基于近端策略优化的空战决策算法研究

面对未来有/无人机协同作战场景,实时准确的空战决策是制胜的关键。复杂的空中环境、瞬变的态势数据以及多重繁琐的作战任务,使有/无人机协同作战将替代单机作战成为未来空战的发展趋势,但多智能体建模和训练过程却面临奖励分配困难、网络难收敛的问题。针对5v5 有/无人机协同的空战场景,抽象出有人机和无人机智能体的特征模型,提出基于近端策略优化算法的空战智能决策算法,通过设置态势评估奖励引导空战过程中有/无人机智能体的决策行为向有利态势发展,实现在与环境的实时交互中,输出空战决策序列。通过仿真实验对所提空战决策算法进行验证,结果表明：本文提出的算法在经过训练学习后,能够适应复杂的战场态势,在连续动作空间中得到稳定合理的决策策略。     

有人/无人机混合编队有限干预式协同决策

针对Leader-Follower异构型有人/无人机混合编队协同决策系统具有递阶分布式决策结构、决策信息分散以及通信约束等特点,在智能体模糊认知图(ABFCM)和动态模糊认知图(DFCM)的理论基础上,提出了一种有限干预式协同决策机制。通过构建层次化的Follower平台自主决策模型,实现了该平台与外部系统良好的交互能力,体现了自主决策的"动态性"。通过设计Leader平台的3种干预策略,满足了不同层次的决策需求,体现了干预过程的"有限性"。仿真结果表明:有限干预协同决策模型能够适应外部环境的动态变化,充分发挥Follower平台的自主决策能力;而不同层次的有限干预介入既减轻了Leader平台的控制负荷,又保证了决策的有效性和可行性,可为解决其他同类复杂系统的协同决策问题提供理论依据和方法参考。     

基于多基因遗传算法的异构多无人机协同任务分配

以异构多无人机对多目标执行侦查、攻击和评估任务为背景,开展协同任务分配问题建模、算法设计和仿真分析。综合考虑异构无人机任务执行能力、任务执行时序和自身运动学等约束,同时考虑各无人机机载弹药毁伤概率因素,建立以任务执行时间和攻击收益为综合性能指标的任务分配优化模型,提出避免产生"死锁"现象的基于多类型基因编码的改进遗传算法,实现对协同任务分配问题的求解。基于任务分配方案和无人机的最小转弯半径,采用Dubins路径协调方法,生成无人机的可飞航迹。仿真结果表明,改进遗传算法可快速有效地求解多约束条件下异构多无人机协同任务分配问题,基于Dubins路径协调可为每个无人机生成完整的可飞航迹。     

基于深度强化学习的多无人机协同进攻作战智能规划

无人机依靠作战效费比高、灵活自主等优势逐步替代了有生力量作战,多无人机协同作战任务规划成为热点研究问题。针对传统任务规划采用的智能优化算法存在的依赖静态、低维的简单场景、机上计算较慢等不足,提出一种基于深度强化学习（DRL）的端到端的多无人机协同进攻智能规划方法。将压制敌防空作战（SEAD）任务规划过程建模为马尔科夫决策过程,建立基于近端策略优化（PPO）算法的SEAD 智能规划模型,通过两组实验验证智能规划模型的有效性和鲁棒性。结果表明：基于DRL 的智能规划方法可以实现快速、精细规划,适应未知、连续高维的环境态势,智能规划模型具有战术协同规划能力。     

基于蚁群算法的无人机协同多任务分配

采用蚁群算法对无人机协同多任务分配问题(CMTAP)进行研究。在通用CMTAP模型的基础上,综合考虑包括动态任务时间约束和无人机任务能力的差别多类复杂约束条件,建立扩展的协同多任务分配模型。在多子群蚁群算法的基础上,提出了基于分工机制的蚁群算法对CMTAP进行求解。根据协同多任务分配的特点,设计了基于任务能力评估的问题解构造策略和基于任务代价的状态转移规则,提高了算法的性能。仿真实验结果表明该方法能有效地解决无人机协同多任务分配问题。     

基于混沌灰狼优化的多无人机协同航路规划

针对多无人机协同执行饱和攻击任务的时空约束,本文提出了基于混沌灰狼优化的离线航路规划方法,实现了多无人机协同航路的有效生成。首先,针对饱和攻击任务的特点进行分析,将具有时空约束的多无人机同时到达问题转化为协同航程问题;其次,针对将混沌映射引入灰狼优化算法中,提出了混沌灰狼优化算法,以提高原算法的探索能力和收敛速度;最后,提出了基于几何规划的航点扩展策略,从而构造出满足任务攻击时间与攻击方位要求的航点序列。通过对单无人机航路规划问题的仿真验证了改进算法的寻优能力;通过对面向饱和攻击任务的航路规划仿真验证了所提方法的可行性和有效性。     

