多智能体系统设计的关键技术研究

关于Agent理论和多Agent系统的研究是近年来分布式人工智能领域的研究热点,阐述了多智能体系统的特点及设计多智能体系统需考虑的基本问题。着重讨论了多智能体系统体系结构、Agent结构、同构型Agent与异构型A-gent、多智能体系统规划、Agent学习、多智能体系统之间的通信和相互协作等问题。     

无人机一站多机数据链技术

面向多无人机协同作战应用需求,在分析国内外一站多机技术体制的基础上,提出了一种基于数字多波束天线的一站多机数据链系统。系统中地面站作为地基无线路由器,单个波束构成的链路可以装载不同的波形及协议,实现多无人机协同工作,显著提高无人机的使用效能。分析了一站多机数据链系统军事需求并给出了系统的设备组成,重点从测控通信链路的角度分析了数字多波束天线、动态随机接入、链路动态重构、多无人机协同实时任务规划、网络协议体系等关键技术。相关内容可供无人机一站多机数据链系统顶层设计参考。     

多模态网络下多智能体协同控制的通信拓扑重构方法

随着任务目标和工作环境越来越复杂多变,考虑单边网络环境下单个多智能体系统协同控制的局限性,研究面向多模态网络下多智能体协同控制的通信拓扑重构方法。首先,在多模态网络环境下基于多智能体系统构建多边化分布式协同控制框架。其次,针对组网后多个具有不同功能的多智能体系统,提出一个通信拓扑重构方法,并设计一个分布式控制协议,使其实现多一致性。最后,通过仿真算例来验证所提方法可以在多模态网络下完成多智能体协同控制的通信拓扑重构。     

基于K-臂赌博机的多无人机空地网络动态资源分配方法

针对配置大规模MIMO的多无人机空地网络中的动态资源分配问题,从最大化系统吞吐量的角度出发,该文提出一种基于K-臂赌博机的强化学习算法联合优化多个无人机的用户选择与功率分配策略。首先根据地理位置对用户进行分簇,利用簇中心节点规划无人机飞行路径;其次在不考虑无人机之间端到端通信的情况下,将多无人机资源分配问题转化为相互独立的多个智能体强化学习问题;最后提出分幕式多智能体多状态K-臂赌博机算法来实现用户选择与功率分配的联合优化。通过将无人机每个时刻的位置索引定义为状态空间,从而使得无人机可动态适配自身位置及信道的动态变化。仿真结果表明,所提方案可根据环境状态变化自主智能调整资源分配策略,相比于已有方案能有效提升系统总吞吐量。     

无人机协同作战仿真系统构建与模型校验

为适应快速作战战场环境、提高短时作战效率,充分发挥无人机在战场上的应用价值,构建基于HLA/RTI标准体系结构的无人机协同作战仿真系统。通过仿真模型校验,验证无人机协同作战系统的完备性、合理性、正确性。     

RoboCup中Agent理论与结构研究

为了解决复杂问题出现了分布式人工智能,多个智能体的协作正好符合分布式人工智能的要求,因此出现了多智能体系统。多智能体系统是当前人工智能研究的热点问题之一。足球机器人系统是典型的多智能体系统,为多智能体系统的研究提供了标准的实验平台。在介绍智能体的基本定义、理论模型的基础上,设计了RoboCup比赛中的智能体的体系结构。     

多无人机任务集结合作博弈优化自组织协同控制

基于一致性理论的多无人机系统自组织协同作战是未来无人机应对突发任务的重要方式,任务集结是协同作战的首要行动和自组织协同控制的重要内容。为优化集结行动中系统任务状态协调过程能量最优性、协同控制动态响应性和集结行动时效性3个性能指标,采用基于快速一致性控制算法的协同控制结构,在合作博弈框架下给出多无人机系统自组织协同与优化控制问题描述,建立了优化控制输入的Pareto解集,采用Nash讨价还价方法给出基本合作博弈优化一致性控制算法。在基本算法中引入过去状态差值,并以优化目标构建适应度函数,采用遗传算法优化代价函数的加权矩阵,得到改进合作博弈优化一致性控制算法。理论分析和仿真实验验证了方法的可行性和有效性。     

