基于合作博弈的智能集群自主聚集策略

以无人车集群系统协同监视再入体着靶过程为任务背景,开展智能集群自组织策略相关技术研究。设计无人车集群执行再入体着靶协同监视的集群行为模式;针对协同监视过程中的集群聚集行为,提出基于合作博弈的智能集群自主聚集策略。各智能体以实现群体聚集为\"合作目标\",以降低自身能量消耗为\"竞争目标\",开展博弈;基于微粒群算法规划局部路径,最终使群体系统涌现出聚集行为。仿真实验验证了设计的自主聚集策略的有效性。     

面向无人集群博弈对抗的多智能体分层决策框架

针对无人集群在博弈对抗中多智能体协同决策能力不足和决策可信度低的问题,提出一种分层决策框架。该框架结合高层行为决策树与中低层深度强化学习模型,优化任务序列生成和作战行动调整策略。通过促进多智能体间的协商规划和多目标协同控制,提升全局统筹与局部适应能力。该方法为无人集群指挥决策技术的实战化应用提供了理论支持。     

基于演化博弈的结构化无人集群协作控制方法

针对无人集群作战中的分工合作问题,提出了一种基于演化博弈的结构化集群协作控制方法。分析无人集群分工合作需求,基于演化博弈理论,构建结构化集群分工合作模型;在此基础上,理论推导模型的演化动力学过程及博弈均衡解,得出集群分工合作的形成条件;最后,以集群火力打击任务为想定,仿真规则图及一般拓扑上的集群策略演化过程,仿真结果与理论推导相印证,证明了模型方法的合理性与可行性,为相关理论向实际应用转化提供了初步和有意义的探索。     

无人机集群作战智能培育平台构建研究

面向红蓝双方非完备信息条件下的无人机集群自主作战场景,参考即时战略游戏星际争霸人工智能技术思想,提出一种基于人工智能与军事仿真深度融合的无人机集群作战智能培育平台构建方法,给出了技术实现路径,旨在通过大样本训练,培育无人机集群自主作战决策能力,探索无人机集群战法运用模式,支撑作战人员对无人机集群进行高级指挥控制.     

基于认知决策的智能无人机集群作战建模方法研究

为仿真研究智能无人机实体及其集群在不同战场态势下的临机决策过程以及智能实体的自学习、自成长特性,提出一种基于认知决策的智能无人机集群作战建模方法框架。利用深度学习的认知建模属性,构建了智能无人机实体的认知决策模型,包括从“观察”到“判断”的态势特征提取网络模型,从“判断”到“决策”的实体决策网络模型。在此基础上,将智能无人机集群协同作战模型抽象为随机博弈过程,并提出一种适用于异构智能体的分布式、可变规模的多智能体强化学习神经网络架构,从而实现智能无人机实体认知决策模型的“智能”训练。通过仿真实验,验证了方法的可行性和有效性。     

面向多样性与随机性的无人集群合作演化建模及仿真

针对无人集群协同作战中个体策略选择的多样性,以及外部环境扰动带来的策略更新随机性问题,提出了一种基于公共物品博弈的无人集群合作演化机制。分析无人集群自主协同中的多样性与随机性需求,引入公共物品博弈构建基于Moran规则的无人集群合作演化模型;理论推导与解析分析多样性与随机性对集群稳态频率和合作水平的影响;最后,仿真验证理论推导的正确性,并分析参数变化对集群合作行为的影响,据此给出无人集群作战中有效应对多样性与随机性的合理建议。相关成果为揭示无人集群作战中的多样性与随机性机理,实现相关理论向现实应用的转化提供了理论支撑与仿真依据。     

智能无人系统发展战略研究

聚焦我国发展智能无人系统的重大需求,分析了国内外智能无人系统技术发展现状并充分预见其对人类社会发展的巨大影响,提出了智能无人系统定义、分类和分级、社会属性等观点,归纳总结了智能无人系统基础科学问题和共性关键技术,指出智能无人系统是人工智能与实体经济结合的重要应用领域、智能社会的重要支撑、国防现代化的重要趋势.为实现我国...     

