当前位置：首页 > news >正文

2025年SEVC SCI2区，基于深度强化学习与模拟退火的多无人机侦察任务规划，深度解析+性能实测

news 2025/8/10 8:07:13

1.摘要

无人机（UAV）因其高自主性和灵活性，广泛应用于侦察任务，多无人机任务规划在交通监控和数据采集等任务中至关重要，但现有方法在计算需求上较高，导致常常无法得到最优解。为解决这一问题，本文提出了一种分治框架将任务分为两个阶段：目标分配和无人机路径规划，从而有效降低了计算复杂度。本文提出混合方法SA-NNO-DRL结合了基于最近邻最优的深度强化学习（NNO-DRL）和模拟退火（SA）算法。在路径规划阶段，NNO-DRL为每个无人机构建路径；在目标分配阶段，SA重新分配未覆盖的目标。两个阶段交替进行，直到满足终止条件。

2.问题定义

MURMPP的目标是为无人机群体规划路径，最大化其在监控目标时的总利润。每个无人机从同一中心出发并返回，成功监控指的是访问或经过目标。目标的利润预先定义，且仅在成功监控后收取。由于电池限制，部分目标可能无法覆盖。MURMPP是一个复杂的组合优化问题，随着目标数量增加，其难度呈指数级增长，该问题可通过混合整数线性规划（MILP）形式化，其中涉及多个无人机、目标、利润、路径分配和飞行范围的约束。

3.SA-NNO-DRL方法

为解决MURMPP，论文提出了一种迭代的两阶段框架——SA-NNO-DRL，在该框架中目标分配和无人机路径规划交替进行并相互作用。

单无人机NNO-DRL路径规划方法

路径规划可视为一个顺序决策问题，通过马尔可夫决策过程来实现。无人机智能体根据环境状态(如目标信息和剩余飞行范围)决定下一步行动 (即选择访问的目标节点),并获得相应的奖励。NNO-DRL的目标是学习一个策略 $pθp_\theta$ ，构建路径 $τ\tau$ ，最大化总利润，同时遵循约束条件。生成路径的概率通过链式法则表示：
$pθ(τ∣s)=∏t=1Tpθ(τt∣s,τ1:t−1)p_\theta\left(\tau|s\right)=\prod_{t=1}^Tp_\theta\left(\tau_t|s,\tau_{1:t-1}\right)$

The whole NNO-DRL structure consists of an attention encoder, a projection MLP, and a multi-start decoder

NNO-DRL由改进注意力模型和投影MLP组成，用于解决路径规划问题。其创新之处在于结合投影MLP和对比学习（CL）进行复杂问题表示，并通过 $k$ 最近邻策略的多启动解码器提高解空间探索效率。通过最大化原始实例和增强版本节点嵌入的余弦相似度，增强了表示的鲁棒性。多启动解码器采用 $k$ 最近邻策略，生成多个轨迹，以避免因电池限制产生次优解。

目标分配SA方法

给定位于区域中心的无人机中心，论文根据目标节点与水平轴之间的角度，将区域内的所有目标均匀地分成 $m$ 组，角度定义为：
$anglei=arctanlocyi−locy0locxi−locy0angle_i=arctan\frac{loc_y^i-loc_y^0}{loc_x^i-loc_y^0}$

The target allocation scheme in which the targets of the same color are
allocated to the same UAV

4.结果展示

论文仿真

5.参考文献

[1] Fan M, Liu H, Wu G, et al. Multi-UAV reconnaissance mission planning via deep reinforcement learning with simulated annealing[J]. Swarm and Evolutionary Computation, 2025, 93: 101858.