鈕 偉， 黃佳沁， 繆禮鋒

(1.中國(guó)航空工業(yè)集團(tuán)公司雷華電子技術(shù)研究所， 江蘇 無(wú)錫 214000；2.航空電子系統(tǒng)射頻綜合仿真航空科技重點(diǎn)實(shí)驗(yàn)室， 江蘇 無(wú)錫 214000)

無(wú)人機(jī)蜂群是由大量無(wú)人機(jī)(Unmanned Aerial Vehicle, UAV)，以單平臺(tái)無(wú)人機(jī)的作戰(zhàn)能力為基礎(chǔ)，以無(wú)人機(jī)之間的協(xié)同交互能力為支撐，以群體智能涌現(xiàn)能力為核心，基于開(kāi)放式體系架構(gòu)綜合集成構(gòu)建的，具有抗毀性、低成本、功能分布化等優(yōu)勢(shì)和智能特征的作戰(zhàn)體系。早在2012年，美國(guó)海軍研究生院的Loc Pham[1]便探討了無(wú)人機(jī)蜂群對(duì)海作戰(zhàn)的概念。文章假定使用多架無(wú)人機(jī)攻擊一艘“宙斯盾”級(jí)驅(qū)逐艦，數(shù)百次模擬結(jié)果表明：當(dāng)有8架無(wú)人機(jī)參與攻擊時(shí)，平均有2.8架無(wú)人機(jī)能夠避開(kāi)“宙斯盾”系統(tǒng)的攔截；即便假設(shè)艦艇升級(jí)了防御系統(tǒng)，仍有至少1架無(wú)人機(jī)能夠突破防御。這就意味著無(wú)人機(jī)蜂群具備對(duì)海作戰(zhàn)的能力，可以用于攻擊水面艦艇。

本文首先簡(jiǎn)要論述了無(wú)人機(jī)蜂群對(duì)海作戰(zhàn)概念，隨后總結(jié)了國(guó)內(nèi)外在無(wú)人機(jī)蜂群領(lǐng)域的研究現(xiàn)狀，據(jù)此分析了無(wú)人機(jī)蜂群作戰(zhàn)能力形成的關(guān)鍵技術(shù)，最后對(duì)無(wú)人機(jī)蜂群未來(lái)的發(fā)展進(jìn)行展望。

1 無(wú)人機(jī)蜂群對(duì)海作戰(zhàn)概念

無(wú)人機(jī)蜂群的核心優(yōu)勢(shì)在于：?jiǎn)螜C(jī)成本低、群體數(shù)目大、群體智能程度高；其主要劣勢(shì)在于：?jiǎn)螜C(jī)能力弱，即與制空型無(wú)人機(jī)相比，用于構(gòu)建蜂群的無(wú)人機(jī)探測(cè)能力弱、機(jī)動(dòng)性差、速度慢、航程短、智能程度低、打擊能力有限等。綜合考慮無(wú)人機(jī)蜂群的優(yōu)勢(shì)和劣勢(shì)，無(wú)人機(jī)蜂群對(duì)海作戰(zhàn)概念具備較高的可行性：其一，大型水面艦艇價(jià)值高，利用低成本的無(wú)人機(jī)蜂群打擊高成本的艦艇符合利益最大化準(zhǔn)則；其二，水面艦艇目標(biāo)大、機(jī)動(dòng)能力較差，是機(jī)動(dòng)能力不足的無(wú)人機(jī)蜂群的理想目標(biāo)；其三，現(xiàn)有的海上艦艇應(yīng)對(duì)以無(wú)人機(jī)為代表的“低慢小”目標(biāo)的能力不足，例如，2017年8月12日英國(guó)廣播公司報(bào)道稱(chēng)，一架民用四軸無(wú)人機(jī)在未觸動(dòng)任何警報(bào)的情況下順利地降落在了英國(guó)海軍“伊麗莎白女王”號(hào)航母的甲板上；其四，目前海上艦艇裝備的防空系統(tǒng)缺乏應(yīng)對(duì)無(wú)人機(jī)蜂群的有效手段，大量的彼此協(xié)作的無(wú)人機(jī)足以使得艦艇的防空系統(tǒng)飽和，Loc Pham的實(shí)驗(yàn)證實(shí)了這一點(diǎn)。

可以預(yù)見(jiàn)，隨著智能無(wú)人系統(tǒng)和蜂群戰(zhàn)術(shù)方面的發(fā)展，在未來(lái)戰(zhàn)場(chǎng)上高度智能的無(wú)人機(jī)蜂群可能還會(huì)充當(dāng)一種非對(duì)稱(chēng)手段，通過(guò)飽和攻擊打擊敵方高價(jià)值的航母系統(tǒng)。楊王詩(shī)劍[2]從理論上簡(jiǎn)單論述了無(wú)人機(jī)蜂群攻擊航母的可行性。文章以對(duì)一個(gè)美軍航母編隊(duì)攻擊為例，假定航母的第一層防空圈由48架“超級(jí)大黃蜂”戰(zhàn)斗機(jī)組成，按照最大攔截能力計(jì)算，能一次攔截192枚掠海飛行的反艦導(dǎo)彈；由艦艇裝備的防空導(dǎo)彈構(gòu)成第二層防空圈，4艘裝備了“宙斯盾”系統(tǒng)的驅(qū)逐艦一次可同時(shí)攔截48枚反艦導(dǎo)彈；近防武器系統(tǒng)為第三層防空圈，包括航母上的約12座“密集陣”或“拉姆”近防系統(tǒng)。由此，文章認(rèn)為對(duì)一個(gè)理想防空狀態(tài)下的航母編隊(duì)一次飽和攻擊需要超過(guò)240枚反艦導(dǎo)彈齊射。

雖然這是一個(gè)理論上的推導(dǎo)，但具有很大的參考價(jià)值。不妨假想，如果將240枚高價(jià)值的反艦導(dǎo)彈換成由240架低成本無(wú)人機(jī)組成的高度協(xié)同的蜂群，或許將徹底改寫(xiě)未來(lái)海戰(zhàn)的規(guī)則。

2 國(guó)內(nèi)外無(wú)人機(jī)蜂群研究現(xiàn)狀

目前國(guó)內(nèi)外對(duì)于無(wú)人機(jī)蜂群的研究隨著各國(guó)軍方對(duì)無(wú)人機(jī)作戰(zhàn)效能的需求提升而逐漸深入。

2.1 國(guó)外研究現(xiàn)狀

在無(wú)人機(jī)蜂群領(lǐng)域，美國(guó)和歐洲處于領(lǐng)先地位，已經(jīng)針對(duì)無(wú)人機(jī)蜂群作戰(zhàn)的需求，開(kāi)展了大量的應(yīng)用研究項(xiàng)目。

