1.一种海上动态环境下异构无人系统任务分配与调度方法，其特征在于，包括以下步骤：（1）获取任务区域中的环境信息，构建海洋环境数据集；

（2）构建环境能耗预测模型CNN‑LSTM‑SE‑BO，用于预测满足任务时长的时间段的环境能耗信息；其中，CNN‑LSTM‑SE‑BO包括卷积神经网络CNN、长短期记忆网络LSTM、注意力机制SE模块和贝叶斯模型BO；

（3）根据无人系统的异构性约束和水面场景的任务耦合约束，构建多异构无人系统对多静止地面目标执行任务的合作多任务分配模型CMTAP，将步骤（2）预测的环境能耗信息作为模型输入，结合任务方案中无人系统的行驶速度，匹配任务执行时间段和能耗预测时间段；

（4）基于合作多任务分配模型CMTAP，采用带精英策略的非支配排序遗传算法NSGA‑II，确定最优个体，作为最终的任务预分配方案；

（5）执行步骤（4）确定的任务预分配方案，采集当前环境信息，结合对应时间段的预测环境信息，计算环境变量变化率，采用卡尔曼滤波算法实时更新噪声协方差矩阵，根据当前实际任务执行情况，动态更新任务时间段，优化任务与分配方案。

2.根据权利要求1所述海上动态环境下异构无人系统任务分配与调度方法，其特征在于，步骤（2）具体如下：将海洋环境数据集归一化处理后，划分为时间序列集；

将时间序列集划分为训练集和样本集；

构建环境能耗预测模型CNN‑LSTM‑SE‑BO，并引入遗传算法，进行模型超参数优化，调整权重，目标函数为最小化预测误差损失函数；其中，注意力机制SE模块用于提取对无人系统能耗影响的环境参数特征，并将其重新标定为能耗特征通道；贝叶斯模型BO用于预测无人系统的能耗，识别影响能耗的关键环境因素，反馈至注意力机制SE模块，重新确定对无人系统能耗影响的环境参数特征；

完成训练模型后，输出满足任务时长的时间段的预测环境能耗信息。

3.根据权利要求2所述海上动态环境下异构无人系统任务分配与调度方法，其特征在于，步骤（2）中，贝叶斯模型BO的目标函数为最小化单位时间窗口内能耗预测的均方误差：；

；

；

其中， 为第i个时间窗口的实际能耗； 为在参数集合θ下，第i个时间窗口的预测能耗；n为时间窗口总数； 表示在不同参数θ下，均方误差的期望值； 为通过贝叶斯模型迭代搜索得到的使得均方误差达到最小的最优参数集合； 为重标定后的通道； 为Squeeze压缩函数，用于对输入特征进行全局信息压缩； 为输入特征通道； 为Sigmoid激活函数，用于将特征向量的值限制在0到1之间； 与 为全连接层的权重矩阵，用于对输入的特征向量进行降维和升维操作； 为ReLU激活函数。

4.根据权利要求3所述海上动态环境下异构无人系统任务分配与调度方法，其特征在于，步骤（3）具体如下：建立任务目标模型，定义多海上任务目标集合；对每个目标依次执行侦查任务R、攻击任务S和查验任务V；

建立异构无人系统模型，异构无人系统包括可执行侦查任务R和查验任务V的侦查无人机 、可执行攻击任务S的作战无人机 以及可执行所有种类任务的军用无人艇 ；

建立任务分配条件约束；

建立坐标点位置信息，根据无人系统起点坐标与多个目标点坐标确定各点之间的欧几里得距离、某个目标点的三种不同任务的总距离和任务分配方案的总距离；

建立异构无人智能体的速度模型，计算任务完成时间。

5.根据权利要求4所述海上动态环境下异构无人系统任务分配与调度方法，其特征在于，任务分配条件约束为；

；

其中， 为异构无人系统数量， 为异构无人系统配置点与任务目标点配置总数量， 为二进制决策变量，若 ，则表示无人机 从第一配置 飞往第二配置 执行针对目标 的任务m；m取值为1,2,3分别表示侦查任务R、攻击任务S和查验任务V； 表示每个任务目标点上执行的任务数， 。

6.根据权利要求5所述海上动态环境下异构无人系统任务分配与调度方法，其特征在于，步骤（4）具体如下：采用多类型基因染色体编码方法，将任务执行顺序、任务目标点、任务类型、异构无人智能体执行者序号、无人智能体运动速度，任务执行时间、任务时间段和智能体能耗构建初始种群，将其划分为多个子种群；

定义非支配排序优化标准个体值作为迁移种群的筛选标准，采用精英策略保留最优个体，采用轮盘赌法选择自适应多点交叉与变异，将子种群进行迭代；

判断是否到达最大迭代次数：

如果到达最大迭代次数时，结束迭代，合并所有子种群输出结果，并对最后结果进行非支配排序；

如果未到达最大迭代次数则判断是否支配于非支配排序优化标准个体值，若是则将个体迁移进迁移种群中；如不是则直接进行下一次迭代，同时每个子种群在进行下一代迭代优化之前，从迁移种群中选取非支配解集的个体以此进入各个子种群的下一代迭代优化。

7.根据权利要求6所述海上动态环境下异构无人系统任务分配与调度方法，其特征在于，带精英策略的非支配排序遗传算法NSGA‑II中，每个子种群计算适应度为；

；

其中， 为任务执行时间的适应度函数， 为任务分配方案总能耗的适应度函数；

、 、 、 为权重； 为任务执行总时间， 为任务总能耗；

为任务分配方案的总距离；Q表示约束违反评判系数。