基于微分对策的临近空间飞行器机动突防策略

针对飞行器机动突防问题,基于微分对策理论对飞行器在攻防对抗中制导阶段的机动突防策略进行设计与分析。首先将攻防对抗问题转化为二人零和博弈问题,并设计了二次型目标函数;其次,考虑到飞行器计算能力不足的问题,采取了适当假设以得到博弈问题的解析解,便于实际应用;最后对该机动突防策略进行了仿真验证,结果表明在攻防对抗中制导阶段,飞行器采用微分对策制导律,相较于正弦机动不仅减少自身54.3%的能量消耗,而且增加了拦截器58.6%的能量消耗,将显著增加飞行器末制导段对抗突防能力。     

席勒美学思想中的人本主义自由观

席勒坎坷的人生经历使他的所有作品都体现出"自由"的理想,同样,"自由"也成为他人本主义美学思想的基调。席勒将人的两组对立的本性———理性和感性统一成为游戏冲动,并通过外在化,指向其对象———美。     

海军航空兵协同攻击优化模型

针对海军航空兵现代作战的特点,应用对策论中合作对策基本原理、shapley值概念以及相应的计算模型,分析了各作战编组对势力值的影响因素,提出了基于对策空间的兵力编组优化分析算法,改进了海军航空兵兵力协同作战编组的优化技术与方法。     

用INSGA-Ⅱ进化NPCs的复杂行为

目前游戏中NPCs多目标行为进化是一个非常复杂的问题。对此建立了NPCs多目标优化的数学模型,并提出了一种NSGA-Ⅱ的改进算法——INSGA-Ⅱ。该算法在进行精英选择时,采用了基于K-均值聚类的方法联合了不同等级之间的个体进行集合划分,然后从不同的集合中选择下一代个体,从而更好地保持了种群的多样性。通过实例比较证明,在玩家和NPCs作战的游戏场景下,INSGA-Ⅱ能够得到NPCs复杂多目标控制问题的Pareto最优解,而且比NSGA-Ⅱ表现出更好的收敛性和多样性。     

煤—电租的分成：一个电煤价格谈判模式

文章运用鲁宾斯坦轮流出价的谈判博弈理论,以电煤价格谈判为切入点,探讨了煤—电租的分成问题;以煤电双边垄断的纵向交易为例,构造了电煤价格谈判模型,指出在煤电纵向交易关系中,电煤供求关系、双方的耐心程度、市场势力都给双方的利益关系造成影响,因此,煤电企业必须在实际操作中更加重视这些关系。     

蜂群对抗决策故障下的容错博弈控制

针对大规模分簇蜂群无人机的任务分配问题,考虑对抗场景下某些无人机由于受到敌方攻击或操控,决策规则遭到篡改,进而导致群决策行为与期望的均衡点产生偏差的决策故障。在演化矩阵博弈的框架下,运用多群体复制子动态方程对蜂群无人机和故障建模,基于李雅普诺夫函数对故障发生前后均衡点的局部渐近稳定性及其吸引域进行了分析,从而建立了自容错条件,并设计了基于激励的簇间协同容错博弈控制方法,对群决策行为偏差进行补偿,使得蜂群任务分配状态在故障下仍能达到期望的均衡点,获得理想的分工收益。     

质量矩复合控制拦截器一体化制导控制方法

在建立质量矩复合控制拦截器制导控制一体化数学模型的基础上,利用微分几何策略对一体化制导控制系统进行了设计,给出了发动机期望控制力矩和滑块期望位置指令,并采用极点配置方法对反馈控制系数进行了设计。为保证系统具有能控性,对滑块质量和发动机稳态推力参数进行了设计。仿真结果表明,该方法能实现拦截器末段的制导控制,同时能降低对滑块执行机构的功率要求。     

基于博弈论模型的多机协同对抗多目标任务决策方法

根据多机协同对抗多目标的空战特征,以敌我双方可能的相互攻击组合方式作为策略集,由敌我双方对抗态势分析定量结果确定支付函数,建立完全信息静态博弈模型.通过求解博弈模型的混合策略纳什均衡解,并结合一定作战经验,形成任务决策方法.以无人作战飞机编队对抗敌地对空防御系统为例,对本文所研究的任务决策方法进行了验算.     

航天器末端拦截自适应博弈策略

针对航天器末端拦截博弈问题,基于微分对策理论研究了各星的博弈策略。根据拦截空间是否具有防御器将博弈态势分为双星博弈和三星博弈。首先考虑拦截器与目标的双星博弈态势,以终端脱靶量为指标设计了相对博弈策略,并提出时间分析方程以提高策略对不同拦截态势的自适应性。然后,考虑具有防御器的三星博弈态势,提出了博弈切换策略将其化为分段双星博弈,并将双边时间方程扩展到三星博弈中,使拦截器在不被防御器反拦截的情况下,实现对目标的快速拦截。最后仿真分析了博弈策略与时间分析方程对航天器拦截博弈问题的有效性。     

基于分支深度强化学习的非合作目标追逃博弈策略求解

为解决航天器与非合作目标的空间交会问题,缓解深度强化学习在连续空间的应用限制,提出了一种基于分支深度强化学习的追逃博弈算法,以获得与非合作目标的空间交会策略。对于非合作目标的空间交会最优控制,运用微分对策描述为连续推力作用下的追逃博弈问题;为避免传统深度强化学习应对连续空间存在维数灾难问题,通过构建模糊推理模型来表征连续空间,提出了一种具有多组并行神经网络和共享决策模块的分支深度强化学习架构。实现了最优控制与博弈论的结合,有效解决了微分对策模型高度非线性且难于利用经典最优控制理论进行求解的难题,进一步提升了深度强化学习对离散行为的学习能力,并通过算例仿真检验了该算法的有效性。