2016年4月，美軍發(fā)布了《小型無(wú)人機(jī)系統(tǒng)路線圖2016—2036》，該路線圖凸顯了小型無(wú)人蜂群系統(tǒng)的重要意義。國(guó)防高級(jí)研究計(jì)劃局(DARPA)、戰(zhàn)略能力辦公室(SCO)，以及空軍、陸軍和海軍等都已經(jīng)開(kāi)展了大量的研究和論證工作，啟動(dòng)了多個(gè)項(xiàng)目，其中最具影響力的項(xiàng)目包括：DARPA主導(dǎo)自治編隊(duì)混合主動(dòng)控制項(xiàng)目(MICA)、拒止環(huán)境下協(xié)同作戰(zhàn)計(jì)劃(CODE)、“小精靈”項(xiàng)目、進(jìn)攻性蜂群使能戰(zhàn)術(shù)項(xiàng)目(OFFSET)，美國(guó)海軍研究局(ONR)負(fù)責(zé)的低成本無(wú)人機(jī)蜂群技術(shù)(LOCUST)，以及戰(zhàn)略能力辦公室支持的“灰山鶉”微型無(wú)人機(jī)項(xiàng)目等。

1) MICA項(xiàng)目

MICA項(xiàng)目[3]的目標(biāo)是，在減少操作員人為干預(yù)的前提下提升無(wú)人機(jī)的自主與協(xié)同控制能力，涉及的研究?jī)?nèi)容包括無(wú)人機(jī)自主協(xié)同作戰(zhàn)的分層控制結(jié)構(gòu)、多無(wú)人機(jī)自主編隊(duì)控制方法和無(wú)人機(jī)協(xié)同作戰(zhàn)的建模與仿真技術(shù)等，參與研究的機(jī)構(gòu)包括加州大學(xué)伯克利分校、麻省理工學(xué)院(MIT)以及霍尼韋爾公司(Honeywell)等。

2) CODE項(xiàng)目

CODE項(xiàng)目[4]于2014年4月29日正式發(fā)布，該項(xiàng)目計(jì)劃通過(guò)發(fā)展一個(gè)能安裝在現(xiàn)有無(wú)人機(jī)平臺(tái)上的新型模塊化軟件架構(gòu)，增加無(wú)人機(jī)的自主性。如圖1所示，項(xiàng)目預(yù)期一個(gè)遠(yuǎn)程操作員可以同時(shí)控制6架甚至更多的無(wú)人機(jī)，多架無(wú)人機(jī)將協(xié)同完成發(fā)現(xiàn)、跟蹤、識(shí)別和攻擊目標(biāo)，就像狼群協(xié)同狩獵一樣。

3) “小精靈”項(xiàng)目

DARPA于2015年9月公布了“小精靈”項(xiàng)目[5]，該項(xiàng)目計(jì)劃研制一種部分可回收的偵察和電子戰(zhàn)無(wú)人機(jī)蜂群。這種無(wú)人機(jī)蜂群可由C-130多用途飛機(jī)或者其他軍用飛機(jī)進(jìn)行投放，能夠迅速不被察覺(jué)地進(jìn)入敵人上方，并且可以通過(guò)壓制導(dǎo)彈防御系統(tǒng)、切斷通信、利用電腦病毒襲擊敵人數(shù)據(jù)網(wǎng)絡(luò)等多種手段擊潰敵人，如圖2所示。按照設(shè)想，“小精靈”項(xiàng)目的無(wú)人機(jī)價(jià)格相當(dāng)?shù)土?，單架無(wú)人機(jī)的成本將在100萬(wàn)美元以內(nèi)，單架無(wú)人機(jī)的損毀不會(huì)造成嚴(yán)重的損失，也不會(huì)危及整體任務(wù)，其他無(wú)人機(jī)可以繼續(xù)執(zhí)行監(jiān)視、電子干擾、通信竊聽(tīng)、網(wǎng)絡(luò)戰(zhàn)或等任務(wù)。在完成任務(wù)后，剩余的無(wú)人機(jī)在預(yù)定地點(diǎn)集合，再由C-130飛機(jī)利用機(jī)械臂等手段重新回收，每架無(wú)人機(jī)可重復(fù)使用20次左右。2017年3月，項(xiàng)目第二階段的合同由美國(guó)通用原子航空系統(tǒng)公司(GA-ASI)和Dynetics公司分別獲得。

4)OFFSET項(xiàng)目

2017年1月，DARPA發(fā)布了OFFSET項(xiàng)目的招標(biāo)書(shū)。OFFSET項(xiàng)目[6]主要工作將聚焦于開(kāi)放式軟件與系統(tǒng)架構(gòu)、博弈軟件設(shè)計(jì)與基于博弈的社群開(kāi)發(fā)、沉浸式交互技術(shù)、以及用于分布式機(jī)器人的機(jī)器人系統(tǒng)集成與算法開(kāi)發(fā)，以開(kāi)發(fā)并測(cè)試專(zhuān)為城市作戰(zhàn)蜂群無(wú)人系統(tǒng)設(shè)計(jì)的蜂群戰(zhàn)術(shù)。此外，DARPA研究人員希望這種蜂群系統(tǒng)還能引出新的蜂群無(wú)人系統(tǒng)使能技術(shù)，比如分布式感知、可靠與彈性通信、分布式計(jì)算與分析、以及適應(yīng)性集體行動(dòng)等。

5)LOCUST項(xiàng)目

LOCUST項(xiàng)目[7]采用由BAE系統(tǒng)公司研制的，廉價(jià)的“叢林狼”型三足無(wú)人機(jī)。該無(wú)人機(jī)長(zhǎng)1m左右，重12～14磅，可以在6096m以下的高度投放，也可以折疊后從發(fā)射管中發(fā)射。叢林狼的單價(jià)很低，單架價(jià)格將在1萬(wàn)美元以下，屬于“一次性”無(wú)人機(jī)。迄今為止，美國(guó)海軍研究局已在多地對(duì)低成本無(wú)人機(jī)蜂群技術(shù)進(jìn)行了演示。

6)“灰山鶉”微型無(wú)人機(jī)項(xiàng)目

“灰山鶉”微型無(wú)人機(jī)項(xiàng)目于2012年8月設(shè)立。2017年1月9日，美國(guó)防部首次披露：不久前完成了一次空射微型無(wú)人機(jī)蜂群演示，3架“超級(jí)大黃蜂”戰(zhàn)斗機(jī)在Ma=0.6的速度下，投放了103架“灰山鶉”。這些微型無(wú)人機(jī)蜂群在地面站的指揮之下，成功完成了4項(xiàng)設(shè)定的任務(wù)，如圖3所示。此項(xiàng)蜂群研究直接瞄準(zhǔn)快速生成戰(zhàn)斗力，這次演示表明美軍空射無(wú)人機(jī)蜂群正朝實(shí)戰(zhàn)化方向邁進(jìn)，主要體現(xiàn)在四個(gè)方面：1)“灰山鶉”微型無(wú)人機(jī)已經(jīng)做到高成熟度和低成本； 2)創(chuàng)造性解決微型無(wú)人機(jī)裝機(jī)綜合問(wèn)題； 3)已開(kāi)展了作戰(zhàn)演習(xí)和多機(jī)編隊(duì)投放演示；4)演示了大規(guī)模蜂群依托云處理協(xié)同。

除了上述項(xiàng)目，美國(guó)還在蜂群方面做了一些嘗試。例如由美國(guó)空軍主持WASM項(xiàng)目[8]，和美國(guó)海軍支持的UCAS-D[9]項(xiàng)目。這些項(xiàng)目在功能上相互獨(dú)立、各有側(cè)重，又在體系上互為補(bǔ)充，融合發(fā)展。

