摘要：在空空导弹拦截大规模集群的场景中,由于集中式算法求解大规模任务分配问题的性能面临通信能力和实时性的限制,研究使用分布式算法求解任务分配问题具有重要的现实意义。以偏好联盟博弈模型为基础,设计了分布式导弹集群任务分配模型,并使用博弈学习算法中的空间自适应博弈(spatial adaptive play,SAP)算法求解最优分配方案。与集中式算法的仿真对比实验表明,本文设计的基于偏好联盟博弈的分布式任务分配模型可以在分布式框架下求解带约束的任务分配问题,并具有较好的优化性能和收敛效率。

摘要：针对分布式卫星集群博弈任务中的分配不均衡问题,提出了一种基于偏好联盟博弈(hedonic coalition game, HCG)的任务分配方法。首先,在考虑燃料和时间最优的卫星集群任务分配模型的基础上,引入对敌毁伤概率以适应集群博弈背景;其次,为保证分配结果的均衡性,引入HCG设计个体联盟特征函数;最后,考虑卫量集群的一对多作战分配方式难以保证局部兵力优势,在一致性拍卖算法(consensus based auction algorithm, CBAA)结构上拓展性地提出了一种多对一任务分配算法。仿真结果表明,该算法在全局效益接近经典集中式算法全局效益98%的前提下,时间约为经典算法的70%,且该算法具有一定的问题规模拓展性。