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。     

基于三方动态博弈模型的网络生存防御策略优化配置

针对网络攻防环境中防御方以提高系统生存能力为目的所进行的最优生存防御策略的选取问题,提出了一种基于完全信息动态博弈理论的生存防御策略优化配置算法。将恶意攻击方、故障意外事件及防御方作为博弈的参与人,提出了一种混合战略模式下的三方动态博弈模型,对博弈的主要信息要素进行了说明,以混合战略纳什均衡理论为基础,将原纳什均衡条件式的表达式转化为可计算数值结果的表达式,并据此增加了近似的概念,最后,将提出的模型和近似纳什均衡求解算法应用到一个网络实例中,结果证明了模型和算法的可行性和有效性。     

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。     

面向协同区域反恐侦察的无人机集群规划与控制

以无人机集群协同侦察多个区域内潜在的恐怖分子为背景,提出了一种基于贪婪算法的求解思路,设计了任务分配-路径规划-跟踪控制的算法流程,解决了面向协同区域反恐侦察的无人机集群规划与控制问题。首先,设计任务分配算法,为无人机分配任务区域,解决多无人机多目标的任务分配问题;然后,每一架无人机进行路径规划,生成从当前点到任务区域以及在任务区域侦察的组合路径;再使用追踪虚拟目标点的方法,使无人机沿着规划航线飞行。任务分配-路径规划-跟踪控制在线滚动执行,使无人机集群协同执行反恐侦察任务。对上述算法进行了数值仿真,并基于开源仿真平台搭建复合翼无人机协同仿真环境,进一步验证了算法流程。     

诱饵干扰下无人机集群攻击阈值控制方法

针对诱饵干扰下无人机集群作战中的计算量爆炸,攻击阈值控制解算困难问题,给出了一种基于兰彻斯特方程和最优控制模型的无人机集群作战攻击阈值控制方法。从机载雷达的性能出发,建立作战双方兵力损耗的微分方程,从而构建改进兰彻斯特方程;以兰彻斯特方程为最优控制的状态方程,以无人机攻击阈值为控制变量,建立弹药约束下无人机集群空战的最优控制模型,并且证明一方剩余兵力的最大化等价于另一方剩余兵力的最小化;最后采用直接凸优化法对最优控制问题进行求解,并进行仿真验证。     

针对无人机集群目标的舰炮对空射击方法

利用低成本无人机集群实施饱和攻击,将成为未来海战场突破舰艇对空防御系统的一种新型作战样式.从现有中小口径舰炮武器系统的射击体制出发,详细分析了现有追踪射击方法在打击此类密集目标时的能力不足,为增强现役中小口径舰炮武器系统打击无人机集群目标的能力,提出了基于未来空域窗的对空射击新方法,该方法控制武器系统内的单脉冲雷达波束对集群目标进行空间拉偏扫描,并通过最大似然估计的超分辨算法,获取迎弹面上的集群目标分布特征,改进传统未来空域窗射击方法中弹头均匀散布的设计思路,通过求解高斯混合模型配置弹丸散布中心,使得迎弹面上的弹丸散布概率与集群目标分布特征相匹配.仿真结果表明,该射击方法现实可行,可用于提升中小口径舰炮武器系统对无人机集群目标的打击能力.     

基于路径-博弈混合策略的无人机空战机动决策

针对无人机的自主空战机动决策问题,设计了基于路径-博弈混合策略的决策算法。首先根据无人机飞行控制过程中,水平机动和垂直机动可以解耦的原理,提出了相解耦的自主决策机制,使用路径规划实现水平机动决策,使用博弈理论实现垂直机动决策。为提升决策环境的灵活性,设计了能够自适应调整规划范围和分辨率的动态栅格环境。基于QL算法设计路径规划模型,并使用双Q表学习机制改进算法,有效提升了路径规划质量。基于纳什均衡理论构建垂直机动算法模型,根据不同的态势环境设计了代价计算函数,实现了无人机的垂直机动决策。最后,针对一对一空战对抗情景开展仿真验证,验证了算法的有效性,相对于传统基于三维规划空间下的机动决策,可有效缩短规划耗时,提升规划品质。     

无人机集群作战概念及关键技术分析

无人机集群作战正在从概念走向雏形.文章总结了国外无人机集群作战概念的发展,分析了无人机集群作战的主要关键技术,包括大规模无人机管理与控制、多无人机自主编队飞行、集群感知与态势共享、集群突防与攻击、集群作战任务控制站等技术,并展望了未来无人机集群协同搜索、协同干扰、协同攻击、协同察/打、集群对抗等作战应用.     