歐洲方面，歐盟委員會(huì)信息社會(huì)技術(shù)計(jì)劃(IST)資助的多異構(gòu)無(wú)人機(jī)實(shí)時(shí)協(xié)同和控制項(xiàng)目(COMETS)、歐盟委員會(huì)信息通信技術(shù)計(jì)劃(ICT)資助的面向安全無(wú)線的高移動(dòng)性協(xié)同工業(yè)系統(tǒng)的估計(jì)與控制項(xiàng)目(EC-SAFEMOBIL)也比較引人注目。COMETS[10]項(xiàng)目關(guān)注民用領(lǐng)域中多異構(gòu)平臺(tái)實(shí)時(shí)協(xié)調(diào)與控制問(wèn)題，針對(duì)多類(lèi)異構(gòu)無(wú)人機(jī)組成的協(xié)同探測(cè)和監(jiān)視系統(tǒng)，設(shè)計(jì)實(shí)現(xiàn)分布式控制結(jié)構(gòu)，集成分布式信息感知和實(shí)時(shí)圖像處理技術(shù)；從2011年開(kāi)始，ICT正式啟動(dòng)EC-SAFEMOBIL[11]，針對(duì)高動(dòng)態(tài)固定翼和旋翼無(wú)人機(jī)，開(kāi)發(fā)新的預(yù)測(cè)和協(xié)同控制技術(shù)，并研究多機(jī)自動(dòng)感知、規(guī)避與精確著陸問(wèn)題。

2.2 國(guó)內(nèi)研究現(xiàn)狀

我國(guó)在無(wú)人機(jī)蜂群方面的研究起步較晚，但經(jīng)過(guò)多年不懈的努力，國(guó)內(nèi)相關(guān)研究單位也取得了一些顯著的成果。

在理論研究方面，國(guó)防科技大學(xué)、西北工業(yè)大學(xué)、哈爾濱工業(yè)大學(xué)、北京航空航天大學(xué)、華中科技大學(xué)和空軍工程大學(xué)等高校的學(xué)者圍繞任務(wù)分配、航跡規(guī)劃和編隊(duì)控制等無(wú)人機(jī)蜂群的關(guān)鍵技術(shù)進(jìn)行了多年的鉆研探討和學(xué)術(shù)積累，取得了大量的成果。葉媛媛等[12]利用滿意解集合，降低計(jì)算復(fù)雜度，解決無(wú)人機(jī)協(xié)同任務(wù)分配問(wèn)題；譚何順等[13]提出了基于資源福利的任務(wù)組級(jí)粗粒度任務(wù)分配方法，使得無(wú)人機(jī)負(fù)載均衡，并通過(guò)PSO算法求解；關(guān)震宇等[14]基于遺傳算法，并且考慮無(wú)人機(jī)的飛行性能約束，提出一種基于Dubins路徑的無(wú)人機(jī)的避障規(guī)劃算法，借助先驗(yàn)信息對(duì)威脅進(jìn)行規(guī)避；劉偉等[15]針對(duì)無(wú)人機(jī)在復(fù)雜飛行環(huán)境中的路徑平滑性優(yōu)化問(wèn)題，提出一種基于雙層決策的平滑航跡規(guī)劃方法，改善路徑的全局與局部平滑度；曲成剛等[16]使用人工勢(shì)場(chǎng)法和虛擬領(lǐng)航員對(duì)多智能體系統(tǒng)進(jìn)行協(xié)同控制；夏慶軍等[17]對(duì)大規(guī)?？諔?zhàn)中的無(wú)人機(jī)編隊(duì)進(jìn)行了研究，首先利用層級(jí)化概念將大規(guī)模編隊(duì)劃分為基本隊(duì)形，設(shè)計(jì)了編隊(duì)的編碼與解碼方法，最后利用自適應(yīng)遺傳算法搜索最優(yōu)空戰(zhàn)隊(duì)形，該方法為解決大規(guī)模飛機(jī)編隊(duì)問(wèn)題提供了思路。

在演示驗(yàn)證方面，新華社2017年6月10日消息稱(chēng)，中國(guó)電子科技集團(tuán)公司成功完成了119架固定翼無(wú)人機(jī)蜂群飛行試驗(yàn)，演示了密集彈射起飛、空中集結(jié)、多目標(biāo)分組、編隊(duì)合圍、蜂群行動(dòng)等動(dòng)作。刷新了此前2016年珠海航展披露的67架固定翼無(wú)人機(jī)蜂群試驗(yàn)記錄，這標(biāo)志著智能無(wú)人蜂群領(lǐng)域的又一突破。

總的來(lái)說(shuō)，國(guó)內(nèi)外都認(rèn)識(shí)了無(wú)人機(jī)蜂群的重要性，并將其作為各國(guó)軍事理論與應(yīng)用中的前沿研究課題予以了足夠的重視，在這一方面開(kāi)展了不少研究工作。歐美軍事強(qiáng)國(guó)，尤其是美國(guó)近年來(lái)專(zhuān)門(mén)設(shè)立多個(gè)無(wú)人機(jī)蜂群相關(guān)的重點(diǎn)項(xiàng)目，項(xiàng)目涵蓋了從作戰(zhàn)概念到實(shí)質(zhì)驗(yàn)證的無(wú)人機(jī)蜂群的各項(xiàng)關(guān)鍵技術(shù)，涉及了從大型到微型的各種級(jí)別的無(wú)人機(jī)，取得了不少突破性的成果，并且穩(wěn)步向著實(shí)戰(zhàn)化邁進(jìn)。國(guó)內(nèi)的研究大多還停留在概念和理論研究階段，少有實(shí)質(zhì)性的驗(yàn)證試驗(yàn)。顯然，國(guó)內(nèi)外的研究存在著不小的差距，但是就目前來(lái)看，即使對(duì)于處在領(lǐng)先地位的美國(guó)而言，無(wú)人機(jī)蜂群作戰(zhàn)也還處于起步階段，距離真正實(shí)現(xiàn)能用于復(fù)雜戰(zhàn)場(chǎng)環(huán)境下無(wú)人機(jī)蜂群還有很大的差距，面臨一系列問(wèn)題需要解決。

3 無(wú)人機(jī)蜂群作戰(zhàn)關(guān)鍵技術(shù)

無(wú)人機(jī)蜂群領(lǐng)域相關(guān)關(guān)鍵技術(shù)水平不足是無(wú)人機(jī)蜂群發(fā)展面臨的主要問(wèn)題之一。這些關(guān)鍵技術(shù)主要包括：戰(zhàn)術(shù)與作戰(zhàn)使用、總體架構(gòu)、集群感知與信息融合、集群控制與群體智能、任務(wù)規(guī)劃和航跡規(guī)劃等。

3.1 戰(zhàn)術(shù)與作戰(zhàn)使用

無(wú)人機(jī)蜂群作戰(zhàn)系統(tǒng)是軍事需求和高新技術(shù)進(jìn)步“雙引擎”推動(dòng)下提出的，可能給未來(lái)戰(zhàn)爭(zhēng)帶來(lái)新質(zhì)作戰(zhàn)能力的全新作戰(zhàn)系統(tǒng)。研究無(wú)人機(jī)蜂群作戰(zhàn)首先需要著眼未來(lái)戰(zhàn)爭(zhēng)的需求，從設(shè)計(jì)未來(lái)戰(zhàn)爭(zhēng)的角度出發(fā)，研究無(wú)人機(jī)蜂群戰(zhàn)術(shù)和作戰(zhàn)使用。

