不确定环境下基于PSO 算法的多无人机任务分配方法

实战环境下,无人机所获得的信息通常具有不确定性,针对不确定环境下的多无人机任务分配问题,提出了一种决策方法。分析无人机任务规划中各指标的不确定性,采用主观赋值和客观赋值相结合的方法,确定指标的综合权重,将离散粒子群优化算法和区间数排序方法相结合,给出区间形式不确定信息的无人机任务分配方法。仿真实验结果表明了该方法的可行性和有效性。该决策方法不仅能解决确定信息情况下的无人机任务分配问题,而且能解决区间数不确定信息情况下的无人机任务分配问题。     

基于不确定信息的无人机攻防博弈策略研究

通过分析实际战场中目标价值和毁伤概率信息的不确定性,提出了不确定信息条件下需要解决的无人机(UAV)攻防博弈问题。以敌我双方发射导弹的价值信息为依据,建立基于不确定信息的多UAV攻防对抗的支付函数,构建攻防双方博弈支付矩阵。将粒子群算法和区间数多属性方案排序方法相结合,给出基于不确定信息下博弈纳什均衡求解方法,为不确定环境下UAV攻防博弈实现最优策略提供了新方法。最后     

基于混沌蚁群算法的集群无人机协同任务分配

针对无人机集群协同任务分配问题,以无人机集群完成所有任务的总航程和未完成任务数最小为优化目标,构建多目标的多任务分配数学模型,并提出基于混沌蚁群算法的优化方法对模型进行求解。借鉴混合算法能提高单一算法性能的思想,在集群任务分配问题中将混沌算法的遍历性、随机性和蚁群算法的信息素正反馈机制结合起来,并通过仿真实验验证所提方法的有效性和适用性。结果表明：基于混沌蚁群算法的集群无人机协同任务分配方法能够增强全局寻优能力,提高算法效率,为多无人机分配最优的任务序列。     

多目标空地异构无人系统协同任务分配方法

针对由地面无人车与多无人机组成的空地异构无人系统面向大范围、多目标的协同任务分配问题，以无人系统完成任务时间为优化目标，同时考虑无人机收放、续航能力以及任务时序等约束条件，建立空地异构无人系统的任务分配模型，提出一种多目标空地异构无人系统任务分配方法。结合密度值最大聚类和混合粒子群优化算法，对空地异构无人系统的任务分配问题进行求解，从而得到满足约束条件的全局任务分配结果；通过仿真实验对所提方法进行验证。实验结果表明，该方法能够有效地求解在不同作战环境中的空地异构无人系统的任务分配问题。     

属性权重不确知的区间直觉模糊群决策方法

针对区间直觉模糊多属性群决策中属性权重信息事先不能确知的问题,提出一种基于区间直觉模糊混合平均算子(IIFHA)区间直觉模糊多属性群决策方法。给出属性权重确定的方法,列出群决策计算方法与步骤,并通过实例进行验证。结果表明:该方法是正确、有效的,能为相关人员提供一定的参考。     

未知环境下异构多无人机协同搜索打击中的联盟组建

为了提高多架异构无人机在未知环境下协同执行搜索打击任务时的效能,提出了一种未知环境下的异构多无人机协同搜索打击中的联盟组建方法,研究了实时性较高且适应于未知环境下的任务分配机制。以最小化目标打击时间和最小化联盟规模为优化指标,以满足同时打击和资源需求为约束条件,建立了联盟组建模型;为了提高联盟组建的实时性,提出了一种分阶次优联盟快速组建算法(MSOCFA)。算法复杂度分析说明了该算法是一个多项式时间算法,并且通过与粒子群优化算法进行仿真对比,验证了该算法具有较低的计算复杂度,满足实时性要求。为了使得多架无人机能自主协同完成搜索打击任务,设计了基于有限状态机(FSM)的多无人机分布式自主协同控制策略。仿真验证了未知环境下的异构多无人机协同搜索打击中的联盟组建方法的合理性和可行性。使用蒙特卡洛法验证了无人机数量和目标数量对联盟组建的影响,即无人机数量越多,目标数量越少,其平均任务完成时间越短。 为了提高多架异构无人机在未知环境下协同执行搜索打击任务时的效能,提出了一种未知环境下的异构多无人机协同搜索打击中的联盟组建方法,研究了实时性较高且适应于未知环境下的任务分配机制。以最小化目标打击时间和最小化联盟规模为优化指标,以满足同时打击和资源需求为约束条件,建立了联盟组建模型;为了提高联盟组建的实时性,提出了一种分阶次优联盟快速组建算法(MSOCFA)。算法复杂度分析说明了该算法是一个多项式时间算法,并且通过与粒子群优化算法进行仿真对比,验证了该算法具有较低的计算复杂度,满足实时性要求。为了使得多架无人机能自主协同完成搜索打击任务,设计了基于有限状态机(FSM)的多无人机分布式自主协同控制策略。仿真验证了未知环境下的异构多无人机协同搜索打击中的联盟组建方法的合理性和可行性。使用蒙特卡洛法验证了无人机数量和目标数量对联盟组建的影响,即无人机数量越多,目标数量越少,其平均任务完成时间越短。     

