针对高动态组网环境下网络动态拓扑与集群网络的协同问题，该成果充分考虑了网络拓扑重构方法和多对多目标分配协同技术，以“拓扑动态重构-中心节点选择-多对多目标分配策略”为主线，开展基于图论的网络动态拓扑控制与重构、结合拉普拉斯中心性和结构洞的中心节点最优选择、基于个体与群体关系模型的多对多任务分配与决策技术的研究。相关研究成果已发表论文4篇，授权发明专利1件，申请发明专利2件。创新点包括：首先，基于图论的损伤模型，提出一种基于网络模体的局部修复拓扑重构算法，该算法在网络拓扑重构修复过程中着重分析了网络局部结构弹性，实现了动态损伤网络的快速低耗修复功能；其次，将网络映射成加权图，设计了一种结合拉普拉斯中心性和位置因素的中心节点选择策略，该算法将自身节点重要度和邻居节点影响力拟合成重要度矩阵，从而可以准确快速的选择出合适的中心节点；最后，基于阿波罗尼斯圆研究分配判定模型，构建了基于改进博弈学习的无人机集群协同围捕方法，解决了智能化多目标围捕场景下的目标分配问题。综上所述，该成果有助于促进无人机集群行为的智能化，使其灵活组网，协同任务，为无人化建设发展做出贡献，同时具有应用场景广泛的特点。此外，研发团队长期从事自组织网网络建模、路由算法优化、拓扑管理等领域研究，人员组成合理，团队管理科学，同时具有丰富的科研经验。