多无人机系统协同多任务分配模型与仿真

针对多约束条件下的多无人机系统协同多任务分配问题(CMTAP),提出了利用多约束条件下的多车场车辆路径问题(MDVRPMC)对协同多任务分配问题进行建模,在设计基于Pareto最优的遗传模拟退火算法的基础上,对存在任务点动态时间窗口约束、任务类型约束、无人机任务能力约束等条件下的协同多任务分配问题进行了求解.实例仿真表...     

无人机智能任务规划系统技术研究

面对复杂的现代战场环境,高效智能的任务规划系统对于准确实施作战任务至关重要。以基于性能模型计算的多要素一体化无人机智能任务规划系统架构为框架,从环境建模、航路和任务规划、推演和评估等功能模块切入,对相关原理及热点技术进行了研究。基于该架构的任务规划系统可以实现高度数字化和一体化,以及与计算机辅助算法的深度耦合,从而提升规划过程的自动化与智能化程度,使无人机可以高效应对复杂战场环境,准确执行分配的作战任务。     

智能空战体系下无人协同作战发展现状及关键技术

在未来复杂的战场环境下，运用多架无人机在飞行空间内构成相互协作、优势互补及效能倍增的协同作战系统，是取得智能空战胜利的关键所在。首先阐述了无人系统的定义，并分析了其内涵和分类，指出智能化是无人系统未来的发展方向，根据自主完成任务的能力进行了分级。随后引出了典型的协同作战样式，阐述了国内外协同作战发展的现状。从协同态势感知技术、交互与信息作战云技术、智能决策技术、自主攻击技术、集群协同技术及学习与进化技术等分析了制约协同作战水准的关键技术。     

多无人机同时到达的分散化控制方法

多无人机(UAV)同时到达是典型的协同控制问题,在编队飞行、协同攻击中都有应用。以多无人机协同多目标攻击为应用背景,对多无人机同时到达问题进行了研究。考虑到战场环境的动态性和不确定性以及无人机自身的特点,提出一种适用于多无人机同时到达的分散化控制方法,其内容包括仅依靠局部信息交互的分散化控制结构和基于一致性算法的分散化控制策略。为方便操作员控制无人机群体的整体行为,分别设计了引入外部参考信号和虚拟Leader的分散化控制策略。根据路径规划和速度控制的不同特点将二者结合起来,利用它们的互补优势来应对路径误差和突发威胁等不利因素的影响。仿真结果表明,本文提出的分散化控制方法能够实现多无人机同时到达,并且具有很好的灵活性、鲁棒性、可靠性和可伸缩性。     

多无人机协同覆盖路径规划

多无人机协同覆盖路径规划(CPP)由于其并行性和容错能力,对于提高无人机完成侦察、监视、搜索等任务的效率具有重要意义。提出了一种基于无人机任务性能评价和任务区域划分的多无人机协同CPP算法。定量分析了无人机执行覆盖任务的能力,根据无人机及携带成像传感器的性能给出了计算无人机任务性能指数的数学公式;提出了一种基于任务性能和子区域宽度的任务区域划分算法,使无人机的总转弯次数达到最少。仿真结果表明,所提出的CPP算法能够规划出全局最优的多无人机协同覆盖路径。     

基于模糊虚拟力的无人机航路规划方法(英文)

给出一种新颖的模糊虚拟力(FVF)方法用于复杂环境下的无人机航路规划问题。首先,利用混杂系统理论对基于虚拟力的规划方法进行完整的数学建模,给出对应的最优求解方法。采取定步长法迭代来降低计算代价并对规划的可达性条件进行了证明,用贝叶斯网络和模糊逻辑推理自适应地设置合理的规划参数,以应对战场态势的变化,提出威胁合并法解决虚拟力法的局部极小问题。仿真验证表明FVF的可行性和实用性。将FVF与A*算法进行比较,结果表明FVF能够满足无人机在线航路规划的实时性需求。     

