基于模糊贝叶斯网络的UAV中远距空战战术决策

针对无人机中远距空战战术决策时决策环境的不确定性和决策实时性问题,提出了基于模糊贝叶斯网络的无人机中远距空战战术决策方法。研究了无人机空战过程,对影响战术决策的主要因素进行分析建模,构建了战术决策的模糊贝叶斯网络。最后,利用模糊集合理论对连续型态势变量进行变参数模糊化,并输入战术决策网络进行推理,对该决策方法的正确性、实时性以及在不确定环境下的有效性进行仿真验证。     

动态贝叶斯网络的无人机炮火校射

动态贝叶斯网络(Dynamic Bayesian Networks-DBNs),是对具有随机过程性质的不确定性问题进行建模和处理的一个有力工具.提出将隐马尔可夫模型(Hidden Markov Models-HMMs)图形模式与贝叶斯网络结合起来构成DBN,将其用于无人机照相侦察情报的推理分析,决定炮火优先打击区域.首先建立动态贝叶斯网络的战场态势变化模型,而后应用HMM的推理算法获得当前隐含序列最优估计,且可预测出未来战场态势.最后应用模糊推理获得优先打击的区域号.仿真结果表明了模型的可行性.该方法有效解决了贝叶斯网络对于瞬间变化战场态势推理的不足的缺陷,为炮兵指挥员更好地运用火力,分出主次奠定了基础.     

变结构离散动态贝叶斯网络的快速推理算法

变结构离散动态贝叶斯网络是对传统离散动态贝叶斯网络的推广,具有更广泛的建模应用价值,但是其推理算法还有待进一步完善.针对变结构离散动态贝叶斯网络的推理算法难以理解、编程计算难、推理速度慢的问题,给出了实现变结构离散动态贝叶斯推理算法的数据结构,并推导了进行并行计算的推理算法和编程步骤,并通过实例进行了算理验证.给出的方法对变结构离散动态贝叶斯网络的编程应用具有参考价值,同时可以加快变结构离散动态贝叶斯网络的推理计算速度.     

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.     

无人机航迹规划中动态威胁评估方法

无人机利用动态威胁评估方法可以对航迹中的动态威胁等级进行评估,然后根据评估结果制定相应的规避策略完成规避动作。针对无人机航迹规划中动态威胁的规避问题,提出了基于模糊离散动态贝叶斯网络的动态威胁评估方法。基于模糊分类的信息处理技术可以处理部分连续观测值问题,基于动态贝叶斯网络的推理技术能利用先验信息和离散的证据信息进行不确定性推理,最后推理评估得到动态威胁等级。仿真结果表明,该评估方法在处理时序上不确定性问题具有较强的优势以及很好的鲁棒性。     

基于局部动态贝叶斯网络的无人机态势评估

针对在无人机态势实时评估中,动态贝叶斯网络算法历史信息过度累积的问题,提出了一种局部动态贝叶斯网络算法。该算法在对飞行路径进行分段的基础上,为每一段路径建立局部动态贝叶斯子网络,单个子网络中运用前向后向算法进行推理,在路径段之间只传递上一路径完成证据,屏蔽已完成路径中的无用信息。实验结果表明改进算法能够屏蔽历史冗余信息对无人机飞行态势的错误影响,并提高评估算法感知细微条件变化的敏感性。     

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。     

基于DBNs的反导态势评估模型研究

为了实现多导弹攻击下的反导战场态势评估,首先建立了用于单枚导弹态势评估的贝叶斯网络(BN)模块,其次以该模块为基础提出了一种用于反导战场全局态势评估的动态贝叶斯网络(DBNs)模型,并给出变结构DBNs推理算法。仿真结果表明,该模型对来袭导弹的数目以及拦截成功与否等事件描述准确且迅速,可以满足多导弹攻击下的态势评估要求,并能够为反导指挥作战提供决策支持。     

改进的前向信息修补算法及其应用

前向信息修补算法可以对离散动态贝叶斯网络的缺失数据进行预测,该算法只适用于所有观测节点是相互独立的网络,却不能处理观测节点有依赖关系网络的缺失数据。针对该算法的这一缺陷,提出了改进的前向信息修补算法,在分析离散动态贝叶斯网络的缺失数据具有二种基本形式的基础上,推导出了每种形式的相应预测公式。继而构建了用于识别威胁源离散动态贝叶斯网络的模型。仿真实验验证了改进的前向信息修补算法的有效性。     

基于混合遗传算法的多基地多无人机战场物资配送任务分配

战场物资无人机配送是未来后勤保障的一种重要方式。以战时多基地、多无人机保障多需求点的模式为研究对象,通过分析多需求点战场物资无人机配送的特点及决策目标,利用多约束条件下的多车场车辆路径问题对无人机物资配送任务分配进行建模,通过将节约里程法与最近邻算法引入遗传算法中,较好地提高了算法求解速率及解的质量,最后通过仿真算例验证了模型和算法的合理性、有效性。结果表明:模型与算法能够在满足部队需求和给定的配送资源条件下优化物资配送方案,可较好地解决多基地、多无人机的战场物资配送任务分配问题。