随着蜂群无人机在国防应用中日益广泛的使用，目标分配问题已成为一个关键的研究课题。尽管武器-目标分配（WTA）问题已通过数学模型得到了广泛研究，但其计算复杂性在处理异构和大规模无人机蜂群时存在局限性。在本研究中，我们提出了面向多用途作战无人机的基于聚类的武器-目标分配方法（CWTA-D），这是一种基于聚类分解的框架，通过将无人机和目标划分为匹配的聚类，并在每个聚类对内求解WTA-D模型来提高可扩展性。我们首先建立了多用途作战无人机武器-目标分配（WTA-D）数学模型，以表示异构无人机能力，包括单次射击、双次射击和单向攻击无人机，并考虑了射程和交战效能约束。为解决可扩展性问题，CWTA-D集成了三种针对问题的聚类策略：位置平衡聚类（PBC），强调空间紧凑性；价值平衡聚类（VBC），平衡目标价值；以及位置-价值平衡聚类（PVBC），综合考虑目标位置和价值。实验结果表明，CWTA-D显著减少了大规模实例的计算时间，在测试设定下可在几秒钟内获得分配方案。在99:99实例中，PVBC在5.78秒内实现了平均惩罚目标值为24.57，而PBC在5.79秒内为25.46，VBC在5.26秒内为76.20。这些结果表明，PVBC在保持与其他聚类策略相当的计算时间的同时，相对于仅考虑价值的聚类减少了性能损失，从而提供了有利的运行时间与质量权衡。

综上所述，本研究通过战略性聚类方法解决了传统WTA在蜂群环境中的局限性。本研究的主要贡献有三方面。首先，我们将WTA-D构建为一个考虑无人机特性的静态分配模型，捕捉了现代作战无人机的多角色能力和部署特征。其次，我们提出了基于WTA-D公式的CWTA-D聚类分解框架，并研究了三种聚类策略，即PBC、PVBC和VBC，以分析计算效率与惩罚目标性能之间的权衡。第三，计算结果表明，相对于参考的WTA-D公式，CWTA-D提高了计算可扩展性，使得在测试设定下能够在较短计算时间内获得大规模分配方案。

本文其余部分安排如下：第二部分全面综述了相关WTA文献。第三部分详细阐述了WTA-D和CWTA-D方法论。第四部分介绍了实验设计和计算结果。最后，第五部分总结了研究并提出了未来研究方向。