有人-无人机协同空战机动决策研究

目前，有关无人机空战的研究主要考虑无人机的完全自主决策机动算法，关于有人机有限监督决策下的空战机动决策的研究鲜有报道，更缺乏对有人—无人机协同作战的研究。为实现无人机协同空战过程中的自主机动，设计一种基于路径规划技术的有人—无人机协同空战机动决策模型。首先，引入动态栅格环境，自适应调整栅格规模和分辨率，以弥补静态栅格环境规划空间越大规划效率越低的缺陷；然后，将A star 算法规划路径作为参考路径，提出ACO-A star 混合路径规划算法，以提升ACO 算法的寻优效能；最后，基于均值聚类算法设计有人—无人机协同空战机动决策算法。进行空战对抗仿真模拟，结果表明：所提出的算法具有更好的决策正确性，可有效提升空战胜率。     

基于动态非零和博弈的无人机集群协同对抗方法研究

无人机集群协同对抗是当今国内外学术研究的热点问题,动态机动决策是无人机对抗最重要的研究领域之一.本文提出了一种基于动态非零和博弈的无人机集群协同对抗决策算法.首先,确定对抗双方的决策集,并通过角度、速度和距离等机动因素构造对抗双方的态势优势.其次,对无人机集群机动可选方案进行多属性评价,进一步计算双方的动态收益矩阵,建...     

多无人机对地攻击任务分配算法

在不确定条件下的战场环境中,实时有效的动态任务分配是多无人机顺利完成对地攻击任务的关键.文章基于拍卖机制原理提出了多无人机的动态任务分配算法,给出了算法流程,构建了收益计算函数,并对算法效率进行了分析.仿真试验表明所提出的算法同传统方法相比,大大减少了通信计算量,具有更好的实时性     

考虑扰动的无人机集群协同态势感知一致性评估

无人机（UAV）集群协同态势感知（SA）一致性是无人机集群协同作战的关键,对一致性进行评估至关重要。针对态势感知过程中面临的强不确定性等问题,在一致性评估指标体系的基础上,提出了基于证据推理规则的态势感知一致性评估方法,将各类指标信息统一至置信结构,并充分考虑指标的权重与可靠度。采用扰动分析法对复杂战场环境进行模拟,提出考虑扰动的态势感知一致性评估方法,并对算法进行了总结。最后,通过仿真算例和对比研究验证了所提方法在不确定性表达、一致性评估和无人机集群的环境适应性研究等方面的有效性。     

基于 ABMS的无人机编队协同制空任务效能评估

无人机是海空作战的重要力量,制空作战是未来无人机的重要任务之一。为研究无人机编队协同制空作战的制胜机理,评估无人机编队协同制空作战效能:首先,对无人机编队协同制空任务进行分析,明确典型作战过程;然后,采用基于 Agent的建模与仿真(Agent-basedmodelingandsimulation,ABMS)方法,构建攻击型无人机、预警型无人机和空空导弹的 Agent模型,开展多无人机协同制空作战仿真和效能分析。结果表明,无人机探测距离、编队内攻击型无人机的数量,以及编队内有无预警型无人机,这些都将对作战效能产生重要影响,该结论可为无人机协同作战运用提供参考。     

基于MILP的多无人机对敌防空火力压制

建立了基于混合整数线性规划（Mixed Integer LinearProgram,MILP）的多无人机编队对敌防空火力压制协同任务分配模型,以0-1决策变量表征无人机一任务指派关系,引入连续时间决策变量来表示任务的执行时间,并通过对决策变量之间的线性等式和不等式的数学描述,建立无人机之间和无人机执行任务之间合理的协同约束关系。采用商用软件CPLEX对模型求解,仿真验证了模型的合理性。     

启发式多无人机协同路网持续监视轨迹规划

研究了旋翼无人机组在路网环境下的协同持续监视问题。基于最优化原理定义了路网持续监视问题。通过简化路网离散过程、考虑传感器识别准确度、引入不确定度度量,提出面向事件的路网持续监视问题建模方法。针对路网持续监视轨迹规划问题的特殊性,设计了一种启发式多无人机协同轨迹规划算法。通过理论分析和仿真对比,表明了算法的可行性、准确性和通用性。所提算法作为对当前路网巡逻方法的扩充,不仅可解决实际路网移动持续监视任务,也为基于图模型的持续数据采集、连续覆盖等任务提供一种解决方案。     

编队无人机的高生存力协同航路规划方法

提出了一种基于多目标遗传算法的编队无人机高生存力协同航路规划方法。方法由备选航路生成和协同规划两个步骤组成。备选航路生成的目的是为编队中的每一个无人机生成多条航路,该步骤采用的算法是多目标遗传算法。协同规划的目的是为各个无人机从备选航路中选择航路,使得各个无人机同时到达目标区域,以增加任务突然性,提高整个编队的生存力。通过仿真算例,把方法与基于Voronoi图的方法作了对比,给出了方法的优缺点分析。