体系攻防条件下的多阶段目标选择模型

针对体系攻防对抗条件下的目标选择问题,提出了一个基于完全信息序贯博弈的多阶段目标选择模型。该模型分析了目标体系攻防的博弈过程,使用动态贝叶斯网络描述了对抗双方策略对博弈状态的影响,将目标选择问题转化为标准的博弈树对策问题求解。然后设计了一种消除目标体系结构中与或子树的方法,以简化目标选择策略空间。最后通过案例说明了使用逆向归纳法求解目标选择策略的过程。结果表明,该模型和方法能够在体系攻防、目标间具有复杂层次关联的条件下为目标选择决策提供辅助。     

基于航迹消除与策略迭代的无人机集群区域目标搜索方法

无人机集群区域搜索在军事领域以及民用领域的搜救、巡逻、监测、环境勘测等方面有着广泛的应用,但如何保证不同场景下无人机集群搜索方法的效率问题依然是个难题。为了更好地解决搜索目标先验信息已知的无障碍区域内多无人机集群搜索航迹规划问题,提高无人机集群搜索效率,本文根据目标区域热度以及传感器探测概率等先验信息,提出了一种基于无人机航迹消除策略的概率计算方法,并在此基础上结合策略迭代算法动态规划无人机航迹,找到单个无人机航迹覆盖率最优策略;进而通过适当组合顺序实现无人机集群区域目标搜索整体覆盖率最优;最后,通过仿真计算验证了算法的有效性。     

基于状态约减的信息攻防图生成算法

针对攻防图构建中存在的状态爆炸问题,提出一种基于状态约减的攻防图生成算法。该算法在分析攻击者和目标网络特点的基础上,对独立状态节点的权限进行对比;其在保留最高权限节点的前提下,实现对低权限节点的约减,并去除冗余攻击路径。仿真实验表明算法具有计算复杂度低、能有效降低状态爆炸以及控制攻防图规模等优点。     

基于DRL与微分对策的无人机空战决策研究

随着无人机战场环境越来越复杂,空战对抗将逐渐成为主要的一种无人机作战方式.为了能够确保我方无人机在快速演变的战场态势下抓住先机、精确决策、快速致胜,需要根据实际作战环境、作战样式,建立无人机和环境进行交互的规则、无人机空战对抗中采用的战术使用规则,并结合规则,通过智能决策算法,达到提升无人机空战对抗胜率的目的.提出一种结合微分对策(Differential Games,DG)的深度强化学习方法(Deep Reinforcement Learning,DRL)解决此问题,利用深度强化学习的智能决策性以及微分对策的准确机动性,实现战术决策到机动决策.最后以空战对抗1V1为例,对提出的方法进行验证,结果证明方法可行有效.     

基于信号博弈的网络主动防御研究

针对现有被动防御方式难以有效确保军事信息网络安全的问题,从信号伪装的角度对军事信息网络的主动防御进行研究,提出了一种最优伪装信号选取方法。在分析军事信息网络攻防对抗的基础上,基于信号博弈理论对网络攻防过程进行建模;提出了网络攻防收益量化方法;在精炼贝叶斯纳什均衡分析的基础上,设计了最优伪装信号的选取算法。通过实验验证了方法的合理性和可行性,为军事信息网络安全防御提供了一种新的思路。     