毫無(wú)疑問(wèn)，無(wú)人機(jī)集群可以衍生出一些全新的作戰(zhàn)方式，例如：超飽和協(xié)同探測(cè)，即利用大量搭載異類(lèi)傳感器的異構(gòu)無(wú)人機(jī)組成的集群，對(duì)戰(zhàn)場(chǎng)進(jìn)行長(zhǎng)時(shí)間、全方位、大范圍、高精度的情報(bào)偵察和監(jiān)視；輔助攻擊，無(wú)人機(jī)集群可以充當(dāng)先頭部隊(duì)主動(dòng)接敵，執(zhí)行誘敵、干擾、欺騙、佯攻等任務(wù)，使敵方面臨的問(wèn)題復(fù)雜化，增加敵方的額外負(fù)擔(dān)，暴露和消耗敵方火力；超飽和攻擊，即依托無(wú)人機(jī)蜂群巨大的數(shù)量?jī)?yōu)勢(shì)和智能優(yōu)勢(shì)，突破敵方的防空系統(tǒng)，直接對(duì)目標(biāo)關(guān)鍵部位進(jìn)行精確打擊。

事實(shí)上，蜂群能做的事情遠(yuǎn)不止于此，但是由于蜂群技術(shù)剛剛起步，研究人員對(duì)蜂群的理解不夠深刻，加上技術(shù)發(fā)展速度和軍事需求尚不明確，故而蜂群戰(zhàn)術(shù)的創(chuàng)新面臨著巨大的困難。發(fā)揮群體的智慧，群策群力，可能是解決這一問(wèn)題最有效的方法。資料表明，DARPA為了尋求蜂群作戰(zhàn)的創(chuàng)新方案，提出在OFFSET項(xiàng)目的實(shí)施過(guò)程中發(fā)起“蜂群沖刺”，讓更多的科研人員和用戶參與到開(kāi)發(fā)過(guò)程中，創(chuàng)造和測(cè)試新型蜂群戰(zhàn)術(shù)和實(shí)現(xiàn)技術(shù)。如此，在設(shè)計(jì)過(guò)程中便能保證蜂群具有良好的環(huán)境適應(yīng)性。

3.2 總體架構(gòu)

無(wú)人機(jī)蜂群系統(tǒng)是由大量不同類(lèi)型和功能，具備有限自主決策控制能力和交互能力的無(wú)人機(jī)組成的智能系統(tǒng)，為了完成復(fù)雜的作戰(zhàn)任務(wù)，無(wú)人機(jī)蜂群必須進(jìn)行高效的集群協(xié)同。而系統(tǒng)架構(gòu)決定著系統(tǒng)的整體效能，為了應(yīng)對(duì)高度對(duì)抗性、高度不確定性、高度動(dòng)態(tài)性的戰(zhàn)場(chǎng)環(huán)境，無(wú)人機(jī)蜂群系統(tǒng)的總體架構(gòu)必須具有高魯棒性、高可靠性、高容錯(cuò)性、高動(dòng)態(tài)性和高實(shí)時(shí)性。

傳統(tǒng)的系統(tǒng)架構(gòu)分為集中式與分布式兩大類(lèi)[18-22]。集中式的結(jié)構(gòu)存在對(duì)整個(gè)系統(tǒng)進(jìn)行控制的中央處理節(jié)點(diǎn)。其優(yōu)勢(shì)在于決策與控制的管理權(quán)限比較集中，結(jié)構(gòu)清晰明了，易于實(shí)現(xiàn)，而且能夠從全局對(duì)問(wèn)題進(jìn)行求解和優(yōu)化。但是集中式架構(gòu)的決策與控制嚴(yán)重依賴中心節(jié)點(diǎn)，中心的處理壓力大，而蜂群所面臨的問(wèn)題計(jì)算復(fù)雜度高，計(jì)算耗時(shí)長(zhǎng)，因此系統(tǒng)的實(shí)時(shí)性較差；另外，一旦中心故障或者損壞，系統(tǒng)將喪失完成任務(wù)的能力，即系統(tǒng)魯棒性差。分布式的架構(gòu)各無(wú)人機(jī)具有充分的自治權(quán)限，通過(guò)通信網(wǎng)絡(luò)進(jìn)行信息共享與協(xié)商實(shí)現(xiàn)自主決策。與集中式的架構(gòu)相比，決策無(wú)須等待中心返回控制指令，系統(tǒng)實(shí)時(shí)性較好；而且，個(gè)體具有同等的地位，無(wú)人機(jī)的故障或功能失效不會(huì)對(duì)系統(tǒng)的整體性能產(chǎn)生太大的影響，系統(tǒng)具備更強(qiáng)的魯棒性和容錯(cuò)性。但是，分布式的架構(gòu)很難獲得全局最優(yōu)解。因此集中式和分布式的架構(gòu)都存在著固有的缺陷，難以滿足無(wú)人機(jī)蜂群作戰(zhàn)的需求，需要尋求更加有效的架構(gòu)。

多智能體系統(tǒng)和復(fù)雜網(wǎng)絡(luò)系統(tǒng)這兩個(gè)當(dāng)下熱門(mén)研究領(lǐng)域的相關(guān)理論可以為構(gòu)建無(wú)人機(jī)蜂群總體架構(gòu)提供一些新的思路。

多智能體系統(tǒng)(MAS)[23]作為分布式人工智能理論的一個(gè)分支，其核心思想是“分而治之”，即將復(fù)雜系統(tǒng)尤其是復(fù)雜的動(dòng)態(tài)協(xié)作系統(tǒng)分解為相對(duì)獨(dú)立的子系統(tǒng)，通過(guò)子系統(tǒng)彼此之間的協(xié)作來(lái)完成高度復(fù)雜的任務(wù)。各智能體具有自主性、分布性、協(xié)調(diào)性等特性，而多智能體系統(tǒng)整體具有自治性、敏感性和社會(huì)性等特性，這些基本特征恰恰與無(wú)人機(jī)蜂群系統(tǒng)相符，因此可以用多智能體系統(tǒng)對(duì)無(wú)人機(jī)蜂群作戰(zhàn)系統(tǒng)的進(jìn)行描述[24-27]。

復(fù)雜網(wǎng)絡(luò)是指具有自組織、自相似、吸引子、小世界、無(wú)標(biāo)度中部分或全部性質(zhì)的網(wǎng)絡(luò)，簡(jiǎn)而言之即呈現(xiàn)高度復(fù)雜性的網(wǎng)絡(luò)[28]。其復(fù)雜性主要體現(xiàn)在結(jié)構(gòu)復(fù)雜、網(wǎng)絡(luò)演化、節(jié)點(diǎn)和連接多樣性、動(dòng)力學(xué)復(fù)雜性等方面?？梢钥闯觯瑥?fù)雜網(wǎng)絡(luò)的理論概念[29-30]與蜂群無(wú)人機(jī)所面臨的實(shí)際問(wèn)題十分契合，這就提供了一條引入復(fù)雜網(wǎng)絡(luò)理論解決蜂群無(wú)人機(jī)協(xié)同問(wèn)題的新途徑。

