基于改进QGA的有/无人机编队多任务联盟生成

针对有/无人机编队作战中多约束复杂任务分配问题,提出一种改进QGA(Quantum Genetic Algorithm,QGA)的多任务联盟求解方法。首先确定任务需求、时间、平台能力等多种约束,综合考虑联盟总任务收益、耗费成本与任务时间因素,构造目标函数,建立了多任务联盟生成优化问题模型;从多分组并行演化、观测值修正、动态旋转角调整3方面对QGA算法进行改进用于问题求解;并结合实际案例进行了仿真分析,结果表明,提出的方法可以有效生成多任务联盟,解决有/无人机编队多约束复杂任务分配问题,解质量较高。     

基于DBSCAN聚类的异构多智能体分层任务分配方法

针对多约束条件下大规模探测/通信智能体集群协同探测任务分配问题,从全局与局部相结合的角度,提出了一种分层任务分配求解方法。首先,根据通信距离约束对所有任务节点进行聚类预分组,将集群任务分配问题划分为上层全局任务分配和底层局部任务分配。然后,根据聚类结果采用启发式算法求解探测/通信智能体组间全局任务分配结果。随后,根据探测智能体的全局任务分配结果,采用遗传算法对探测智能体组内任务进行分配。最后,通信智能体根据探测智能体的组内任务分配结果,采用基于虚拟节点的方法进行组内任务分配。实验结果表明,相较于直接求解方法,分层任务分配方法不仅解决了大规模集群协同任务分配问题,还可以在保证优化目标值相近的情况下,缩短70%以上的求解时间,较快得到相对最优的任务分配结果。     

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。     

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。     

“三链”视角下智能制造创新发展机制研究

“人工智能+制造业”是我国制造行业转型升级的必经之路。政策链、研发链与生产链的有机结合能够为智能制造发展创造技术条件、功能条件和价值条件。因此,从内部互动的视角探讨其对智能制造创新发展的驱动效应显得尤为必要。本文认为三种链条在并存关系中呈现“去中心化中坚持中心、独立运行中保持协同以及模糊边界中守持边界”的基本特征,三者相互纠缠、互嵌共生,深刻影响着智能制造的创新绩效。因此,建议增强政策链的协调性,提升对研发链和生产链的适切性影响;提高研发链的创造性,强化对政策链和生产链的互动力功能;改善生产链的融合性,加强对政策链和研发链的调适力作用。预计通过“三链”协同促进要素高效配置的观点将对新时代建设制造强国具有一定的参考意义。