多机协同作战任务决策方法多智能体结构框架

多机协同攻击能够充分利用各个飞机的作战资源和空间占位,是未来空战的主要模式。为了描述多架飞机协同作战过程中的信息组织形式和传递流程,基于多智能体的行为特征和构造方式,从飞机编队和飞机平台两个层面建立了多智能体结构框架。由编队中的各架飞机为智能体组成第一层多智能体,由每架飞机内部的各个功能模块为智能体组成第二层多智能体结构。以编队层多智能体和长机内部的决策功能智能体为例,介绍了多智能体数学模型的设计细节。依据所建立的多智能体结构框架和数学模型,以编队层为例,描述了多机协同作战任务决策方法的信息流程。研究表明,以飞机编队和飞机平台两个层面多智能体结构框架描述多机协同作战过程是恰当的。     

有人机/无人机协同概念及相关技术

针对有人机/无人机协同作战概念和若干技术问题展开研究。首先从协同对象、协同层次、协同阶段、任务类型等四个方面分析了有人机/无人机协同概念,然后对协同控制系统研制涉及的通用开放式架构、机间智能通信网络、有人机/无人机协同控制、多传感器协同信息处理等技术进行了探讨,最后提出了发展建议,期望为后续研究提供一定的参考。     

多传感器组网技术研究

多传感器组网探测技术是现代舰艇中一个高度复杂而重要的问题。复杂多元的战场信息环境和联合指挥控制一体化要求舰艇作战系统能够很好地利用多传感器技术。雷达、声纳和舰外数据等数据探测和作战融合技术在分布式和并行式的的作战系统中得到了越来越多的应用。在分析作战系统协同作战的主要内容和需求的基础上,对舰船多传感器组网技术的组成和信息实现处理进行了比较研究,分析了舰船多传感器数据处理的方法,为军种间协同作战数据处理的解决提供了新的研究思路。     

多智能体作战飞机协同空战指挥控制的若干技术问题

针对多机协同空战指挥控制决策的自主性和协调性需求,对多智能体技术应用于协同空战指挥控制的若干技术问题进行研究.提出基于集中一分散式多智能体协同空战指挥控制协同的结构框架;对经典的BDI-智能体进行扩展,提出基于BDOTI结构的机载空战指挥决策思维逻辑框架;建立面向结构的编队组织结构,应用进程演算对编队攻击行为进行协调.     

基于多目标MSQPSO算法的UAVS协同任务分配

针对无人机系统协同作战过程中存在多任务类型时序约束以及单目标优化决策欠佳问题,提出了一种利用多策略融合量子粒子群算法进行多目标优化的解决方法.在建立任务分配模型过程中,考虑不同类型任务的时序约束和多无人机协同约束,并抽象出无人机执行不同类型任务的能力,使模型更加符合实际作战情况.利用佳点集构造理论、变尺度混沌因子、量子变异操作与动态惯性权重对量子粒子群算法（Quantum Particle Swarm Optimization,QPSO）进行改进.最后通过采取多目标优化决策来选取相应的分配方案,仿真结果验证了所提算法的有效性与优越性.     

基于分布式计算的多机协同空战目标分配算法

针对多机协同空战中目标分配的实时性和复杂性问题,提出一种基于分布式计算的协同空战目标分配算法。该算法参考空中作战常见的三级指挥体制,构建了相应的分层任务分解结构和多智能体(MAS)目标分配模型,将传统的集中控制、集中优化问题分布到多个作战控制单元进行计算,从而提高优化的性能。而且根据空战指挥决策的特点,算法还可将目标优化分配准则镶入智能体(Agent)决策的过程中,使分配结果更能充分考虑空中作战的实际需求。最后就一个典型多编队多目标的空战实例进行了仿真验证,证明了方法的有效性,并对该方法在提高空战效率和分配实时性的优势进行了分析。     

有人/无人机混合编队协同任务分配方法

任务分配方法是任务控制过程的重要组成部分,是协同作战指挥决策的关键。本文在多无人机协同任务分配的基础上,分析了有人/无人机编队协同作战的突出特点,着重研究飞行员工作状态对参与任务分配的各无人机作战效能的影响,建立了基于飞行时间和工作负载的飞行员工作状态评价模型,并对传统无人机作战效能函数的数学模型进行改进,提出了有人机飞行员工作状态影响下的无人机效能评估模型。针对有人/无人机混合编队协同作战想定,进行了仿真计算。仿真结果表明：飞行员工作状态会对无人机的任务效能和编队的任务分配结果产生显著影响, 同时说明在有人/无人机混合编队的效能评估和任务分配过程中,飞行员的工作状态影响是不可忽略的因素。     

