文摘目前,多无人机(Unmanned Aerial Vehicle,UAV)在大规模任务场景下的任务分配问题仍是一个挑战性问题。传统启发式算法可在较低计算复杂度下得到满意的解,但收敛速度慢且难以收敛到全局最优解。为此提出一种基于UAV链、任务链和双阶段修复策略的遗传算法(Genetic Algorithm Based on UAV-chain,Task-chain,and Two-Stage Repair strategy,UTTSRGA)。在编码结构中设计UAV链和任务链来量化任务执行代价,增强了编码中的信息承载能力并显著提升搜索效率。针对交叉操作后出现任务缺失与任务重复问题,设计双阶段修复策略。第一阶段设计随机填充机制,增强对解空间的全局搜索能力;第二阶段设计邻接映射表修复机制,根据任务间的邻接关系提供进化方向,有效引导种群向当前最优解快速收敛。提出动态复合变异策略,融合自适应变异率与基于任务链值的变异点选择,并设计4种功能互补的变异算子,多维度协同优化解的质量。针对大规模场景下的路径交叉问题,引入路径优化策略,从实践角度进一步优化任务分配方案。实验结果表明,UTTSRGA在不同任务规模下,尤其是大规模复杂任务场景中,在解的质量、收敛速度和鲁棒性3个方面均表现出显著优势。