3.3 集群感知與信息融合

集群感知與數(shù)據(jù)融合是無(wú)人機(jī)集群控制與決策的依據(jù)。集群感知是指各無(wú)人機(jī)基于機(jī)載傳感器，通過(guò)無(wú)人機(jī)間的協(xié)同獲得更廣的觀測(cè)范圍、更高的定位精度，實(shí)現(xiàn)對(duì)戰(zhàn)場(chǎng)環(huán)境的全面感知，主要包括對(duì)外部環(huán)境的協(xié)同探測(cè)和蜂群內(nèi)部的互感能力。無(wú)人機(jī)蜂群信息融合[31-33]是指無(wú)人機(jī)平臺(tái)之間通過(guò)機(jī)間數(shù)據(jù)鏈共享目標(biāo)信息、平臺(tái)狀態(tài)信息、情報(bào)信息和指揮控制信息等，借助配準(zhǔn)、關(guān)聯(lián)、濾波、身份識(shí)別、態(tài)勢(shì)估計(jì)、威脅估計(jì)等信息融合手段獲取作戰(zhàn)區(qū)域完整、準(zhǔn)確的全局信息。由此建立信息優(yōu)勢(shì)，進(jìn)而建立決策優(yōu)勢(shì)，有利于無(wú)人機(jī)蜂群系統(tǒng)整體效能的提升。集群感知和信息融合問(wèn)題必須解決無(wú)人機(jī)之間關(guān)聯(lián)關(guān)系時(shí)變情況下的海量信息的交互問(wèn)題，以及異質(zhì)異構(gòu)傳感器多源信息的融合處理問(wèn)題。

針對(duì)無(wú)人機(jī)蜂群通信問(wèn)題，可以將無(wú)人機(jī)蜂群視為移動(dòng)無(wú)線網(wǎng)絡(luò)，將無(wú)人機(jī)視為移動(dòng)通信網(wǎng)絡(luò)節(jié)點(diǎn)。無(wú)人機(jī)的空間分布決定了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，而不同的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)有著不同的通信性能。無(wú)人機(jī)蜂群作戰(zhàn)時(shí)，各無(wú)人機(jī)移動(dòng)迅速，相互之間的位置關(guān)系變化不定，且隨時(shí)可能由于敵方的干擾出現(xiàn)無(wú)人機(jī)故障或者損毀的情況。因此，無(wú)人機(jī)蜂群的通信網(wǎng)絡(luò)拓?fù)渥兓杆?，無(wú)人機(jī)之間的通信關(guān)系不確定、不穩(wěn)定甚至隨時(shí)可能中斷，不能指定各無(wú)人機(jī)在通信網(wǎng)絡(luò)中的功能，這些都是傳統(tǒng)無(wú)線移動(dòng)網(wǎng)絡(luò)所沒(méi)有面對(duì)過(guò)的難題。要解決這一難題，需要從網(wǎng)絡(luò)架構(gòu)、硬件、算法和通信協(xié)議等幾個(gè)方面進(jìn)行努力[34-35]。

在多傳感器信息融合方面，己有大量成熟的理論和方法[36-39]。與一般的多傳感器信息融合問(wèn)題相比，無(wú)人機(jī)蜂群信息融合問(wèn)題難度更大，主要體現(xiàn)在：信息表現(xiàn)形式的多樣性、信息數(shù)量的巨大性、信息關(guān)系的復(fù)雜性、以及要求信息處理的及時(shí)性等幾個(gè)方面。故而，處理方法也應(yīng)不同于一般的信息融合方法，可行的方法是參考人腦信息融合的認(rèn)知機(jī)制，研究特征提取、知識(shí)表達(dá)和推理、認(rèn)知機(jī)理等，并且應(yīng)用于無(wú)人機(jī)蜂群的信息融合過(guò)程中[40-41]。

3.4 集群控制與群體智能

集群控制與群體智能是實(shí)現(xiàn)無(wú)人機(jī)蜂群作戰(zhàn)的核心。美國(guó)在《無(wú)人機(jī)系統(tǒng)路線圖2005—2030》中明確提出發(fā)展無(wú)人機(jī)自組織集群控制方法，使得多架具備自主決策控制能力的無(wú)人機(jī)能夠通過(guò)組織規(guī)則和信息交互實(shí)現(xiàn)較高程度的自主協(xié)作，通過(guò)高效的協(xié)同組織形式和動(dòng)態(tài)功能分配方法提高系統(tǒng)作戰(zhàn)效能。

構(gòu)成無(wú)人機(jī)蜂群的無(wú)人機(jī)個(gè)體能力較弱，但借助有效的集群控制手段，無(wú)人機(jī)蜂群系統(tǒng)作為一個(gè)整體能夠展現(xiàn)強(qiáng)大的力量?，F(xiàn)實(shí)世界中很多社會(huì)性生物群體也體現(xiàn)了這種特征，如蟻群、蜂群、魚(yú)群、鳥(niǎo)群等，雖然這些群中個(gè)體行為簡(jiǎn)單、能力有限，但當(dāng)它們協(xié)同工作時(shí)能夠涌現(xiàn)出非常復(fù)雜的群體智能特征，例如表現(xiàn)出協(xié)調(diào)一致的運(yùn)動(dòng)行為、互相協(xié)同抵御外部威脅、互相協(xié)作采集食物、建造結(jié)構(gòu)復(fù)雜而巧妙的巢穴等[42]。因而借鑒生物群體智能的理論是解決無(wú)人機(jī)蜂群面臨的集群控制問(wèn)題的有效途徑[43-44]。基于集群智能理論的集群控制方法主要有基于行為法、領(lǐng)航法、人工勢(shì)場(chǎng)法等。

基于行為法是預(yù)先定義無(wú)人機(jī)的若干種行為，如跟隨、避撞、回避等，然后在控制過(guò)程中根據(jù)每個(gè)無(wú)人機(jī)的信息將這些行為按照某種策略進(jìn)行加權(quán)綜合，并將之作為依據(jù)來(lái)控制每個(gè)無(wú)人機(jī)的具體行為[45-49]。領(lǐng)航法的基本思想是在集群系統(tǒng)中設(shè)立領(lǐng)導(dǎo)者或者虛擬領(lǐng)導(dǎo)者，通過(guò)領(lǐng)導(dǎo)者的領(lǐng)導(dǎo)作用達(dá)到對(duì)群體系統(tǒng)控制的目的[50-56]。人工勢(shì)場(chǎng)法將物理學(xué)中勢(shì)能場(chǎng)的概念引入到集群系統(tǒng)中來(lái)，用勢(shì)函數(shù)模擬影響無(wú)人機(jī)受到的內(nèi)外作用，每個(gè)無(wú)人機(jī)在勢(shì)函數(shù)的作用下行動(dòng)，從而實(shí)現(xiàn)對(duì)集群的控制[57-59]。

