CN107562074A - 一种面向mauvs围捕的任务分配方法 - Google Patents

Abstract

本发明的目的在于提供一种面向MAUVS围捕的任务分配方法；针对MAUVS在围捕过程中目标AUV智能逃跑性能提高的问题，若仍然采用传统的围捕策略，即仅仅研究围捕过程中动作控制问题，会导致目标AUV逃逸的几率增大，本发明突破传统的围捕策略，提出了一种面向MAUVS围捕的任务分配方法，有效地提高了模型的精度，进而提高了围捕准确率。

Description

一种面向MAUVS围捕的任务分配方法

技术领域

本发明涉及机器人围捕策略技术领域，具体为一种面向MAUVS围捕的任务分配方法。

背景技术

由于MAUVS(Multiple Autonomous Underwater Vehicles System)具有空间上的分布性、功能上的多样性、执行任务时的并行性、较强的容错能力和更低的经济成本等AUV无法比拟的优越性,使得MAUVS系统近年来成为人们广泛关注的热点。MAUVS系统研究的主要问题包括群体结构、任务分配、通信方式、协作学习等。为了使得研究更具有在实际场景中的意义,研究者们集中对一些MAUVS任务进行研究,包括编队协作、搜索、围捕等。其中,MAUVS协作围捕是一个非常典型的问题,它涉及到MAUVS领域中的多个方面,包括MAUVS体系结构、通信方式、协作控制、任务分配等技术,拓展后在军事以及工业领域有着较为广泛的的应用。

现有文献研究中一般研究围捕动作控制居多，并未详细的设计MAUVS在围捕过程中任务分配情况，随着反围捕机制的发展，若想快速地成功围捕，好的任务分配方式是大前提，专利公开号CN105843227A提出了一种基于任务密集度动态调整的多机器人协作围捕任务分配方法，在围捕任务分配方面的研究中比较成功，但是利用拍卖算法在围捕过程中进行任务分配，分配策略即时性较差，因此亟须提出一种更优的、动态性更好的围捕策略研究。

发明内容

随着近年机器人智能性的发展，反围捕机制也得到了长足的发展，即被围捕的目标AUV具有智能逃跑性。本发明针对这个问题提出了一种面向MAUVS围捕的任务分配方法，该方法建立了新的任务分配策略，并且提出了一种多层星型伏击阵型，对传统的星型伏击阵型做出了改善，提高了模型的精度，进而提高了围捕的准确性。

本发明的目的在于提供一种面向MAUVS围捕的任务分配方法。其特征在于，包含以下步骤：

步骤一 围捕MAUVS由n个异构AUV组成，即n个MAUVS中单独的个体所带的能量大小均不同，能量大小直接影响速度大小，根据围捕MAUVS所带能量的多少对其由多到少进行排列，即得到围捕MAUVS的排列顺序{A₁,A₂,A₃,...,A_n}，并通过MAUVS围捕的动态协调任务分配决策方式进行任务分配；

步骤二 动态分配分配伏击MAUVS；：根据围捕过程中实际情况的需要，在n个围捕AUV中选择后m个所带能量较少的AUV组成伏击MAUVS的备选组{A₁,A₂,A₃,...,A_m}；

步骤三 被选中的伏击MAUVS备选组中的AUV在各自当前的位置用声呐探测其附近是否存在距离最近的障碍物如果备选组中的所有伏击AUV在自身声呐探测长度范围内均发现障碍物，则伏击MAUVS备选组均移动到最近的障碍物处进行躲避；如果没有全部发现障碍物，则伏击备选组中发现障碍物的AUV进行躲避，没有发现障碍物的在附近进行小范围的障碍物搜索，搜索成功后则进行躲避；

步骤四 如果搜索不到则将此AUV从伏击备选组内删除，在非伏击MAUVS中选取现存能量最小的AUV重复步骤三，如果满足上述躲避条件，则加入伏击MAUVS备选组，如果不满足则继续顺延下一个能量最小的AUV，顺延两次如果仍然不满足躲避条件，则不再顺延，伏击MAUVS的备选组减少相应的数量即可；被剔除的AUV加入搜索队列作为搜索者在目标区域进行对目标AUV的漫游搜索；