基于ACA_PSO算法的无人机分布式任务分配方法

为解决分布式任务分配问题，采用“粒子化”的蚁群算法进行无人机分布式任务分配。基于蚁群_粒子群混合算法，在原有蚁群算法基础上进行改进，使其具有“粒子”的特性。建立扩展协同多任务分配问题模型(ECMTAP)，采用构造允许的状态转移集合的方法，大大减少了产生的不合理解的个数，并弥补了蚁群算法陷入局部最优和早熟问题的缺点。实验结果表明：该算法能够有效地解决复杂约束条件下的多无人机分布式任务分配问题，具有较好的收敛速度和任务分配结果。     

区间直觉模糊决策在联合作战指挥员能力评估中的应用

为了减小联合作战指挥员能力素质评估过程中诸多不确定因素的影响,提出了利用区间直觉模糊信息来表达评估者的个人偏好值的方法来构造区间模糊决策矩阵。建立了联合作战指挥员能力素质评估多层指标体系,针对大多数区间直觉模糊信息只用于单层多属性指标体系,在二级指标属性权重完全未知的情况下,利用得分向量投影公式,得到了在一级指标属性下各指挥员能力素质的优劣,并应用阶梯结构综合评价方法求得综合排序,得到了指挥员的最终排名。该方法将能力素质评估量化,较为客观地为评选联合作战指挥人员提供了参考依据。     

多目标时空同步协同攻击无人机任务分配与轨迹优化

针对复杂战场环境下分布式无人机对多目标协同打击任务,提出多目标攻击的任务分配与轨迹优化算法。建立典型多目标打击的任务场景和无人机模型;基于Delaunay三角形理论,以禁飞区为节点构建搜索地图;运用A^*算法实现威胁最小的单机路径搜索;在无人机动力学约束和能耗损失最小的基础上,引入时间调节因子,采用基于贝塞尔曲线的分布式无人机时空同步轨迹优化方法,得到对多目标同时打击的优化轨迹;设计轨迹跟踪控制器,对预规划轨迹进行跟踪仿真。仿真结果表明,多目标攻击的任务分配与轨迹优化方法能够对多目标实现多角度、时空同步、分布式协同打击,且对噪声及阵风等具有较强的抗干扰能力。     

信息系统下的工程保障能力评估

对评估工程保障能力的指标体系进行了不同划分,运用区间直觉模糊集性质,将其与模糊综合评价方法相结合,形成区间直觉模糊综合评价原理。将直觉模糊综合评价方法用于工程保障能力评估,利用直觉模糊数同时反映隶属度与非隶属度的性质,更加全面反映了部队的工程保障能力现状,其评价结果更接近真实情况。     

多无人机多任务对地攻击协同任务分配

针对多无人机对地协同攻击多任务分配问题,通过合理假设对问题进行抽象简化的基础上,建立了基于任务分配收益和代价的总体分配效能函数模型,并以此模型作为任务分配方案的评估标准。引入各种操作符重新定义了离散粒子群优化算法的速度以及位置更新公式,建立了算法实现的基本流程,并利用该DPSO优化算法对任务分配模型进行求解。分别针对多UAV单任务,单UAV多任务以及多UAV多任务进行仿真分析,结果表明,DPSO算法比遗传算法具有更好的全局搜索能力和收敛速度,通过仿真验证了任务分配模型的合理性和正确性,验证了算法的有效性和相对于遗传算法的优越性。     

基于模糊神经网络的相控阵雷达任务调度设计

针对相控阵雷达任务调度中任务优先级较难建立数学模型,从而影响任务调度效率的问题,提出一种基于自适应模糊神经网络的相控阵雷达任务调度算法。该算法：模糊控制部分能够利用模糊隶属度对多个目标参数值进行量化处理;神经网络部分可以智能地实现目标参数和任务优先级之间非线性映射。仿真结果表明,该方法有效,在目标数目饱和情况下,保证高优先级任务被调度的同时,使更多的任务得到调度执行,其性能优于传统任务调度方法。     

舰艇编队动态防空威胁的直觉模糊决策方法

针对舰艇编队在不确定海战场环境中的威胁估计问题,提出一种动态防空威胁的直觉模糊决策方法.首先对来袭目标的不同类型信息作规范化处理,得到直觉模糊决策矩阵;其次由直觉模糊熵权法得出评估指标的初始权重,并融合指挥员的主观偏好信息建立指标权重优化模型,使得权重结果更为合理;然后采用正态分布方法处理多时刻信息,得到不同时刻的权重;最后基于 TOPSIS 思想得到目标的威胁度排序结果.仿真实例表明:该算法具有可行性,为解决舰艇编队的威胁估计问题提供了一种有效的途径.     