總的來(lái)說(shuō)，三種方法各有優(yōu)劣?；谛袨榉椒ㄅc集群智能最為契合，能夠?qū)崿F(xiàn)完全分布式的集群控制，研究重點(diǎn)在于集群內(nèi)部個(gè)體的行為的設(shè)計(jì)與描述，然而個(gè)體局部行為對(duì)群體行為的影響是未知的，導(dǎo)致群體智能的涌現(xiàn)結(jié)果不可控，故而該方法實(shí)現(xiàn)難度很大。領(lǐng)航法是目前最成熟的集群控制方法，通過(guò)對(duì)領(lǐng)航者的控制實(shí)現(xiàn)集群控制，實(shí)現(xiàn)簡(jiǎn)單，易于控制，但領(lǐng)導(dǎo)者很可能成為集群的弱點(diǎn)，領(lǐng)導(dǎo)者的失效甚至微小的故障都可能導(dǎo)致整個(gè)集群的失控。人工勢(shì)場(chǎng)法通過(guò)勢(shì)函數(shù)來(lái)描述集群內(nèi)個(gè)體之間的局部作用以及環(huán)境對(duì)個(gè)體的作用，依靠勢(shì)函數(shù)對(duì)集群起到控制作用，思路簡(jiǎn)單，然而戰(zhàn)場(chǎng)環(huán)境復(fù)雜多變，勢(shì)函數(shù)設(shè)計(jì)困難。

3.5 任務(wù)規(guī)劃

無(wú)人機(jī)蜂群任務(wù)規(guī)劃是完成蜂群作戰(zhàn)任務(wù)的關(guān)鍵。無(wú)人機(jī)蜂群任務(wù)規(guī)劃是指根據(jù)作戰(zhàn)任務(wù)需要和戰(zhàn)場(chǎng)環(huán)境以及無(wú)人機(jī)性能的約束，為蜂群中的無(wú)人機(jī)規(guī)劃一個(gè)或一組有序任務(wù)，并且要避免資源沖突，實(shí)現(xiàn)整體的協(xié)同和全局的最優(yōu)。無(wú)人機(jī)蜂群任務(wù)規(guī)劃本質(zhì)上是一個(gè)約束眾多而復(fù)雜的組合優(yōu)化問(wèn)題，因而可以借鑒組合優(yōu)化問(wèn)題的求解方法解決無(wú)人機(jī)蜂群的任務(wù)規(guī)劃問(wèn)題。然而，無(wú)人機(jī)蜂群由許多各具特點(diǎn)、不同類(lèi)型和不同用途的無(wú)人機(jī)組成，而且受到戰(zhàn)場(chǎng)環(huán)境和敵方兵力部署的制約，這導(dǎo)致無(wú)人機(jī)蜂群任務(wù)規(guī)劃問(wèn)題的建模難度急劇增加；其次，無(wú)人機(jī)蜂群任務(wù)規(guī)劃屬于多參數(shù)、多約束的非確定多項(xiàng)式問(wèn)題，在多輸入條件下容易導(dǎo)致組合爆炸，問(wèn)題求解難度很大；另外，作戰(zhàn)任務(wù)通常相互關(guān)聯(lián)、彼此制約，即存在復(fù)雜的約束關(guān)系和不同的任務(wù)需求，如時(shí)間、空間、載荷匹配關(guān)系和任務(wù)優(yōu)先級(jí)要求等[60-62]。這些因素都給解決無(wú)人機(jī)蜂群任務(wù)規(guī)劃問(wèn)題造成了諸多的困難，故而，針對(duì)該問(wèn)題的研究重點(diǎn)應(yīng)集中在解決無(wú)人機(jī)蜂群任務(wù)規(guī)劃問(wèn)題建模、基于實(shí)時(shí)傳感器信息的任務(wù)規(guī)劃的時(shí)效性、任務(wù)規(guī)劃算法的速度、提升任務(wù)調(diào)度綜合性能等幾個(gè)方面。

3.6 航跡規(guī)劃

無(wú)人機(jī)的航跡規(guī)劃是指根據(jù)任務(wù)的需要，實(shí)時(shí)地設(shè)計(jì)出一條使無(wú)人機(jī)從起點(diǎn)到目標(biāo)點(diǎn)，符合無(wú)人機(jī)機(jī)動(dòng)性能約束，并且綜合代價(jià)最小的最優(yōu)飛行軌跡。無(wú)人機(jī)的航跡規(guī)劃是為圓滿完成任務(wù)而作的飛行規(guī)劃，任務(wù)規(guī)劃的實(shí)現(xiàn)均由航跡規(guī)劃來(lái)保證。合理的規(guī)劃使無(wú)人機(jī)能有效地規(guī)避威脅，提高生存概率及作戰(zhàn)效率[63-66]。但在實(shí)際作戰(zhàn)過(guò)程中，戰(zhàn)場(chǎng)環(huán)境瞬息萬(wàn)變，多變約束條件成為航跡規(guī)劃的研究的主要難點(diǎn)所在，解決航跡規(guī)劃問(wèn)題重點(diǎn)要保證航跡規(guī)劃算法對(duì)環(huán)境變化的響應(yīng)性和計(jì)算的實(shí)時(shí)性。

4 結(jié)束語(yǔ)

在未來(lái)戰(zhàn)爭(zhēng)中，大量不同類(lèi)型、不同性能的無(wú)人機(jī)組成的蜂群被投放到戰(zhàn)場(chǎng)執(zhí)行各種作戰(zhàn)任務(wù)定會(huì)成為一種必然趨勢(shì)。本文首先提出了無(wú)人機(jī)蜂群對(duì)海作戰(zhàn)的概念，并簡(jiǎn)要分析了其可行性和重要性；隨后總結(jié)了國(guó)內(nèi)外無(wú)人機(jī)蜂群的發(fā)展現(xiàn)狀；基于此，引出了實(shí)現(xiàn)無(wú)人機(jī)蜂群作戰(zhàn)的各項(xiàng)關(guān)鍵技術(shù)，并且針對(duì)每條技術(shù)論述了其重要性、難點(diǎn)和解決方案。

可以預(yù)見(jiàn)，隨著這些關(guān)鍵技術(shù)的發(fā)展和進(jìn)步，在未來(lái)對(duì)海作戰(zhàn)中，無(wú)人機(jī)蜂群將充分發(fā)揮其成本低、數(shù)量多、智能程度高的優(yōu)勢(shì)，作為攻擊海面大型、高價(jià)值目標(biāo)的有效的非對(duì)稱(chēng)手段發(fā)揮無(wú)可比擬的重要作用，這種完全不同于以往的全新作戰(zhàn)樣式必將徹底顛覆未來(lái)海上作戰(zhàn)樣式。但是，除了技術(shù)問(wèn)題，這一新的作戰(zhàn)概念正面臨著一些發(fā)展問(wèn)題有待解決。首先，無(wú)人機(jī)蜂群作戰(zhàn)的作戰(zhàn)概念以尚不明確，作戰(zhàn)概念是武器裝備發(fā)展的邏輯起點(diǎn)，作戰(zhàn)概念不明確，作戰(zhàn)任務(wù)就無(wú)法清晰地描述，蜂群系統(tǒng)以及無(wú)人機(jī)的能力需求也就難以定位，這就使得蜂群作戰(zhàn)的概念很難落地；其次，無(wú)人蜂群作戰(zhàn)要求無(wú)人機(jī)具有較高的自主程度和智能程度，這無(wú)疑將削弱人在回路中的作用，不少人擔(dān)心無(wú)人系統(tǒng)可能失控而成為人類(lèi)的威脅，這就使得蜂群作戰(zhàn)的理念難以被廣泛認(rèn)可；最后，群體智能涌現(xiàn)是無(wú)人機(jī)蜂群發(fā)揮效能的關(guān)鍵，傳統(tǒng)的研究方法主要依靠少數(shù)研究人員的努力推動(dòng)技術(shù)進(jìn)步，這與無(wú)人機(jī)蜂群的理念背道而馳，可能成為限制蜂群技術(shù)發(fā)展的最大障礙。