基于类脑智能的无人集群设计初探及关键技术浅析

无人集群广泛应用于军事、工业等重要领域,并逐渐向智能化、协同化快速发展。借鉴人脑系统的高级智能模板,从端、边、云三个类脑层面讨论新型无人系统的设计构想,为未来智能无人集群提供了创新的探索思路。首先,端节点的通用异构无人机模仿大脑神经元形式,节约个体无人机开发成本并提升集群协作效能。其次,无人机间的拓扑结构借鉴类脑交互模式,形成内外双向通信环路以提升信息交互效率。最后,无人集群云端参考人脑与环境交互的自学习方式,在任务中动态扩充知识库以优化系统性能。综合上述类脑无人集群的设计思想,探索分析了该领域的关键技术,并对未来无人集群的智能化发展进行了展望。     

基于多智能体强化学习的无人机集群对抗方法研究

针对复杂动态不确定环境下的无人机集群对抗问题,基于多智能体强化学习开展了对抗决策方法的研究。首先,基于MaCA环境构建了无人机集群对抗模型;其次,引入集中训练网络的混合架构模式,改进了传统DDPG算法,设计了面向无人机集群对抗的MADDPG算法,分别采用基于规则的对抗策略和基于DQN的对抗策略对算法进行了训练,提升了对抗算法的鲁棒性、适应性和泛化性;最后,通过搭建对抗仿真环境,验证了所设计方法的有效性和可靠性。     

基于MAS的航空集群体系结构探究

以多智能体理论为基础,对航空集群体系结构进行了探究。采用传统的自顶向下与基于涌现的自底向上相结合的方法,将集群系统划分为三层:系统层、任务层、自组织层;设计了三类智能体:任务决策智能体、任务管理智能体、任务执行智能体,三类智能体分别实现系统的三层功能。最后以航空集群反隐身任务为例进行分析。结果表明:该体系结构具有自适应性、鲁棒性,能够适应未来复杂多变的战争环境。     

智能无人集群交互信息生成仿真系统架构与功能设计

瞄准推动未来智能化机器时代智能无人系统信息交互技术发展,基于无人集群协同作战信息交互需求,首先,分析了无人集群智能机器语言的研究现状、组成以及仿真系统功能需求.其次,提出了无人集群交互信息数据管理、消息规划生成与编译、半实物仿真测试为一体的仿真测试系统功能设计.最后,设计了具有四层结构的仿真测试系统框架.期望能为建设智...     

基于Multi-Agent的航空集群系统重构机理研究

集群作战是未来空中作战的主要样式,其重构机理的研究对于提升航空集群执行任务的整体性能以及在遭受攻击时的生存能力具有重要作用。从作战任务层面出发,对集群系统重构的定义以及类型、触发机制和基本原则进行了分析阐述;借鉴博弈论理论,将航空集群系统分布式重构问题映射为多Agent之间的合作-竞争问题,建立了基于Multi-Agent的系统重构模型,给出了重构的流程与算法,为航空集群系统自适应重构能力的设计实现提供了理论技术支持。     

微分博弈在无人机集群攻防中的应用研究

为了解决传统微分博弈理论的局中人规模受限问题,针对固定翼无人机目标-攻击-防御三方集群对抗场景,提出了一种基于微分博弈的集群攻防决策算法。该集群攻防决策算法利用基于Dubins路径价值函数的拍卖算法将集群攻防对抗问题解耦为目标-攻击者-防御者三方微分博弈问题,并且融入载体坐标系转换以及自动驾驶仪控制模型等约束,实现三维空间中以加速度为控制输入的集群决策,为等规模三方集群对抗问题提供协同决策控制。仿真实验结果证明,提出的集群攻防决策算法对于多种规模的无人机集群均能生成攻防角色对应的决策控制,实现包括目标-攻击-防御三种角色的三方集群攻防空战决策,在优化个体决策的同时,兼顾集群内无人机间的协同性。     

