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。     

基于单体视觉投影的集群控制策略

与常见的无人系统集群需要进行预先规划和控制机制不同,生物集群采用分布式和反应式架构,具备完成复杂任务的强大智能能力。受生物集群系统启发,设想无人系统集群中的个体能够对所遇到的环境进行独立反应,并展现出集群协同行为。针对这一设想,提出基于单体视觉膜投影模型的集群控制方法,并对其进行理论分析和推导,实现了群体内自组织集群控制;通过观察和计算运动过程中群体的稳定性、一致性、协调性等相关指标,探究所提出自组织模型对不同类型任务的适应性。此外,针对群体遭遇外来攻击的情形,设计了合理的群体避障机制,使得集群能够实现紧急安全避障,从而提高集群面临突发情况时的应对能力。     

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。     

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。     

海空跨域协同兵棋AI架构设计及关键技术分析

以深度强化学习为核心的智能博弈技术在游戏领域内的突破和进展为海空兵棋AI的研究提供了借鉴。智能体架构设计是需要解决的关键问题,良好的架构能够降低算法训练的复杂度和难度,加快策略收敛。提出基于随机博弈的海空跨域协同决策博弈模型,分析了相关的均衡解概念;在分析典型智能体框架基础上,针对海空兵棋推演决策博弈过程,提出基于多智能体分层强化学习的智能体双层架构,能够有效解决智能体间协作和维度灾难问题;从兵力协同、智能体网络设计、对手建模和训练机制共4个方面分析了关键技术。期望为海空兵棋AI设计实现提供架构指导。     

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.     

基于CPSO算法的海空跨域无人航行器集群协同作业路径规划

针对海空跨域无人航行器集群在复杂水域环境下协同作业以追踪水下目标的任务,提出一种基于协同粒子群(CPSO)的协同作业路径规划算法.考虑不同无人航行器集群特性优势,合理分解并分配远距离追踪水下目标任务过程,并利用CPSO算法进行路径规划.在CPSO算法中,首先为无人机(UAVs)集群规划飞行路径,UAV飞行过程中探测水面...     

空地协同效能反馈的无人车目标捕获策略研究

针对无人车光电设备对复杂环境下目标搜索捕获存在时间长、效率低等局限性问题,提出了基于空地协同效能反馈机制的无人车目标捕获方案,研究了基于效能反馈机制的改进贝叶斯理论捕获策略,基于无人车一定装备数量条件下,根据无人机协同搜索的信息,以时空覆盖率和满足目标信息准确率为反馈条件,动态闭环更新目标搜索捕获策略。仿真结果表明,该算法有效缩短了无人车对目标的搜索捕获时间,提高了搜索捕获效率。     

基于强化学习的鱼群自组织行为模拟

自组织行为广泛存在于自然界中。为了通过学习的方式模拟鱼群自组织行为,构建了鱼群模拟环境模型、智能体模型和奖励机制,并提出了一种基于赫布迹和行动者-评价者框架的多智能体强化学习方法。该方法利用赫布迹加强游动策略的学习记忆能力,基于同构思想实现了多智能体的分布式学习。仿真结果表明,该方法能够适用于领航跟随、自主漫游、群体导航等场景中鱼群自组织行为学习,并且基于学习方法模拟的鱼群展现的行为特性与基于博德规则计算模拟的鱼群行为类似。     

面向网络化无人机集群的计算换通信分布式任务调度方法

针对网络化无人机集群任务自主协同问题以及市场竞拍法的优缺点,提出“计算换通信”思想及其相应的分布式任务调度方法。通过对显式和隐式冲突任务的分析,建立任务相关智能体集合。提出基于任务抑制的局部优化方法,用于提前消解部分任务冲突,以减少算法迭代次数。设计基于历史竞标信息的智能体位置推断法,为局部优化提供必要的信息输入。基于组网仿真平台与集群救援场景开展蒙特卡罗仿真实验,结果表明,相比于市场竞拍法中具有代表性的基于共识的捆绑算法和性能影响算法,所提方法能够获得更少的迭代次数、更短的收敛时间以及更优的调度性能。     

无人集群自适应任务分工模式

无人集群技术已成为多国军事技术发展的新高地,而无人集群自组织协作是影响其在军事行动中发挥作用的关键。合理的任务分工才能使无人集群发挥数量优势,从而自组织协作完成复杂作战任务。重点分析无人集群自适应任务分工研究的价值;国外在低成本无人机集群、地面无人平台集群、水下无人潜航器集群和异构跨域无人集群自适应任务分工研究上的主要进展和特点;无人集群集中式、协商式、分布式3种典型自适应任务分工模式的内涵,并总结未来无人集群在战场环境自组织信息交互和自适应协商决策任务分工等方面的研究方向及在军事保障中的应用前景。     