步骤五 按照一种多层星型伏击阵型对AUV进行移动，如果伏击MAUVS不满足分层星型排列，则伏击MAUVS中的每个伏击AUV均向内层进行障碍物探测，观察是否存在可向内层躲避的障碍物；如果有伏击AUV发现内层障碍物则执行步骤六，如果没有伏击AUV发现内层障碍物则执行步骤七；

步骤六 如果有伏击AUV发现内层障碍物，把发现内层障碍物的伏击AUV根据能量大小进行排序，并挑选携带能量较强的AUV进行内层移动；

步骤七 如果没有伏击AUV发现内层障碍物，则同时派出能量较弱的非伏击AUV和相应数量能量较强的伏击MAUVS对内层障碍物进行搜索；

步骤八 如果非伏击AUV率先到达内层障碍物时则对正在进行内层搜索障碍物能量较强的伏击AUV进行角色的替换，如果伏击MAUVS分层未成功则执行步骤五；如果分层成功则执行步骤九进行搜索任务动态分配；

步骤九 除了伏击MAUVS外，其余剩下的AUV组队成为搜索MAUVS队伍并且对目标AUV进行动态搜索，伏击MAUVS虽然躲避在障碍物后，但是在无障碍物遮挡面可发出声呐，对目标AUV进行静态搜索；如果没有发现目标AUV，则重复步骤九；若是搜索AUV发现目标AUV，则执行步骤十；若是伏击AUV发现目标，则执行步骤十一；

步骤十 若是搜索AUV发现目标AUV，则立即把目标AUV的大致运动的方向和速度通信给其他AUV，并且发现者与距离较近的搜索AUV构成临时的追捕队列，为了增加整体MAUVS的围捕效率，发现者对目标AUV并不是进行盲目的追捕，而是试图将目标AUV赶入带有伏击AUV的包围圈中；

步骤十一 若是伏击AUV发现目标，则不管此伏击AUV所带的能量如何都要放弃隐藏，并且把目标AUV的大致运动的方向和速度通信给其他AUV，此伏击AUV与距离较近的搜索AUV构成临时的追捕队列，对目标AUV进行追捕，并且试图将目标AUV赶入带有伏击AUV的包围圈中；

步骤十二 当目标AUV无论到哪两个相邻围捕AUV连线的中心距离都不小于这两个围捕AUV中任何一个到中心的距离时，即可视为围捕完成；另外，加入追捕AUV将目标AUV逼破至障碍物的死角处，使之无路可走，这也算是成功完成围捕任务。

所述的步骤十与步骤十一，对非伏击队伍进行更加详细的划分，即实现动态分配拦截任务和实现动态分配追捕任务，其步骤如下：

步骤一 以目标AUV的运动方向为基准，与目标AUV运行方向同向的且在其后运行的非伏击MAUVS即刻组成追捕MAUVS；

步骤二 因为目标AUV速度和运动方向根据围捕的危险性做出即时调整，所以追捕MAUVS的组队有时也要做出相应的调整，那么根据步骤一即可完成追捕AUV的动态即时组队过程；当追捕MAUVS以及伏击MAUVS都组队成功后，其余的参与围捕的MAUVS即为拦截MAUVS队伍。

本发明所达到的有益效果是：针对MAUVS在围捕过程中目标AUV智能逃跑性能提高的问题，若仍然采用传统的围捕策略，即仅仅研究围捕过程中动作控制问题，会导致目标AUV逃逸的几率增大，本发明突破传统的围捕策略，提出了一种面向MAUVS围捕的任务分配方法，有效地提高了模型的精度，进而提高了围捕准确率。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

