该论文旨在解决多无人机(UAV)巡检任务中的机队规模规划问题。研究背景是：现有方法通常假设稳态运行条件（不适用于有限时间任务）或将替换需求视为统计独立事件，这无法应对需求集中爆发的情况，导致任务级可靠性无法保证。
论文采用了一种基于最坏情况分析的确定性建模方法。具体包括：
- 识别了由高效路径规划导致的工作负载相似性，从而引发电池耗尽同步化和替换需求爆发的结构性失效模式。
- 推导出一个封闭形式的充分性机队规模规则：k = m(ceil(R) + 1)，其中m为活跃无人机数量，R为恢复时间与活跃时间之比。
- 通过蒙特卡洛模拟(Monte Carlo simulation)在五种场景（m∈[2,10], R∈[0.87,3.39]，每种1000次试验）中进行验证，并与基于爱尔朗-B(Erlang-B)模型和每请求阻塞目标的方法进行对比。
论文的核心创新点在于：
- **识别了同步化替换需求的结构性失效模式**：明确指出高效路由分配相似工作负载会导致电池耗尽同步化，从而产生集中的替换需求爆发，这是现有统计独立假设模型所忽略的关键风险。
- **提出了一个确定性的、基于最坏情况的机队规模规则**：该规则通过增加一个大小为m的附加缓冲（即k = m(ceil(R) + 1)），专门用于吸收恢复周期边界处最坏情况的同步化需求，确保即使所有无人机同时耗尽也能保证任务级可靠性。这与传统基于平均性能或每请求阻塞概率的随机模型有本质区别。
- **实现了从“每请求保证”到“任务级保证”的范式转变**：提出的规则直接保证了整个任务的成功率，而非单个替换请求的阻塞概率。
论文对该领域的总体贡献是：
- **理论贡献**：为有限时间、同步化需求场景下的机队规模问题提供了一个严谨的、封闭形式的解决方案，弥补了稳态假设和统计独立假设模型的不足。
- **实践贡献**：提供了一个简单、可解释且鲁棒的机队规模计算公式，可直接用于系统设计。验证表明，在最具挑战性的场景下（R=3.39），相比爱尔朗-B方法（任务成功率降至69.9%），所提规则能维持99.8%的成功率（威尔逊95%下限99.3%），且在最苛刻场景下仅需额外增加4架无人机，显著提升了任务可靠性。
- **方法论贡献**：展示了在最坏情况同步化需求下进行确定性规划相对于传统随机规划的优势，为类似资源规划问题提供了新的思路。