盡管發(fā)展無(wú)人機(jī)蜂群作戰(zhàn)存在諸多的難點(diǎn)，但是機(jī)遇與挑戰(zhàn)往往是并存的。我國(guó)應(yīng)當(dāng)加強(qiáng)對(duì)無(wú)人機(jī)蜂群作戰(zhàn)的研究，通過(guò)軍民融合等國(guó)家戰(zhàn)略推動(dòng)關(guān)鍵技術(shù)的進(jìn)步，實(shí)現(xiàn)“彎道超車(chē)”，以此為契機(jī)擺脫“跟隨式”的發(fā)展，占據(jù)以無(wú)人機(jī)蜂群為代表的無(wú)人系統(tǒng)領(lǐng)域的制高點(diǎn)。

[1] Loc Pham. UVA swarm attack: protection system alternatives for destroyers[D]. Naval Postgraduate School, 2012.

[2] 楊王詩(shī)劍. 引領(lǐng)海戰(zhàn)革命——淺析無(wú)人機(jī)“蜂群戰(zhàn)術(shù)”[J]. 兵器知識(shí), 2012(3): 60-63.

[3] M Ownby. Mixed Initiative Control of Automa-teams (MICA)-a progress report[C]. AIAA the 3rd "Unmanned Unlimited" Technical Conference, Chicago, USA, 2004: 1-6.

[4] Jean-Charles Ledé. Collaborative Operations in Denied Environment (CODE) Program Overview[C]. Briefing Prepared for SPIE Defense + Security Symposium Sensors and Command, Control, Communications and Intelligence (C3I) Technologies for Homeland Security, Defense, and Law Enforcement Applications XV Conference, USA, 2016.

[5] DARPA. Gremlins[R]. Tactical Technology Office, DARPA-BAA-15-59, 2015.

[6] Timothy H. Chung. Offensive Swarm-Enabled Tactics (OFFSET) [R]. DARPA, 2017.

[7] LOCUST: autonomous，swarming UAVs fly into the future [OL]． http: //www.onr.navy.mil/Media-Center/PressRelea-ses/2015/LOCUST-low-cost-UAV-swarm-ONR．a(chǎn)spx，2015-04-14.

[8] Schumacher C, Chandler P R, Rasmussen S J. Task Allocation for Wide Area Search Munitions via Iterative Network flow [C]. Proceedings of AIAA Guidance, Navigation, and Control Conference and Exhibit. Monterey, California, 2002.

[9] Jaime E. Navy Unmanned Combat Air System Carrier Demonstration (UCAS-D) Overview [R].USA, 2012.

[10] Ollero A, Lacroix S, Merino L, et al. Multiple Eyes in the Skies, Architecture and Perception Issues in the COMETS Unmanned Air Vehicles Project [J]. IEEE Robotics & Automation Magazine, 2005:46-57.

[11] Franklin M. Unmanned Combat Air Vehicles: Opportunities for the Guided Weapons Industry [R]. Occasional Paper, Royal United Services Institute for Defense and Security Studies, 2008.

[12] 葉媛媛,閔春平,沈林成,等.基于滿意決策的多UAV協(xié)同目標(biāo)分配方法[J].國(guó)防科技大學(xué)學(xué)報(bào),2005,27(4):116-120.

[13] 譚何順,曹雷,彭輝,等.一種多無(wú)人機(jī)層次化任務(wù)分配方法[J].解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,15(1):18-24.

[14] 關(guān)震宇,楊東曉,李杰,等.基于Dubins路徑的無(wú)人機(jī)避障規(guī)劃算法[J].北京理工大學(xué)學(xué)報(bào),2014,34(6):570-576.

[15] 劉偉,鄭征,蔡開(kāi)元.未知復(fù)雜環(huán)境中的無(wú)人機(jī)平滑飛行路徑規(guī)劃[J].控制理論與應(yīng)用,2012,29(11):1403-1413.

[16] 曲成剛,曹喜濱,張澤旭.人工勢(shì)場(chǎng)和虛擬領(lǐng)航者結(jié)合的多智能體編隊(duì)[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2014,46(5):1-5.

[17] 夏慶軍,張安,張耀中.大規(guī)模編隊(duì)空戰(zhàn)隊(duì)形優(yōu)化算法[J].控制理論與應(yīng)用，2010,27(10):1418-1423.

[18] TW McLain, RW Beard. Coordination variables, coordination functions, and cooperative timing missions[J]. AIAA Journal of Guidance Control & Dynamics, 2005,28(1):150-161.

[19] RW Beard, TW Mclain, DB Nelson, et al. Decentralized cooperative aerial surveillance using fixed-wing miniature UAVs[J]. Proceedings of the IEEE, 2006,94(7):1306-1324.

[20] Wei Y, Blakea M B, Madeya G R. An Operation-Time Simulation Framework for UAV Swarm Configuration and Mission Planning [J]. Procedia Computer Science, 2013, 18(10):1949-1958.

[21] 袁利平，陳宗基，周銳，等. 多無(wú)人機(jī)同時(shí)到達(dá)的分散化控制方法[J]. 航空學(xué)報(bào),2010(4):797-805.

[22] 彭輝,沈林成,朱華勇.基于分布式模型預(yù)測(cè)控制的多UAV協(xié)同區(qū)域搜索[J].航空學(xué)報(bào),2010,31(3):593-602.

[23] Hayes-Roth B. Agents on Stage: Advancing the State of the Art of AI[R]. Knowledge Systems Laboratory, KSL-95-50, 1995.

[24] W Ren, RW Beard, TW Mclain. Coordination variables and consensus building in multiple vehicle systems[J]. Lecture Notes in Control & Information Science, 2005,309:439-442.

[25] W Ren, RW Beard. Consensus of information under dynamically changing interaction topologies[C]//IEEE American Control Conference, Boston, USA, 2004:4939-4944.

[26] 韓健.基于多Agent的無(wú)人機(jī)協(xié)作控制[D].哈爾濱：哈爾濱工業(yè)大學(xué),2012.

[27] 王強(qiáng). UAV集群自主協(xié)同決策控制關(guān)鍵技術(shù)研究[D].西安：西北工業(yè)大學(xué),2015.

[28] 汪小帆, 李翔, 陳關(guān)榮. 復(fù)雜網(wǎng)絡(luò)理論及其應(yīng)用[M]. 北京：清華大學(xué)出版社, 2006.

[29] YY Liu, JJ Slotine, A L Barabási. Controllability of complex networks[J]. Nature, 2011, 473(7346): 167-173.

[30] J Ruths, D Ruths. Control profiles of complex networks[J]. Science, 2014, 343(6177): 1373-1376.

