面向带时间窗多无人机任务的约束感知分层分配与路由：确定性仿真研究

《Drones》：Constraint-Aware Hierarchical Assignment and Routing for Multi-UAV Missions with Time Windows: A Deterministic Simulation Study

　　

摘要

联合无人机 - 目标分配与路径构建必须考虑服务窗口、载重限制、飞行范围以及返回仓库所需的距离。我们在静态模拟器中研究了这一问题，并评估了约束感知层次化分配与路由（C-HAR），这是一种确定性构造启发式算法。在每个决策步骤中，C-HAR 会移除未通过当前可行性检查的无人机 - 目标对，并使用目标价值、增量行程、时间窗松弛度和预测路径不平衡度对剩余对进行排名。评估使用了 40 个共享合成实例、独立路线回放、用于审计事件率的威尔逊区间以及配对随机化测试。C-HAR 获得了 0.941±0.014 的可行完成价值，在 542 个服务目标中没有审计到的时间窗或资源违规情况。其与同等筛选的可行贪婪（Feasible-Greedy）比较器的可行价值差异在统计上不显著。模拟器使用完全观测、无噪声的状态；在此，“确定性”描述的是固定生成实例的决策规则和状态更新，而不是物理无人机系统的不确定性。未评估任何训练的神经策略或飞行实验。