摘要
本文研究了在通信拒止环境下，利用地面固定通信基站引导无人机（UAV）集群返航的任务规划问题。核心挑战是在时间窗口、基站独占性和中继连续性等约束下，将有限资源与大规模无人机需求进行最优匹配，我们将其表述为一个NP难组合优化问题。首先，我们构建了一个最大化综合效益的静态模型，该模型纳入了基站异质性和用于负载均衡的超线性拥塞惩罚。随后，我们将其扩展为滚动时域动态框架。通过任务状态分区和冻结资源继承，该扩展将长期优化分解为一系列有限时域子问题，使系统在无人机信息逐步显现时能够进行在线决策。为解决这些模型，我们提出了CMSA-MSWOA算法，该算法融合了精英对立学习法与Lévy飞行以在碎片化的可行解空间中导航。仿真结果表明，在静态场景中，从100到500架无人机的规模范围内均实现了100%的引导覆盖率，且相对于最佳基准算法的效益优势随着规模扩大从10.0%增长至65.5%。在动态场景中，滚动框架满足所有约束条件并实现了全覆盖。尽管我们的框架在仿真中表现稳健，但当前评估假设了理想化的通信条件；在更复杂干扰条件下的验证及外部测试仍属未来工作。总体而言，我们的模型与算法为拒止环境下的资源调度提供了一个有用的基于仿真的闭环框架，为在更真实的野外条件下进行进一步验证奠定了基础。