作战飞机网络化综合态势感知

从态势、态势感知的定义出发,明确了态势感知与信息融合之间的关系。在此基础上,结合基于编队协同作战的飞行员目标模型,提出作战飞机网络化综合态势感知的概念。详细分析了作战飞机网络化综合态势感知涉及的传感器资源管理、传感器协同、基础设施建设等关键技术,并针对关键技术提出了发展作战飞机网络化综合态势感知的思考与建议,对协同作战系统架构设计、方案选择具有重要意义。     

基于改进鲸鱼算法的多无人机协同欺骗干扰技术

多机协同对组网雷达系统进行航迹欺骗干扰属于大规模优化问题,往往需要利用群体智能算法优化无人机的飞行任务,然而采用传统群体智能算法优化时往往会出现收敛速度慢、求解精度低等问题。针对这一问题,对标准鲸鱼优化算法进行了改进,提出了一种基于改进鲸鱼优化算法的多无人机协同欺骗干扰技术。首先建立了多无人机协同欺骗干扰组网雷达的数学模型以及对应的优化函数,然后在标准鲸鱼优化算法的基础上引入了自适应惯性权值,提高了算法的全局搜索能力和收敛速度。仿真实验表明,固定无人机数量为9架时,利用改进鲸鱼、标准鲸鱼、粒子群、蚁群4种算法分别优化多机协同欺骗干扰模型,得出改进鲸鱼优化算法平均运行时间最短,迭代次数最少,同时优化产生的实际航迹与理论值误差最小;逐步增加无人机数量至20架,利用上述四种算法进行模型求解时得出改进鲸鱼优化算法在不同无人机架数的条件下产生的假目标航迹条数均优于其他3种算法。     

AWACS／UAV 协同目标识别技术研究

有人机／无人机协同作战可以极大提高作战效能。提出了基于D‐S证据理论进行目标识别的机载预警与控制系统（AWACS）／无人机（UAV）协同作战样式。仿真结果表明,AWACS／UAV协同目标识别可以提高识别率,为目标定位、瞄准、精确打击提供有力依据。     

基于多Agent的无人机自主飞行控制系统研究

提出一种分层递阶多Agent控制结构,在此控制结构的基础上设计出一种无人机自主飞行控制系统。重点对系统中的任务规划Agent和姿态控制Agent进行研究,分别实现了对任务规划Agent的结构建模和姿态控制Agent的内部控制律设计,最后在JADE平台上仿真实现了无人机的姿态角控制。实验结果表明,在多Agent系统与先进控制方法交叉、融合的基础上,设计出的自主飞行控制系统具有很好的控制效果和很高的智能能力,非常适合无人机自主飞行控制设计。     

有人机控制无人机群空战多目标分配

针对集中式体系结构下的有人机-无人机群协同空战多目标分配问题,把目标威胁分为固有属性和动态属性两部分,分别建立了目标威胁系数层次结构模型和优势函数模型;根据空战态势的不同,提出了3种效率指标,建立了相应的代价函数;针对3种代价函数,运用离散粒子群算法进行了数值仿真研究,仿真结果表明所用的算法具有良好的收敛性,适合解算文...     

协同空战中基于任务分解的任务协调机制研究

协同空战任务决策的一个关键是编队内部的协调。基于复杂系统的一般求解方法,结合人工智能领域的MAS技术,提出了一种任务协调的分步实现方法。首先,就复杂的协同作战任务提出了一种分级分解思想,通过6级分解,将一项复杂作战任务分解为单个作战Agent的阶段性战术级任务,实现了协同作战任务的细化和量化,为各Agent协同完成复杂任务奠定了基础。在任务分解的基础上,建立了多Agent任务协调的数学模型,在合同网协议的基础上,提出了一种基于市场行为的编队内部的任务的动态协调机制。各作战Agent通过市场协议动态地选择适合自己的作战任务(包括协作性的和非协作性的),以编队总体效用最大化为目标,高效地实现了任务的动态、分布式的分配。仿真结果表明,提出的基于任务分解的协同任务协调机制效果较好,对作战任务决策起到了基础性的作用。