无人机集群智能的生成样式研究

无人机集群作战是未来的重要作战方式.无人机集群智能的生成模式及其应用实现途径等智能生成样式问题研究是无人机集群作战编成确定和作战运用设计的基础支撑.归纳提出了无人机集群智能的集中式、仿生行为式和功能分布式生成模式,并从总体上探讨了相应的应用实现途径;提出了基于平行系统架构的战中任务调整和航路再规划智能效果实现途径;研究...     

基于偏好联盟博弈的导弹集群分布式任务分配模型

在空空导弹拦截大规模集群的场景中,由于集中式算法求解大规模任务分配问题的性能面临通信能力和实时性的限制,研究使用分布式算法求解任务分配问题具有重要的现实意义.以偏好联盟博弈模型为基础,设计了分布式导弹集群任务分配模型,并使用博弈学习算法中的空间自适应博弈(spatial adaptive play,SAP)算法求解最优...     

基于元课程强化学习的多智能体协同博弈技术

多智能体协同博弈具有实时及动作连续性、非完全信息博弈、庞大的搜索空间、多复杂任务和时间空间推理等特点,是当前人工智能领域极具挑战的难题之一。针对大规模多智能体强化学习训练时间长、难以收敛等问题,提出了一种基于Actor-Critic的多智能体强化学习协同博弈框架,利用元课程强化学习方法对小规模场景进行基础课程元模型提取,并且基于课程学习向大规模场景进行模型迁移,在元模型基础上继续进行训练,扩展元模型策略网络,最终得到较优协同博弈策略。在《星际争霸Ⅱ》平台上进行仿真实验,结果表明：基于元课程强化学习的多智能体协同博弈技术可有效地加速其训练过程,相较于传统训练方法可以在较短时间内达到较高的胜率,训练速度提升约40%,该方法可有效支撑多智能体协同博弈策略的高效生成,为低资源下的强化学习高效训练奠定理论基础。     

通信带宽有限条件下无人机集群自主行为决策研究

通信是无人机集群协同决策控制的基础。在通信资源稀缺的战场环境下实现无人机集群的高效通信具有重要意义。目前,多智能体强化学习方法在无人机集群自主协同策略研究中应用广泛,但多数方法未考虑有限通信资源带来的影响。首先,研究了部分可观测条件下的无人机集群通信问题并给出决策模型;其次,基于研究假设和信息论,设计一种基于带宽利用率的奖励策略,该策略下的奖励值随带宽资源的利用率变化而调整,能实时指导无人机的通信行为;再次,在模型训练-执行过程中,利用长短期记忆模型作为记忆单元,保证无人机协同决策的有效性;最后,通过空中对抗仿真实验验证了所提方法的有效性,为带宽受限作战场景下的无人机集群自主协同决策提供方法借鉴。     

针对无人机集群对抗的规则与智能耦合约束训练方法

基于无人机集群智能攻防对抗构想,建立了无人机集群智能攻防对抗仿真环境。针对传统强化学习算法中难以通过奖励信号精准控制对抗过程中无人机的速度和攻击角度等问题,提出一种规则与智能耦合约束训练的多智能体深度确定性策略梯度(rule and intelligence coupling constrained multi-agent deep deterministic policy gradient, RIC-MADDPG)算法,该算法采用规则对强化学习中无人机的动作进行约束。实验结果显示,基于RIC-MADDPG方法训练的无人机集群对抗模型能使得红方无人机集群在对抗中的胜率从53%提高至79%,表明采用“智能体训练—发现问题—编写规则—再次智能体训练—再次发现问题—再次编写规则”的方式对优化智能体对抗策略是有效的。研究结果对建立无人机集群智能攻防策略训练体系、开展规则与智能相耦合的集群战法研究具有一定参考意义。