多固定翼无人机(Unmanned Aerial Vehicle， UAV)的任务分配和路径规划问题，将固定翼UAV简单的视为质点，未考虑自身航向角、初始和终止速度向量等问题。虽然能优化路径并避免障碍物，但其路径规划能力仍有待提高。针对多固定翼UAV任务规划问题，将改进的蚁群算法（Ant Colony Optimization， ACO）和自组织映射(Self-Organizing Map， SOM)算法相结合，提出ACO-SOM算法应用于多无人机系统。通过SOM进行任务分配，引入蚁群状态转移概率方法，调整SOM获胜神经元的权值，使得固定翼UAV按照最优Dubins路线依次到达各个目标点。根据巡航能力和运动学约束合理分配任务，构造多目标优化函数，实现多固定翼UAV的协同执行任务能力。分别在障碍物、不同起落点场景下对ACO-SOM算法进行仿真验证，实验结果表明，该方法能使多固定翼UAV合理任务分配并规划出最优路径，具有较高的避障和规划能力。

1多无人机任务规划模型
1.1多无人机任务规划问题描述
1.2多无人机任务规划问题建模
2基于ACO-SOM的多无人机任务分配和路径规划
2.1蚁群算法
2.2改进的蚁群算法
2.3SOM神经网络
2.4改进的SOM算法的权值更新
3.实验结果与分析
3.1障碍物环境下的仿真实验结果
3.2 SOM算法优化前后的性能对比
3.3 不同起落点下的仿真结果
4 结束语

郭家赫,高岳林,柳迎春.多固定翼无人机的任务分配和路径规划算法[J/OL].太原理工大学学报:1-10[2023-09-18].http://kns.cnki.net/kcms/detail/14.1220.N.20230915.1128.002.html