基于Hamacher区间模糊算法的技术状态评估权重确定

针对复杂装备技术状态评估权重确定过程中存在的专家犹豫和权重确定动态性不足的问题,结合区间值犹豫模糊熵、毕达哥拉斯模糊集和Hamacher算子,提出Hamacher区间模糊算法。综合各专家对各元素重要性的打分,构建区间值犹豫模糊集,改进区间值犹豫模糊熵,并对模糊集中各犹豫模糊元运算得到区间值犹豫模糊熵矩阵;令区间值犹豫模糊熵为隶属度,打分区间差值为犹豫度,得到毕达哥拉斯模糊集,运用Hamacher区间模糊算法计算得到各元素重要度得分函数,将得分函数归一化得到最终元素权重。算例结果表明,该验证方法对技术状态评估具有适用性。     

基于改进合同网的分布式协同目标分配

针对传统集中式目标分配算法存在的抗毁能力弱、可扩展性差等问题,提出一种基于改进合同网协议的完全分布式多平台协同目标分配算法。根据作战环境约束、任务约束以及火力平台自身性能约束等一系列约束条件构建目标分配模型;在目标分配的过程中增加合同交换操作,提升分配收益。结果表明：该算法能在提高整体收益的同时,减少目标分配反应时间,具备较好可扩展性。     

多约束条件下战时装备维修任务分配方法

针对现有战时装备维修任务分配中考虑约束条件不足、脱离实际的问题,以指派问题为基础,建立装备维修任务分配模型。该模型是在时间限制和维修能力限制的约束条件下,综合考虑装备修理时间、机动时间和维修能力的变化等因素,以修竣装备的重要度之和最大为目标,进行维修任务分配的最优决策。同时设计一种两阶段启发式算法,运用遗传算法和邻域搜索方法进行模型求解。通过算例和对比分析,验证了该方法的合理性和有效性。     

综合优先级下反导预警相控阵雷达任务调度算法

针对相控阵雷达跟踪多弹道导弹目标时的资源分配问题,提出一种综合优先级下的价值优化调度算法。基于弹道导弹目标特性,构建目标威胁度模型;设计二维优先级表,结合目标威胁度和截止期进行综合优先级规划;基于任务优先级建立任务动态价值函数,并从调度及时性原则出发,构建任务调度的价值优化模型;对遗传算法进行改进,设置自适应选择、交叉、变异算子,并利用该算法求解调度模型;通过仿真实验将所提算法与传统工作方式优先级加截止期调度算法进行性能对比,对任务价值函数参数对调度性能的影响进行分析。结果表明：相比传统调度算法,所提调度算法的调度时间偏移率减小了46%,实现价值率提升了12%.     

基于智能算法的无人集群防御作战方案优化方法

兵力部署与任务分配是无人集群防御作战的重要过程,有效利用集群中有限的兵力并发挥出最高的作战效能对提高无人集群的作战胜率至关重要,进行高效的作战任务分配能够协调集群一致性并更好完成作战任务。针对无人集群防御作战中的关键作战方案,研究无人集群防御作战的兵力部署及协同任务分配优化问题。构建基于智能体技术的无人集群防御作战模型,量化无人集群兵力部署所需的关键参数,对作战区域与兵力进行规划,设计目标函数。提出一种自适应遗传算法,解决无人集群的兵力部署问题。算法可根据实时运行情况动态调整目标函数、交叉率和变异率,保证适应度值较高个体的传承并避免算法出现局部最优。进行防御作战仿真,为验证无人集群兵力部署的效果,提出一种基于深度Q网络的深度强化学习改进算法,解决无人集群任务分配问题,对部署好的无人集群进行任务分配并作战。该算法能够自适应调整Q值,避免算法因过度估计造成无法收敛至最优解。防御作战实验结果表明,所提出的无人集群兵力部署及协同任务分配方法可有效提高防御作战的成功率,实现无人集群的自主协同及智能对抗。