1.一种面向异构任务的无人机集群协同目标选择方法，其特征在于，包括如下步骤：步骤1，初始化领头无人机的发射功率和任务调度，收集与可调度任务目标的相关信道状态信息和任务价值，设置初始运行轮数和最大轮数上限；令0表示领头无人机编号，则分布在周围的协同无人机集合表示为Am＝[1,2,…,N]，领头无人机及协同无人机可调度通信任务目标集合表示为UE＝[0,1,2,…,m]，可调度的侦察任务目标集合表示为OE＝[0,1,

2,…,n]，信道增益为gi,j，j∈UEi∪OEi∪{0}，i∈A，A＝Am∪{0}；

步骤2，首先进行下层子博弈中协同无人机策略更新调整，根据各协同无人机迭代选择的通信侦察任务目标，结合环境需求，计算选择的任务目标所对应的效用值大小；

下层子博弈定义为：

其中，博弈参与者Am为协同无人机的集合，参与者的策略集合{Φi}，Φi＝{pi,ci}，pi为各无人机服务目标任务的发射功率，ci为每个无人机的目标任务选择，{Ui}为各无人机选择目标任务的效用函数值；

步骤3，重复步骤2迭代至预设次数，进行下层任务目标调度的合理分配，输出下层子博弈的最优策略集合；下层子博弈的迭代更新，当各协同无人机进行k次迭代满足后，子博弈稳定，对于任意的协同无人机，第k+1次的目标任务选择ci(k+1)与第k次的目标任务选择ci(k)效用值之差小于固定常数ζ，输出下层子博弈N架协同无人机的最优策略集合为Φm，其中Φm＝{Φ1,Φ2,…,ΦN}。

步骤4，根据下层子博弈策略，上层博弈中领头无人机策略更新调整，根据领头无人机选择的通信侦察任务目标，计算分配目标任务所对应的效用值大小；

上层子博弈定义为：G＝{A0，{Φ0},{U0}}博弈参与者A0为领头无人机的集合，参与者的策略集合{Φ0}，Φi＝{p0,c0}，p0为领头无人机服务目标任务的发射功率，c0为领头无人机的目标任务选择，{U0}为领头无人机选择目标任务的效用函数值。

步骤5，重复步骤4迭代至预设次数，进行上层任务目标调度的合理分配，输出上层子博弈的最优策略集合；当领头无人机进行k次迭代满足 后，子博弈稳定，对于领头无人机，第k+1次的任务目标选择c0(k+1)与第k次的任务目标选择c0(k)效用值之差小于固定常数ζ，上层任务目标调度完成合理分配，输出上层子博弈领头无人机的最优策略集合Φ0

步骤6，重复步骤2‑5，上下层子博弈的最优策略迭代更新，求出构建斯坦伯格博弈均衡解 合理分配领头无人机和协同无人机目标任务； 表示上层博弈最大化效用函数的最佳相应策略， 表示下层博弈的最佳响应策略。

2.根据权利要求1所述的一种面向异构任务的无人机集群协同目标选择方法，其特征在于，步骤1中，信道增益gi,j在任务目标调度和功率调整时期稳定不变。

3.根据权利要求1所述的一种面向异构任务的无人机集群协同目标选择方法，其特征在于，步骤6中，对于该策略组合 均满足以下条件：其中，下层博弈策略Φm＝{Φ1,Φ2,…,ΦN}，Φ‑i＝{Φ0,Φ1,…,Φi‑1,Φi+1,…,ΦN}表示上层领头无人机策略和下层其他协同无人机的策略组合，上层领头无人机的最优策略由下层博弈最佳响应策略给定，最大化自身效用函数求解，下层每个协同无人机的最优策略 由给定上层博弈的最佳相应策略和其他协同无人机的最佳相应策略，最大化自身效用函数求解。