[31] S Shen, Y Mulgaonkar, N Michael, et al. Multi-sensor fusion for robust autonomous flight in indoor and outdoor environments with a rotorcraft MAV[C]//2014 IEEE International Conference on Robotics and Automation(ICRA), Hong Kong, China, 2014:4974-4981.

[32] G Abdi, F Samadzadegan, F, Kurz. Pose estimation of unmanned aerial vehicles based on a vision-aided multi-sensor fusion[J]. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2016, XLI-B6:193-199.

[33] 王林,王楠,朱華勇等.一種面向多無(wú)人機(jī)協(xié)同感知的分布式融合估計(jì)方法[J].控制與決策，2010,25(6):814-820.

[34] 歐陽(yáng)瑞斌. 無(wú)人機(jī)群通信技術(shù)研究[D].北京：北京理工大學(xué),2016.

[35] 劉昕. 軍用無(wú)人機(jī)自組網(wǎng)技術(shù)研究[D].南京：南京理工大學(xué),2014.

[36] 韓崇昭,朱洪艷,段戰(zhàn)勝,等.多源信息融合[M].北京：清華大學(xué)出版社,2006.

[37] 何友,王國(guó)宏,陸大金,等.多傳感器信息融合及應(yīng)用[M].北京：電子工業(yè)出版社,2000.

[38] 徐毅，金德琨，敬忠良.數(shù)據(jù)融合研究的回顧與展望[J].信息與控制,2002,31(3) :250-255.

[39] 孟章榮.軍事應(yīng)用中的多源信息融合技術(shù)[J].現(xiàn)代防御技術(shù),2001,29(2):27-30.

[40] Hall D L, Llinas J. Introduction to multisensory data fusion[C]. Proceedings of the IEEE, 1997, 85(1): 6-33.

[41] 吳榮春.軍事信息系統(tǒng)中信息融合關(guān)鍵技術(shù)研究[D].成都：電子科技大學(xué),2016.

[42] 梁曉龍, 孫強(qiáng), 尹忠海, 等. 大規(guī)模無(wú)人系統(tǒng)集群智能控制方法綜述[J]．計(jì)算機(jī)應(yīng)用方法研究, 2015(32): 11-16．

[43] 程代展,陳翰馥．從群集到社會(huì)行為控制[J]. 科學(xué)導(dǎo)報(bào), 2004(8): 4-7．

[44] 肖人彬．群集智能特性分析及其對(duì)復(fù)雜系統(tǒng)研究的意義[J]．復(fù)雜系統(tǒng)與復(fù)雜性科學(xué), 2006，3(3) : 10-19．

[45] KWONG H, JACOB C． Evolutionary exploration of dynamic swarm behavior[C]// Proc of IEEE Congress on Evolutionary Computation．2003: 367-374．

[46] TANNER H G, JADBABAIE A，PAPPAS G J． Stable flocking of mobile agents，part Ⅱ: dynamic topology[C]// Proc of the 42nd IEEE Conference on Decision and Control．2003: 2016-2021．

[47] S Kim, Y Kim, A Tsourdos. Optimized behavioural UAV formation flight controller design[C]//Proceedings of the European Control Conference, Budapest, Hungary, 2009:4973-4978.

[48] J Shin, S Kim, J Suk. Development of robust flocking control law for multiple UAVs using behavioral decentralized method[J]. Journal of the Korean Society for Aeronautical and Space Sciences, 2015,43(10):859-867.

[49] HX Qiu, HB Duan, YM Fan. Multiple unmanned aerial vehicle autonomous formation based on the behavior mechanism in pigeon flocks[J]. Control Theory & Applications, 2015, 32(10):1298-1304.

[50] COUZIN I D, KRAUSE J, FRANKS N R，et al． Effective leadership and decision-making in animal groups on the move [J]． Nature,2005,433( 7025) : 513-516．

[51] M Turpin, N Michael, V Kumar. Trajectory design and control for aggressive formation flight with quadrotors[J]. Autonomous Robots, 2012, 33(1/2): 143-156.

[52] M Saska, T Baca, J Thomas, et al. System for deployment of groups of unmanned micro aerial vehicles in GPS-denied environments using onboard visual relative localization[J]. Autonomous Robots, 2017, 41(4):919-944.

[53] T Nageli, C Conte, A Domahidi, et al. Environment independent formation flight for micro aerial vehicles[C]//IEEE International Conference on Intelligent Robots and Systems, Chicago, USA, 2014:1141-1146.

[54] AS Aghdam, MB Menhaj, F Barazandeh, et al. Cooperative load transport with movable load center of mass using multiple quadrotor UAVs[C]//2016 4th International Conference on Control, Instrumentation, and Automation, Qazvin, Iran, 2016:23-27.

[55] H Liu, XK Wang, HY Zhu. A novel back stepping method for the three-dimensional multi-UAVs formation control[C]//IEEE International Conference on Mechatronics and Automation, Beijing, China, 2015:923-928.

[56] 俞輝,王永驥．基于動(dòng)態(tài)拓?fù)溆蓄I(lǐng)航者的智能群體群集運(yùn)動(dòng)控制[J]．系統(tǒng)工程與電子技術(shù),2006, 28(11) : 1721-1724．

[57] GAZI V． Swarm aggregations using artificial potentials and sliding-mode control [J]． IEEE Trans on Robotics,2005,21( 6) : 1208-1214．

[58] X Liang, GL Meng, HT Luo, et al. Dynamic path planning based on improved boundary value problem for unmanned aerial vehicle[J]. Cluster Computing, 2016,19 (4):2087-2096.

[59] F Liao, R Teo, JL Wang, et al. Distributed formation and reconfiguration control of VTOL UAVs[J]. IEEE Transactions on Control Systems Technology, 2017, 25(1):270-277.

[60] 趙明,蘇小紅,馬培軍，等.復(fù)雜多約束 UAVs 協(xié)同目標(biāo)分配的一種統(tǒng)一建模方法[J].自動(dòng)化學(xué)報(bào),2012,38(12):2038-2048.

[61] Edison E, Shima T. Integrated task assignment and path optimization for cooperating uninhabited aerial vehicles using genetic algorithms [J]. Computers & Operations Research, 2011, 38(1):340-356.

[62] Eun Y, Bang H. Cooperative task assignment/path planning of multiple unmanned aerial vehicles using genetic algorithms [J]. Journal of Aircraft,2009,46(1):338-343.

[63] M Kothari, I Postlethwaite. A probabilistically robust path planning algorithm for UAVs using rapidly-exploring random trees[J]. Journal of Intelligent & Robotic Systems, 2013,71(2):231-253.

[64] H Shorakaei, M Vahdani, B Imani, et al. Optimal cooperative path planning of unmanned aerial vehicles by a parallel genetic algorithm[J]. Robotica, 2014,34(4):823-836.

[65] XY Zhang, HB Duan. An improved constrained differential evolution algorithm for unmanned aerial vehicle global route planning[J]. Applied Soft Computing, 2015, 26(C): 270-284.

[66] 李少斌,陳炎財(cái),楊忠,等. 具有通信延遲的多無(wú)人機(jī)編隊(duì)飛行控制[J]. 信息與控制, 2012(2):142-146.