一种异构无人机集群的联邦强化学习任务分配方法及系统

本发明涉及无人机集群技术领域，提出了一种异构无人机集群的联邦强化学习任务分配方法及系统，包括：实时采集无人机的稳定性能参数，基于预设权重因子对稳定性能参数进行归一化处理，得到无人机的资源能力指标；训练强化学习模型，根据资源能力指标计算权重，对模型参数进行加权融合生成全局模型；利用无人机传感器实时采集任务区域内的动态变化信息，采用多目标优化算法规划无人机的任务分配方案并执行，得到无人机的任务执行状态；根据任务执行状态及环境数据，计算任务分配方案的效能值，当效能值低于预设阈值时，动态优化任务分配策略，得到优化任务分配策略。本发明提高了异构无人机集群在复杂动态环境下的任务执行效率和资源利用率。