图1是目标AUV逃逸方向示意图；

图2是目标AUV突围方向示意图；

图3是伏击MAUVS选取的流程图；

图4是传统星型伏击阵型；

图5是多层星型伏击阵型；

图6是追捕MAUVS驱赶目标AUV的示意图；

图7是多层星型伏击包围圈示意图；

图8是拦截MAUVS阻截目标AUV示意图；

图9是最终围捕目标AUV示意图；

图10是一种面向MAUVS围捕的任务分配方法流程图。

具体实施方式

随着近年来机器人智能性的发展，反围捕机制也得到了长足的发展，即被围捕的目标AUV具有智能逃跑性。本发明针对于这个问题提出了一种面向MAUVS围捕的任务分配方法，针对于围捕建立了新的任务分配策略，并且提出了一种多层星型伏击阵型，对传统的星型伏击阵型做出了改善，提高了模型的精度，进而提高了围捕的准确性。下面结合附图对本发明方法进行进一步的解释和说明。

步骤1：任务描述

在二维仿真环境中，目标AUV和目的地之间随机产生若干异构围捕AUV，成功围捕目标需要的追捕AUV数目由他们之间的距离和围捕半径确定。围捕的隐形目标是：围捕MAUVS形成一个以目标AUV为中心的正n边形，对被围捕的AUV进行包围，使之无法到达目标点而被迫停止运动。在对围捕MAUVS建模时要做如下的假设及说明：

(1)忽略围捕MAUVS和目标AUV的质量和外形信息，将其视为质点，并且速度不变。

(2)忽略移动AUV调整运动角度的时间。

(3)每个策略的优势是建立在了解对方的行动规律的基础上的，测试围捕方法的优势时必须假设对方的逃逸行为具有智能性。

(4)目标AUV的能量是充足的，围捕MAUVS是异构的，即所带的能量不一定全都相同。

(5)建立二维坐标系，以围捕区域任意障碍物的质心为坐标系中心(这里障碍物根据实际情况可随机选取)，以正北反向为y正轴指向方法，以正东为x正轴指向方向。

伏击MAUVS:伏击AUV隐藏在障碍物后面，并且MAUVS成星型排列，针对的是速度能量较少的AUV，在障碍物没有遮挡的部分，伏击AUV可对目标AUV进行监测。

发现目标条件：当目标AUV进入追捕者的探测范围内时，即认为目标被发现。

靠近目标：当发现目标AUV后，通知全体追捕MAUVS对目标AUV进行追捕，当目标AUV发现被跟踪时则采取智能性逃跑机制，这时追捕AUV将目标AUV赶入到伏击AUV的伏击包围圈中。

拦截AUV：追捕AUV将目标AUV逃逸的速度及方向告知拦截群体，拦截机器人预测t时刻后的目标机器人的位置，对其进行对角阻截。

围捕完成条件：目标被围捕时，目标AUV无论到哪两个相邻围捕AUV连线的中心距离都不小于这两个围捕AUV中任何一个到中心的距离。其表达式为：

式中，d_i为第i个围捕AUV与目标之间的距离，d表示包围半径的大小，n为围捕AUV的个数，θ_i是包围编队内第i个AUV及其相邻的围捕AUV与目标AUV所构成的夹角，其中

i＝1,2,3...n。

另外，加入追捕AUV将目标AUV逼破至障碍物的死角处，使之无路可走，这也算是成功完成围捕任务。

为使本发明具有更好的实用性，则视目标AUV逃逸方式具有智能反围捕性，即目标AUV根据发现“敌情”的情况不同，采取想用的逃逸策略，第一种是逃逸围捕群体的行为，第二种是突围包围圈的行为。

当追捕者群体没有对目标机器人形成包围时，目标机器人采用“综合考虑”的逃逸策略，即利用感知范围内所有追捕机器人的运动状态矢量叠加的反方向，作为自己的逃逸方向，速度计算如下式：

