基于合作博弈的智能集群自主聚集研究

智能集群是指由大量智能体构成、采用自组织策略协作完成任务的群体。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的关键技术研究。设计了无人车集群执行再入体着靶协同监视的集群行为模式,提出了基于合作博弈的智能集群自组织策略,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。     

无人集群自适应任务分工模型构建

传统无人集群任务分工存在中心控制依赖、适应性不强的缺点,这无法满足未来无人集群在复杂军事场景中的应用需求。群体智能的快速发展为集群分布式任务分工提供了理论和技术基础。针对无人集群任务分工问题,借鉴群体智能理论,提出了一种无人集群自适应任务分工模型,以无人集群清除多类危险目标的仿真实验为例,验证了模型的可行性和优越性。研究成果对于无人集群作战系统的建设发展,以及在作战、保障等军事领域的应用提供了参考价值。     

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。     

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。     

二阶非线性多智能体系统的分布式编队控制

面向多智能体系统编队协同完成既定任务,针对具有非线性动态的二阶多智能体系统的编队控制问题,开展分布式编队控制协议设计.考虑到集群运动过程中,各智能体只需调整自身与相邻智能体的相对位置即可维持整体队形.基于邻居智能体之间的相对状态信息,提出了具有时变增益的自适应控制协议,证明了多智能体系统在该控制协议作用下能实现编队控制...     

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。     

基于人机协同的无人系统自主性评估方法

针对智能无人系统的自主能力评价问题,开展了基于人机协同的无人系统自主性评估方法技术研究。首先,分析了现有自主性评估方法未充分考虑无人系统的内部模型表示和算法实现方式的不足,提出了将无人系统的感知与认知、决策与规划、行动与控制等三个基础能力维度的协同性和学习性作为其自主性评估的主要因素。其次,设计了包含人操控、人委派、人监督、混合主动、全自主等五个自主等级的自主性评估表,揭示了每个自主等级的协同性和学习性内涵。最后,提出了一种基于无人系统基础能力加权求和的无人系统综合自主等级量化计算方法,并且通过案例验证了自主等级量化参考表的有效性。所提出的方法有望广泛应用于各类无人系统的自主性评估。     

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-无人车空地无人集群系统多任务协同控制

针对无人机-无人车空地无人集群系统多任务控制问题,开展了一种多任务协同控制的自适应鲁棒控制方法研究。首先,根据多任务控制问题的不同情况,确定系统的动力学模型及控制目标。其次,通过伺服约束的形式描述了被控系统需要遵循的约束,将多项控制任务所建立的约束进行整合,并建立约束跟随误差χ。随后提出了一种自适应鲁棒控制方法,并设计自适应律抑制系统中存在的不确定性,保证系统在复杂不确定性干扰下,仍具有较好的控制精度和系统稳定性。仿真结果表明,所提控制方法相比于LQR控制能够在较大不确定性影响下完成无人机-无人车空地无人集群系统控制中的多任务协同控制,不仅使相关各类误差在5 s内快速收敛至0,还能够使系统具有良好的控制性能。     

【专题】无人系统互操作性发展现状与关键问题

无人系统正在加速由专用化、单一化向通用化、标准化发展,多无人系统协同、无人-有人系统协同、无人系统集群等新型作战概念不断成熟。无人系统互操作性是提高无人系统联合作战能力的倍增器和推动无人系统系列化发展的重要抓手,也是适应无人系统协同化、集群化发展的必然需求。本文详细阐述了无人系统互操作性的概念内涵,从顶层规划、技术创新和能力验证三个方面分析了无人系统互操作性发展现状,提出了一种针对跨域、多域无人系统互操作的等级模型,构建了自底向上和自顶向下相结合的互操作性关键支撑技术体系,剖析了通用/开放体系架构、标准协议与模块化组件、自主能力评估验证、数据传输与数据策略等技术因素,并展望了下一步研究重点。     

无人系统互操作性发展现状与关键问题

无人系统正在加速由专用化、单一化向通用化、标准化发展,多无人系统协同、无人-有人系统协同、无人系统集群等新型作战概念不断成熟。无人系统互操作性是提高无人系统联合作战能力的倍增器和推动无人系统系列化发展的重要抓手,也是适应无人系统协同化、集群化发展的必然需求。本文详细阐述了无人系统互操作性的概念内涵,从顶层规划、技术创新和能力验证三个方面分析了无人系统互操作性发展现状,提出了一种针对跨域、多域无人系统互操作的等级模型,构建了自底向上和自顶向下相结合的互操作性关键支撑技术体系,剖析了通用/开放体系架构、标准协议与模块化组件、自主能力评估验证、数据传输与数据策略等技术因素,并展望了下一步研究重点。     

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。     

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...     

基于组织行为学的跨域协同机理研究

未来突发事件凸显了复杂动态环境下的跨域无人系统协同作战需求,不仅要拓展作战地理空间域,多个领域之间合作与协调、综合行动互补,还亟需推动无人系统任务执行力量要素走向"跨域融合",应对内外环境的多域冲突威胁.针对跨域融合中存在的多域协同工作机制以及系统架构设计等重要命题,为未来装备体系跨域协同提供基础理论模型.基于组织行为...     

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。     

【专题】“无人系统自主性与智能化”专题编者按

地空协同无人系统作为新质跨域智能作战力量已成为世界强国开展军事技术竞争的前沿方向。本文首先总结了地空协同无人系统的概念、功能及发展目标,分析了世界主要国家制定的专项规划,从形成智能作战体系、改变战场攻防平衡及全面提高作战效能三个方面阐述了地空协同无人系统对未来战争的重大意义;其次,针对其面临的环境复杂、资源受限和平台异构等约束条件,从分布式态势认知、适应性智能导航及异构系统协同控制等方面总结了地空协同无人系统需要突破的关键技术;最后,为应对智能化战争挑战,从技术瓶颈、平台建设及政策支持等方面提出发展建议。该研究可为地空协同无人系统在国防科技领域的研究、应用和发展提供参考。