[2026.6新】ZLibrary官网镜像 一键直达入口

通过构建多航天器协同任务场景，展示了其在分布式决策框架下高效完成任务分配的能力，验证了CBBA在确保任务分配一致性、避免资源冲突、适应动态环境变化以及优化整体任务效能方面的优越性能，; 阅读建议：建议读者结合提供的Matlab代码， ，从事航天任务规划、智能优化算法研究或相关工程实践的研究生、科研人员及航空航天领域工程师，通过修改场景参数进行仿真实验，重点剖析任务建模逻辑、收益函数设计、共识迭代过程及收敛性分析模块，采用Matlab代码实现了CBBA算法的全过程仿真，。

重点聚焦于远程太空船交会与维修任务中的相对运动规划（RPO）问题，为复杂空间任务中的自主协同提供了可靠的技术路径。

; 使用场景及目标：①为多航天器在轨服务（如交会对接、空间维修）提供高效、鲁棒的分布式任务分配解决方案；②深入理解CBBA算法的核心机制及其在高动态、强约束空间任务中的适应性与优化潜力；③推动分布式人工智能算法在航天工程实际系统中的集成与应用验证， CBBA）在多智能体多任务分配中的应用。

; 适合人群：具备控制理论、航天动力学、分布式优化或多智能体系统等相关背景。

研究深入探讨了任务收益建模、路径规划约束、通信延迟与动态重规划等关键环节。

内容概要：本文系统研究了基于共识的捆绑算法（Consensus-Based Bundle Algorithm，以深化对多智能体协同决策机制与算法性能边界条件的理解。