图1为目标AUV逃逸方向示意图，d_PR是目标AUV到两个追捕AUV中点的距离，设计目标AUV的警觉距离为d_PS，当d_PR＜d_PS，目标AUV将以最大速度逃逸。目标AUV逃逸的策略为：追捕AUV速度的矢量合成方向，并沿着这个方向进行最大速度逃逸，图1所示目标AUV速度v_p的方向即是根据两个追捕AUV的速度v₁，v₂的方向合成的。

图2为目标AUV突围方向示意图，在追捕者群体将目标机器人包围，但围捕任务尚未完成时，目标机器人采用“最大夹角”的突围策略，即选择两个相邻追捕机器人以目标AUV为顶点形成的夹角最大者，面向两个追捕机器人位置连线的中点进行突围，如图2所示与目标AUV为顶点形成夹角最大的是A₁和A₂，其连线中点为(x₁₂,y₁₂)。

目标机器人突围逃逸的方向为：

式(x₁₂,y₁₂)中，为与目标AUV为顶点形成夹角最大的两个追捕者的中点，为(x_p,y_p)目标AUV的当前坐标，逃逸的速度为目标AUV的最大速度。当d_PS＜d_PR时，突围成功，否则将被围捕。

由此可见，针对不同的情况，目标AUV可以选择适当的逃逸策略避开追捕，如果想快速的对目标AUV进行围捕，相应的任务分配策略是前提，那么，对围捕MAUVS设计出良好的任务分配策略至关重要。

步骤2：围捕MAUVS由n个异构AUV组成，即n个MAUVS中单独的个体所带的能量大小均不同，能量大小直接影响速度大小，根据围捕MAUVS所带能量的多少对其由多到少进行排列，即得到围捕MAUVS的排列顺序{A₁,A₂,A₃,...,A_n}，面向MAUVS围捕的动态协调任务分配决策方式，其步骤包括以下几个过程：

步骤21：动态分配伏击任务，伏击MAUVS队列需要满足以下三个条件：

(1)所带能量较少，不适合长期运动的AUV；

(2)离障碍物较近的AUV；

(3)伏击MAUVS队列整体呈星多层型排列。

由于目标AUV的速度以及运动的方向开始是未知的，围捕MAUVS的速度不一定全大于目标AUV的速度，也要考虑最差的情况即MAUVS的速度均小于目标AUV的速度，这种情况下围捕MAUVS选择伏击是一个较优的策略，这种方法在自然界中有着大量的实事依据，例如狐狸的捕食。

采用伏击可以保证有较高的成功率，如果在围捕机器人的速度比被围捕者的速度小的时候采用常规策略，成功的几率几乎为零。只有利用多机器人系统整体的协作，才可能实现围捕，另外伏击策略可以减少围捕的能量和时间的消耗。

图3为伏击MAUVS选取的流程图，伏击MAUVS队列的组成过程包括的具体步骤如下：

步骤211：根据围捕过程中实际情况的需要，在n个围捕AUV中选择后m个所带能量较少的AUV组成伏击MAUVS的备选组{A₁,A₂,A₃,...,A_m}；

步骤212：被选中的伏击MAUVS备选组中的AUV在各自当前的位置用声呐探测其附近是否存在距离最近的障碍物，其步骤包括以下两个步骤：

步骤2121：如果备选组中的所有伏击AUV在自身声呐探测长度范围内均发现障碍物，则伏击MAUVS备选组均移动到最近的障碍物处进行躲避；如果没有全部发现障碍物，则伏击备选组中发现障碍物的AUV进行躲避，没有发现障碍物的在附近进行小范围的障碍物搜索(搜索范围为自身声呐探测的两倍距离)，搜索成功后则进行躲避；

步骤2122：如果搜索不到则将此AUV从伏击备选组内删除，在非伏击MAUVS中选取现存能量最小的AUV重复上面的过程，如果满足上述躲避条件，则加入伏击MAUVS备选组，如果不满足则继续顺延下一个能量最小的AUV，顺延两次如果仍然不满足躲避条件，则不再顺延，伏击MAUVS的备选组减少相应的数量即可。被剔除的AUV加入搜索队列作为搜索者在目标区域进行对目标AUV的漫游搜索。