基于改进NSGA-Ⅲ的抗饱和攻击防空编队部署方法

现代空袭有饱和攻击、对抗体系多样等特点,在对目标进行有效掩护的同时,确保自身生存是防空火力编队研究的重点问题。考虑到火力重叠面积、火力覆盖面积、耗弹量、有效掩护宽度、有效防御扇区等因素,提出一种改进的NSGA-Ⅲ算法,通过控制选择交叉种群将不同策略的解集进行组合,实现区域、目标掩护混合部署、导弹和高炮等不同武器的综合使用,使得编队防御性能得到优化。以轰炸机、巡航弹、无人机的饱和攻击为应用场景进行仿真验证,结果表明此方法能够在兼顾区域、目标安全的同时,提升整体防空编队的生存能力。     

基于区块链的无人机集群抗干扰通信模型

针对集群无人机容易受到各种非合作性干扰,导致无人机个体及集群之间缺乏有效的数据共享和动作协同的问题,提出了一种基于区块链的无人机集群抗干扰通信模型.该模型将无人机集群中各个节点飞行数据实现区块链去中心化存储,飞行数据或指令在区块节点间通过椭圆矩阵加密算法进行传输,并结合群体投票决策改进访问控制逻辑.通过仿真实验分析验证...     

固定翼无人机群的集群和避障控制

针对传统的集群控制算法需要获取通信范围内相邻质点的位置和速度信息才能够计算控制量的问题,提出一种新的无须获得相邻无人机速度的六自由度固定翼无人机群的集群和避障控制方法。将通信范围内的无人机均视为障碍物,采用统一的计算方法获得控制量,并且证明了算法的稳定性。通过建立六自由度无人机线性化控制模型,将改进的质点集群算法应用于无人机群控制系统中,将无人机控制设计成六自由度无人机的跟踪回路和质点无人机的导引回路,并证明通过选取合适的跟踪回路控制参数,确保整个无人机集群控制是稳定的。通过六自由度无人机编队仿真验证了所提算法的有效性。     

无人机群协同电子战攻击的作战优势及挑战

随着信息技术的迅速发展与作战理念的不断演变,使用无人机集群实施电子攻击成为各国研究人员不断探索的新领域。本文首先阐释了电子战、无人机集群等几个基本概念,并对无人机集群作战的相关研究历程进行梳理,随后列举无人机集群协同电子攻击的几个核心技术问题,分析无人机集群协同电子攻击的主要优势与挑战。     

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。     

无人机集群社团网络弹性重构研究北大核心

无人机集群作战是未来战争的新型作战样式。无人机集群网络弹性重构能力,是评价无人机集群体系作战效能的关键指标。剖析了无人机集群网络弹性重构机理;设计了无人机集群社团网络模型,提升了网络连通性;针对无人机集群遭受恶意攻击网络性能急剧下降的情况,提出了信息网络交互能力最低阈值,并优化了集群网络性能失能阶段的弹性评估方法;最后,通过仿真建模对比分析,不同规模下网络的平均最短路径、信息交互能力、网络聚类系数等参数,在集群网络遭受多种类、多规模的毁伤下进行重构,评估对网络弹性的影响。实验结果表明,建立的模型具备更高的弹性。研究成果可提升无人机集群应对复杂扰动的能力,为无人机集群的多任务规划提供理论指导。     

无人机集群作战中连续时间Markov链模型的求解方法

针对无人机集群目标作战解析建模时在状态转移过程中计算速率低的问题,提出了一种基于行压缩存储的四阶Runge-Kutta法。根据无人机集群作战样式将无人机集群作战过程划分为三个阶段,并分阶段对无人机集群作战的状态转移过程建立连续时间Markov链模型。以无人机集群完成作战任务的可靠性作为求解指标,运用四阶Runge-Kutta法对Markov模型进行求解。由于求解过程中速率转移矩阵具有稀疏特性,采用基于行压缩存储的算法优化求解速率。仿真实验表明,运用连续时间Markov理论建立的无人机集群作战过程模型的有效性和可行性优于其他模型。同时,与其他算法及模型相比,该算法计算速率更高、能更好地满足结果精度的可靠性需求,进一步说明了本算法的优越性。 〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCHSC.TIF;%129%129〗听语音 聊科研与作者互动