反应式集群体系结构在蜂群弹药中的应用研究

随着无人武器集群式作战从想象加速变为现实,这种新型武器和战术势必将成为改变未来战争规则的重要推手。针对集群武器系统缺乏有效理论与系统技术支撑的问题,首先在多智能体理论和仿生集群智能技术的启发下,深入研究了基于集群行为驱动和个体行为规则的分布式决策框架,并结合视觉信息处理技术,构建了基于个体行为规则和集群行为原型的反应式集群框架;然后,建立了蜂群弹药任务和个体行为规则之间的映射关系;最后,将简单的区域搜索、饱和攻击等作战任务进行了嵌入式实现,对影响任务效率的关键因素进行了深入分析,为构建蜂群弹药等智能集群装备提供了技术储备和理论支持。初步仿真结果证明,对于50节点规模的集群,提出的反应式集群决策框架能够引导蜂群弹药高效完成避障、搜索和攻击等任务,且在40%、80%个体失效时搜索效率显著优于慎思式集群。     

基于多智能体的传感器网络协同目标跟踪技术研究

针对传感器网络中的协同目标跟踪问题,分析了基于多智能体理论的分布式协同策略,提出了一种基于动态联盟的传感器网络协同目标跟踪框架,分析了系统中的智能体构成,提出了联盟中基于贝叶斯估计的Manage Agent的数据融合算法,讨论了Manage Agent的选举算法。理论分析表明,多智能体理论能够较好地适用于传感器网络的协同目标跟踪问题。     

陆军智能化无人化作战体系构建

文章基于智能化无人化技术发展对陆军战争形态演化的驱动作用,阐述了智能无人作战体系在陆军全地域、全天候、全时段遂行多样化军事使命任务作战能力,分析了基于智能无人作战系统从人机弱结合到人机融合的演进方向,提出"人在回路、物在感知、可随遇接入和动态重组,且能够自适应、协同、自组织"的智能化无人化作战体系构建思路。     

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。     

基于MAS的区域反导发射车协同拦截规划研究北大核心

发射车协同拦截规划是区域反导战术级目标分配后确定最优拦截方案的决策问题,对于直接提高拦截效费比具有重要意义。首先分析了协同拦截的物质基础、协同过程和协同特点,然后给出了基于多智能体系统(multi-agent system,MAS)的协同拦截规划模型、规划算法,最后计算了发射车可协同拦截次数,构建自适应协同拦截模式决策模型。开展基于MAS的区域反导发射车协同拦截规划研究,为实现发射车协同拦截规划顶层设计夯实坚实的技术理论基础。     

基于MAS的区域反导发射车协同拦截规划研究

发射车协同拦截规划是区域反导战术级目标分配后确定最优拦截方案的决策问题,对于直接提高拦截效费比具有重要意义。首先分析了协同拦截的物质基础、协同过程和协同特点,然后给出了基于多智能体系统(multi-agent system,MAS)的协同拦截规划模型、规划算法,最后计算了发射车可协同拦截次数,构建自适应协同拦截模式决策模型。开展基于MAS的区域反导发射车协同拦截规划研究,为实现发射车协同拦截规划顶层设计夯实坚实的技术理论基础。     

智能舰艇编队指挥控制系统体系结构设计

针对舰艇编队指挥控制系统协同作战自协同的需要,运用多智能体技术探索舰艇编队指控系统体系结构设计问题.提出了一种由指挥Agent和协同控制Agent构成的智能舰艇编队指挥控制系统,描述了其组织结构,分析了面向任务的协同作战任务分解和分配过程,完成了智能舰艇编队指控系统体系结构的顶层设计.对多Agent技术在舰艇编队指控系统中的应用有一定的参考价值.     

基于深度强化学习的智能对手自主空战决策技术

为提升空战训练对手的智能性与自主性,提升空战训练效果。针对空战战术训练智能对手自主空战决策问题,提出一种基于深度强化学习的智能体训练方法,采用最大熵强化学习（SAC）算法平衡策略探索与利用的优势,引入自博弈和多智能体联盟训练方法提升空战智能体策略的多样性和鲁棒性。针对一对一近距格斗空战场景建立智能博弈框架及奖励函数,仿真结果表明,基于零经验训练得到的智能体能够有效自主机动决策并实施近距导弹攻击,产生较好的战术效果,证明该方法在一对一近距格斗空战智能体训练中的有效性。     

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。