---

1.摘要

無人機（UAV）因其高自主性和靈活性，廣泛應用于偵察任務，多無人機任務規劃在交通監控和數據采集等任務中至關重要，但現有方法在計算需求上較高，導致常常無法得到最優解。為解決這一問題，本文提出了一種分治框架將任務分為兩個階段：目標分配和無人機路徑規劃，從而有效降低了計算復雜度。本文提出混合方法SA-NNO-DRL結合了基于最近鄰最優的深度強化學習（NNO-DRL）和模擬退火（SA）算法。在路徑規劃階段，NNO-DRL為每個無人機構建路徑；在目標分配階段，SA重新分配未覆蓋的目標。兩個階段交替進行，直到滿足終止條件。

2.問題定義

MURMPP的目標是為無人機群體規劃路徑，最大化其在監控目標時的總利潤。每個無人機從同一中心出發并返回，成功監控指的是訪問或經過目標。目標的利潤預先定義，且僅在成功監控后收取。由于電池限制，部分目標可能無法覆蓋。MURMPP是一個復雜的組合優化問題，隨著目標數量增加，其難度呈指數級增長，該問題可通過混合整數線性規劃（MILP）形式化，其中涉及多個無人機、目標、利潤、路徑分配和飛行范圍的約束。

3.SA-NNO-DRL方法

為解決MURMPP，論文提出了一種迭代的兩階段框架——SA-NNO-DRL，在該框架中目標分配和無人機路徑規劃交替進行并相互作用。

單無人機NNO-DRL路徑規劃方法

路徑規劃可視為一個順序決策問題，通過馬爾可夫決策過程來實現。無人機智能體根據環境狀態(如目標信息和剩余飛行范圍)決定下一步行動 (即選擇訪問的目標節點),并獲得相應的獎勵。NNO-DRL的目標是學習一個策略$p_{\theta }$，構建路徑$\tau$，最大化總利潤，同時遵循約束條件。生成路徑的概率通過鏈式法則表示：
$$p_{\theta }\left(\tau |s\right)=\prod _{t=1}^T{p}_{\theta }\left({\tau }_t|s,{\tau }_{1:t?1}\right)$$

NNO-DRL由改進注意力模型和投影MLP組成，用于解決路徑規劃問題。其創新之處在于結合投影MLP和對比學習（CL）進行復雜問題表示，并通過$k$最近鄰策略的多啟動解碼器提高解空間探索效率。通過最大化原始實例和增強版本節點嵌入的余弦相似度，增強了表示的魯棒性。多啟動解碼器采用$k$最近鄰策略，生成多個軌跡，以避免因電池限制產生次優解。

目標分配SA方法

給定位于區域中心的無人機中心，論文根據目標節點與水平軸之間的角度，將區域內的所有目標均勻地分成$m$組，角度定義為：
$$angl{e}_i=arctan\frac{lo{c}_y^i?lo{c}_y^0}{lo{c}_x^i?lo{c}_y^0}$$

4.結果展示

5.參考文獻

[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.

6.算法輔導·應用定制·讀者交流

xx