无人机集群的角色分配与规模对其作战性能具有显著影响，但量化研究仍较匮乏。明确这些关联对集群配置的优化设计至关重要，相关研究可提升任务效率并实现资源最优分配。本研究通过量化分析角色分配与规模在不同任务场景下的影响，指导高效集群设计。开发基于智能体的无人机集群仿真系统，评估集中式异构集群在两种场景下的性能：高目标密度小区域（无人机容量受限）与低目标密度大区域（无人机容量充裕）。集群任务为清除区域内所有目标。仿真参数基于乌克兰战争数据验证及领域专家意见设定，通过成功率、总步数及单目标平均清除步数量化性能。结果表明：集中式异构集群在稀疏可预测任务空间表现卓越——更大规模集群可实现最优覆盖与效能；但在高密度不可预测环境中效率下降——集中控制与大集群规模产生反效果。这些发现强烈表明：集群架构与规模须依任务空间动态调整，开放空间适用大型集中式集群，复杂环境需采用更灵活的小型配置。

现代战争日益聚焦无人机技术应用。低成本无人机在乌克兰战场展现显著影响力[1]。无人机扩散引发防务产业热潮，各国投入巨资研发并大规模部署。研究核心方向之一是无人机集群——多架无人机同步协同达成共同目标[1]。美国防长指令五角大楼加强集群研究[2]，芬兰无人机战略文件规划制造与集群研发路线[3]，印证全球关注度。无人机集群具独特优势：单操作员可控制多架无人机或实现全自主作战，提升系统可扩展性与作战节奏[4]。大规模集群能同时打击多目标或饱和防御系统，创造重大战术影响。但单机遥控到数百架集群的跨越，存在诸多待解的研究挑战。

大型系统主要挑战包括：定义控制架构、维持强健编队协同、优化任务路径规划[5]。此外，超越同构集群的异构集群（含不同无人机类型）引入额外复杂度。异构集群角色涵盖专用传感器单元、增强计算能力指挥/数据处理单元及武器载荷投送单元。因此实战部署需针对任务环境优化角色比例与集群规模——该领域仍需深入研究。本文探究不同作战环境下无人机集群的理想角色分配与规模，开发基于智能体的集群仿真模型，模拟区域目标清除任务。设计两种对比场景：多目标高密度复杂环境与少目标低密度开阔区域。通过系统调整集群规模与角色构成进行仿真实验，分析关键性能指标形成结论，并提出未来研究方向。