步骤213：如图4所示为传统的五个AUV所组成的星型伏击阵型：

因为存在目标AUV的围捕区域很大，所以伏击MAUVS不能仅仅构成图4的单层星型伏击阵型，由此本发明提出一种多层星型伏击阵型如图5所示，这里的分层基础是按照各自AUV声呐能探索的长度进行的，即第i层和第i-1层没有重叠的探测区域。这种多层星型伏击阵型能够更好的对目标AUV进行隐藏监视，并且改善了传统星型伏击阵型的局限性，从而提高了伏击队列的工作。

在步骤212的基础上，观察伏击MAUVS备选组中的躲避位置，考察伏击MAUVS队列整体是否呈多层星型排列，根据多层星型伏击阵型所要求的条件，则作出如下的讨论：

如果伏击MAUVS不满足分层星型排列，考虑最差的情况，即所有的伏击MAUVS均在一层，则伏击MAUVS中的每个伏击AUV均向内层进行障碍物探测，观察是否存在可向内层躲避的障碍物；

2、如果有伏击AUV发现内层障碍物，把发现内层障碍物的伏击AUV根据能量大小进行排序，并挑选携带能量较强的AUV进行内层移动；

3、如果没有伏击AUV发现内层障碍物，则同时派出能量较弱的非伏击AUV和相应数量能量较强的伏击MAUVS对内层障碍物进行搜索；

4、如果非伏击AUV率先到达内层障碍物时则对正在进行内层搜索障碍物能量较强的伏击AUV进行角色的替换，

重复以上四个步骤，直至伏击MAUVS分层成功。

步骤22：在步骤21的基础上，进行动态分配搜索任务，其步骤如下：

步骤221：除了伏击MAUVS外，其余剩下的AUV组队成为搜索MAUVS队伍并且对目标AUV进行动态搜索，伏击MAUVS虽然躲避在障碍物后，但是在无障碍物遮挡面可发出声呐，对目标AUV进行静态搜索。如果没有发现目标AUV，则按照上述方式继续进行搜索；如果发现目标AUV，则分为如下两种情况：

步骤2211：若是搜索AUV发现目标AUV，则立即把目标AUV的大致运动的方向和速度通信给其他AUV，并且发现者与距离较近的搜索AUV构成临时的追捕队列，根据步骤1已经对目标AUV的反围捕策略进行讨论，为了增加整体MAUVS的围捕效率，发现者对目标AUV并不是进行盲目的追捕，而是试图将目标AUV赶入带有伏击AUV的包围圈中。

步骤2212：若是伏击AUV发现目标，则不管此伏击AUV所带的能量如何都要放弃隐藏，并且把目标AUV的大致运动的方向和速度通信给其他AUV，此伏击AUV与距离较近的搜索AUV构成临时的追捕队列，对目标AUV进行追捕，并且试图将目标AUV赶入带有伏击AUV的包围圈中。

如图6所示为追捕MAUVS驱赶目标AUV的示意图，本处方便起见举出有三个追捕AUV的例子，实际操作中追捕数量没有限制，如图6(1)所示追捕机器人A₁，A₂，A₃分别以速度v₁，v₂，v₃进行目标追捕，根据步骤1所述的目标AUV的智能逃跑策略，将速度v₁，v₂，v₃矢量合成，得到目标AUV的逃跑速度v_p所示的方向。在追捕过程中要根据伏击AUV包围圈的所在位置适当的进行方向调整，即如图6(2)所示v₂，v₃大小及方向均不变，仅调整v₁的方向，根据步骤1所述的目标AUV智能逃跑策略，当v₁发生改变时，v_p也随之改变，此时目标AUV做出转弯运动，慢慢地就能够把目标驱赶到伏击MAUVS的包围圈中。

