基于 QPSO 的模糊策略博弈的多无人机空战策略

针对无人机作战指挥系统中多无人机空战博弈策略的问题,提出一种采用量子粒子群算法(quantum particle swam optimization,QPSO)在模糊策略下博弈的纳什均衡求解方法.通过对无人机空战态势信息的分析,建立敌我双方多无人机动空战的作战收益函数,根据给出的敌我双方无人机纯策略集中的模糊子集,构建基于模糊策略下的敌我双方无人机博弈支付矩阵,进而求得作战双方获得最优选择策略.仿真验证结果表明,该方法可行、有效.     

基于公共品博弈的无人机集群自主协同机制

无人机集群自主协同作战是未来战争的重要作战样式,自主协同机制研究有利于揭示无人机集群协同形成与演化规律,为无人机集群作战应用提供理论支撑。首先构建无人机集群信息交互网络,定义基于拓扑势的无人机交互等级。通过分析无人机集群自主协同与演化博弈的映射关系,建立基于公共品博弈的无人机集群演化博弈模型,设计基于交互等级的无人机集群总体期望收益函数、平均期望收益函数和愿景更新动态策略更新机制。利用马尔可夫链定量描述无人机集群演化过程,并理论推导了表征无人机集群演化博弈平稳分布的平均丰度函数。通过仿真验证基于公共品博弈的无人机集群自主协同机制的可行性和有效性,并分析选择强度、交互收益系数、增益因子与愿景水平等参数变化对无人机集群协同行为的影响,为无人机集群自主协同参数调控设计提供理论支持。研究结果表明：所提自主协同机制相较于提供点机制、惩罚机制能更大程度促进无人机集群合作涌现,为无人机集群自主协同理论向作战应用提供技术支持。     

基于防御雷达监控的多无人机协同侦察优化模型

针对多无人机协同侦察路径优化问题,构建一种分步求解有防御雷达监控的多无人机协同侦察优化模型.通过聚类分析的方法对待侦察目标点进行目标群的划分,运用TSP算法求出目标群内各目标点之间的最优侦察路径并对无人机进行任务分配.根据相关约束条件,建立以无人机在敌方雷达监控范围内的滞留时间最短为目标的MMTSP 优化模型.运用蚁群算法对所建模型进行求解,并进行实例分析.分析结果表明:该模型和方法具有可行性和有效性,可为多无人机协同侦察提供参考.     

基于博弈论的无人机战场攻防策略求解模型

提出基于博弈论的无人机战场攻防策略求解模型;利用零和博弈求解方法,找出当目标平均定位时间变化时的不同纳什均衡点;案例结果表明:该纳什均衡点即为攻守双方一定条件下的最佳策略集合;该模型可为实际战场决策提供参考.     

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     

基于成像传感器特性的侦察无人机航迹规划研究

针对携带成像传感器的侦察无人机的航迹规划问题,提出整体与局部航迹规划结合的方法;将侦察无人机航迹规划问题分解为两步:第一步,利用遗传算法全局搜索的优势对蚁群算法初始信息素过低进行改进,对无人机进行整体航迹规划;第二步,利用几何限制原则结合侦察无人机携带的成像传感器的特点进行局部航迹再规划;通过按照该方法规划出侦察无人机的航迹并取得较好效果的一个实例证明,该方法计算简化、贴合实际、针对性强,可为实际战场侦察无人机航迹规划提供了参考.     

自主飞行无人机任务规划的动态智能管理与执行策略

高度自主性是先进无人机的重要特征.文中对自主飞行无人机任务规划的执行与动态监督管理技术进行了深入研究.面对实际飞行中可能遇到的潜在的各种复杂意外变化,提出采用分层的方法在不同抽象层去解决动态管理的问题;并且采用了专家系统中的产生式系统技术将各领域专家及操纵手的专门知识引入到任务规划的动态管理软件设计中,建立了相应的专家知识规则集,使无人机具有了初步的"智能".几十架次的实际验证飞行试验表明,与以往型号相比,无人机自主飞行能力显著增强.     

基于合作联盟的多无人机对地攻防对抗策略

针对多无人机合作博弈问题,对基于合作联盟的多无人机对地攻防对抗策略进行研究。通过考虑合作联盟的目标价值收益指标函数、损伤代价指标函数及航程代价指标函数,建立多无人机联盟合作博弈模型,构建出其博弈矩阵,给出合作联盟特征函数与混合策略纳什均衡的定义,采用粒子群算法(particle swarm algorithm,PSO)求解出混合策略的纳什均衡,并利用Shapley值方法,给出一种合作博弈的求解方法,最终得到多无人机对地攻防最优对抗策略。仿真结果说明该方法具有很好的可行性和有效性。     

基于合作博弈的多机器鱼路径规划

为更好地实现机器鱼之间的协作,避免只规划单个机器鱼的最优路径而使系统运动有失协调性,提出基于合作博弈的多机器鱼路径规划方法。利用博弈论中的合作博弈建立数学模型,将系统中的多机器鱼对应于博弈的参与者,对多机器鱼路径构造合作模型下的博弈方得益函数,求得系统的帕累托(Pareto)最优解,从而得到整个系统的最优路径。在水中机器人2D仿真平台上进行实验分析并用Matlab模拟机器鱼轨迹。分析结果表明,该路径规划理论应用在多机器鱼运动系统中是有效、可行的。     

基于Q学习的多无人机协同航迹规划方法

针对多无人机同时到达目标的航迹规划问题,建立战场环境模型和单无人机航迹规划的马尔可夫决策模型,基于Q学习算法解算航程最短的最优航迹,应用基于Q学习算法得到的经验矩阵快速解算各无人机的最短航迹并计算协同航程,通过调整绕行无人机的动作选择策略,得到各无人机满足时间协同的航迹组。考虑多无人机的避碰问题,通过设计后退参数确定局部重规划区域,基于深度Q学习理论,采用神经网络替代Q_table对局部多无人机航迹进行重规划,避免维度爆炸问题。对于先前未探明的障碍物,参考人工势场法思想设计障碍物Q矩阵,将其叠加至原Q矩阵,实现无人机的避碰。仿真结果表明：所提基于Q学习的多无人机协同航迹规划算法能够得到时间协同与碰撞避免的协同航迹,并对环境建模时所未探明的障碍物进行躲避;与A^*算法相比,针对在线应用问题,新算法具有更高的求解效率。