被一架无人机完成时,通过任务预分配和分布式协商,选择效益最大的一架无人机执行任务;当任务复杂需要多机协同完成时,由中心控制节点将协同任务执行问题转化为“0-1”线性规划问题,并通过遗传算法计算出满足任务资源需求的一组无人机协同执行任务,同时利用任务序列空闲时间保障任务的实时完成。本文通过OPNET仿真软件模拟各种不同场景,进行算法性能的验证:针对单一突发任务,通过与传统分布式协商方案的对比,改进的合同网协议减少了任务分配的计算时间,提高了任务完成率;针对复杂突发任务,首先验证了改进的遗传算法具备较好的收敛性和运行速度,其次通过与传统的分布式协商组建协同集合的MSOCFA算法的比较,仿真结果表明遗传算法在无人机数量较大的情况下,选择无人机协同集合具备更短的计算时间。