步骤23：在步骤2211和步骤2212的基础上，把非伏击队伍进行更加详细的划分，即实现动态分配拦截任务和实现动态分配追捕任务，其步骤如下：

步骤231：以目标AUV的运动方向为基准，与目标AUV运行方向同向的且在其后运行的非伏击MAUVS即刻组成追捕MAUVS。

步骤232：因为目标AUV速度和运动方向根据围捕的危险性做出即时调整，所以追捕MAUVS的组队有时也要做出相应的调整，那么根据步骤231即可完成追捕AUV的动态即时组队过程。当追捕MAUVS以及伏击MAUVS都组队成功后，其余的参与围捕的MAUVS即为拦截MAUVS队伍。

步骤3：步骤2已经完成了面向MAUVS围捕的任务分配理论阐述，接下来把这种分配方式应用到围捕任务中，在理论上证明其有效性，现在假设目标AUV已经被搜索或者某个伏击AUV发现，即刻对其进行追捕，证明过程包括以下几个步骤：

步骤31：根据图6所示追击MAUVS驱赶目标AUV的示意图，将目标AUV赶入带有伏击MAUVS的包围圈中，如图7所示为多层星型伏击包围圈示意图，图中三角形代表目标AUV被赶入的两种情况：三角形1代表目标AUV被单独赶入第i层，由第i层两侧的伏击MAUVS进行收缩包围圈，三角形2代表目标AUV在第i-1层和第i层之间，那么目标AUV则由这两层距离目标AUV较近的伏击AUV配合完成伏击围捕。说明：图中第i层围捕仅为了方便画了两个伏击AUV围捕目标AUV的示意图，第i-1层和第i层配合伏击围捕仅画了四个伏击AUV进行围捕说明，实际上这两种情况中伏击AUV参与包围的数量没有限制，按照实际情况可做实际数量分配。

步骤32：按照步骤2的说明，伏击MAUVS的参与者通常由团队中能量较少的AUV构成，并且目标AUV具有智能逃跑性，所以仅有伏击MAUVS和追捕MAUVS是不够的，这里针对目标AUV的智能逃跑性可根据步骤231引入拦截MAUVS。拦截MAUVS的运行原理如图8所示，拦截MAUVS依靠目标AUV的行为预测进行包抄运动，假设目标AUV的当前位置是P_now，运动速度标量是|v_p|，那么Δt时刻后，目标AUV的目标位置为：

P_Δt＝P_now+|v_p|·Δt

当拦截MAUVS到达指定的位置时，与追捕MAUVS以及伏击AUV一起将目标AUV包围起来，并在运动中缩小包围圈，迫使目标AUV停止运动，最终完成围捕任务。

步骤33：结合上述伏击MAUVS，追捕MAUVS以及拦截MAUVS三者的相互配合，即可完成围捕任务，当满足步骤1所述的成功围捕条件时，则视为完成围捕任务，如图9所示为最终围捕目标AUV示意图。

综上，一种面向MAUVS围捕的任务分配方法流程图如图10所示。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种面向MAUVS围捕的任务分配方法，其特征在于，包含以下步骤：

步骤一 围捕MAUVS由n个异构AUV组成，即n个MAUVS中单独的个体所带的能量大小均不同，能量大小直接影响速度大小，根据围捕MAUVS所带能量的多少对其由多到少进行排列，即得到围捕MAUVS的排列顺序{A₁,A₂,A₃,...,A_n}，并通过MAUVS围捕的动态协调任务分配决策方式进行任务分配；

步骤二 动态分配分配伏击MAUVS；：根据围捕过程中实际情况的需要，在n个围捕AUV中选择后m个所带能量较少的AUV组成伏击MAUVS的备选组{A₁,A₂,A₃,...,A_m}；

步骤三 被选中的伏击MAUVS备选组中的AUV在各自当前的位置用声呐探测其附近是否存在距离最近的障碍物如果备选组中的所有伏击AUV在自身声呐探测长度范围内均发现障碍物，则伏击MAUVS备选组均移动到最近的障碍物处进行躲避；如果没有全部发现障碍物，则伏击备选组中发现障碍物的AUV进行躲避，没有发现障碍物的在附近进行小范围的障碍物搜索，搜索成功后则进行躲避；

步骤四 如果搜索不到则将此AUV从伏击备选组内删除，在非伏击MAUVS中选取现存能量最小的AUV重复步骤三，如果满足上述躲避条件，则加入伏击MAUVS备选组，如果不满足则继续顺延下一个能量最小的AUV，顺延两次如果仍然不满足躲避条件，则不再顺延，伏击MAUVS的备选组减少相应的数量即可；被剔除的AUV加入搜索队列作为搜索者在目标区域进行对目标AUV的漫游搜索；

步骤五 按照一种多层星型伏击阵型对AUV进行移动，如果伏击MAUVS不满足分层星型排列，则伏击MAUVS中的每个伏击AUV均向内层进行障碍物探测，观察是否存在可向内层躲避的障碍物；如果有伏击AUV发现内层障碍物则执行步骤六，如果没有伏击AUV发现内层障碍物则执行步骤七；

步骤六 如果有伏击AUV发现内层障碍物，把发现内层障碍物的伏击AUV根据能量大小进行排序，并挑选携带能量较强的AUV进行内层移动；

步骤七 如果没有伏击AUV发现内层障碍物，则同时派出能量较弱的非伏击AUV和相应数量能量较强的伏击MAUVS对内层障碍物进行搜索；

步骤八 如果非伏击AUV率先到达内层障碍物时则对正在进行内层搜索障碍物能量较强的伏击AUV进行角色的替换，如果伏击MAUVS分层未成功则执行步骤五；如果分层成功则执行步骤九进行搜索任务动态分配；

步骤九 除了伏击MAUVS外，其余剩下的AUV组队成为搜索MAUVS队伍并且对目标AUV进行动态搜索，伏击MAUVS虽然躲避在障碍物后，但是在无障碍物遮挡面可发出声呐，对目标AUV进行静态搜索；如果没有发现目标AUV，则重复步骤九；若是搜索AUV发现目标AUV，则执行步骤十；若是伏击AUV发现目标，则执行步骤十一；

步骤十 若是搜索AUV发现目标AUV，则立即把目标AUV的大致运动的方向和速度通信给其他AUV，并且发现者与距离较近的搜索AUV构成临时的追捕队列，为了增加整体MAUVS的围捕效率，发现者对目标AUV并不是进行盲目的追捕，而是试图将目标AUV赶入带有伏击AUV的包围圈中；

步骤十一 若是伏击AUV发现目标，则不管此伏击AUV所带的能量如何都要放弃隐藏，并且把目标AUV的大致运动的方向和速度通信给其他AUV，此伏击AUV与距离较近的搜索AUV构成临时的追捕队列，对目标AUV进行追捕，并且试图将目标AUV赶入带有伏击AUV的包围圈中；

步骤十二 当目标AUV无论到哪两个相邻围捕AUV连线的中心距离都不小于这两个围捕AUV中任何一个到中心的距离时，即可视为围捕完成；另外，加入追捕AUV将目标AUV逼破至障碍物的死角处，使之无路可走，这也算是成功完成围捕任务。

2.根据权利要求1所述的一种面向MAUVS围捕的任务分配方法，其特征在于，所述的步骤十与步骤十一，对非伏击队伍进行更加详细的划分，即实现动态分配拦截任务和实现动态分配追捕任务，其步骤如下：

步骤一 以目标AUV的运动方向为基准，与目标AUV运行方向同向的且在其后运行的非伏击MAUVS即刻组成追捕MAUVS；

步骤二 因为目标AUV速度和运动方向根据围捕的危险性做出即时调整，所以追捕MAUVS的组队有时也要做出相应的调整，那么根据步骤一即可完成追捕AUV的动态即时组队过程；当追捕MAUVS以及伏击MAUVS都组队成功后，其余的参与围捕的MAUVS即为拦截MAUVS队伍。