无人机空对地多目标攻击的满意分配决策技术

任务分配是多无人机协同控制的重要内容。建立了多机协同多目标攻击排序的数学模型、并提出基于满意决策的攻击分配算法, 根据参与目标分配的每架无人机完成任务的预估效益和预估代价提出满意集, 建立拒绝函数和选择函数从而获得满意分配结果, 最后在Matlab环境下进行了数值仿真。仿真结果表明, 所研究的基于满意决策的多无人机协同攻击的目标分配方法是有效的。     

基于合作博弈的多无人机任务研究

针对多无人机合作博弈问题,对多无人机任务策略进行研究。通过考虑合作联盟的目标价值指标函数和代价指标函数,建立多无人机合作联盟博弈模型,给出一种合作博弈的求解方法,最终得到多无人机最优联盟策略。仿真结果表明,该方法具有很好的可行性和有效性。     

有人/无人机编队打击时敏目标任务分配

针对有人/无人机编队协同打击地面时敏目标的任务分配问题,利用有人/无人机编队系统总体框架和时敏特性函数,构建有人/无人机编队协同打击地面时敏目标的任务分配模型。采用改进的遗传算法,通过引入矩阵型编码提升任务效率,通过引入针对死锁问题的解码方法来解决任务分配的时序问题,最后运用该算法进行了仿真计算。结果表明该算法具有良好的任务分配效率。     

多无人机协同多任务分配研究

对多无人机协同多任务分配优化问题的目标函数构建进行研究。多无人机协同多任务分配模型的两个主要目标函数(无人机团队总飞行航程最小化和执行完所有任务时间最小化)都有各自的局限性,且两个指标函数存在利益冲突。通过为两个指标函数分配权重,建立融合两个指标函数的新指标函数,采用离散粒子群算法对协同多任务分配模型进行求解。通过调节权重的大小,可以适应不同的战场环境,使得两个指标函数都得到优化。仿真结果验证了所提方法的有效性。     

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...     

考虑时间窗约束的多无人机任务分配

针对异构多无人机执行侦察、攻击等多任务时的分配问题,提出带有时间窗的基于共识的捆绑算法(WCBBA),该算法解决了基于任务时间窗以及无人机载弹限制约束条件下的多无人机任务分配问题。首先,基于约束条件建立了异构多无人机任务分配模型,设计了任务收益函数以及由于飞行距离所产生的折扣函数;其次,利用算法对多无人机执行侦察、攻击任务的分配模型进行求解。仿真结果表明,算法能够成功、高效地解决任务分配过程中的冲突问题,完成最优化的任务分配,对多任务条件下的异构多无人机协同作战任务分解具有一定的理论意义和实用价值。     

基于重叠联盟博弈的无人机侦察时间资源分配优化

在利用多无人机进行多目标侦察时,需要进行合理的任务分配。优化无人机资源与任务重要程度之间的关系,才能充分发挥多无人机侦察的优势。为了实现多无人机协同侦察时的时间资源分配优化,首先根据任务点和无人机的位置分布情况对多无人机进行预分配,然后对预分配后的空闲无人机进行协同时间资源优化。将空闲无人机协同时间资源分配问题建模为重叠联盟博弈模型,通过对所构建模型的求解,得出多无人机的协同侦察时间资源分配方案。仿真结果表明,优化时间资源后侦察系统的收益得到了提升。     

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.     

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。     

基于AMPSO算法的无人机任务分配问题研究

针对多无人机多目标任务分配问题,用一种改进的自适应变权重粒子群优化(AMPSO)算法寻找最优分配方案。涉及联盟组建的任务分配问题较为复杂,目前尚不能有效获得最优解。用分配优先权机制处理联盟成员剩余资源不确定的问题,并建立种群粒子和任务分配方案间的映射关系。通过仿真验证,用AMPSO算法可以快速获得多机多目标最优任务分配方案。     

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。     

有人机/无人机编队协同攻击任务分配方法研究

任务分配方法直接决定协同作战效果。针对有人机/无人机编队协同空战的任务分配问题进行研究,给出时序约束下的任务分解方法,采用改进的合同网协议建立任务分配模型,通过引入熟人库来提高任务分配的效率,通过引入任务有效性和黑板机制来实现对时序任务的处理,最后对任务分配算法进行仿真。结果表明任务分配方法是可行的。     

无人机集群打击海面目标指定时间协同控制方法

针对无人机集群打击海面运动目标的时空协同问题,提出了一种指定时间协同控制方法。将每架无人机与其邻居之间的相对运动转化为含指定末端时刻的最优跟踪器,针对打击构型生成、打击构型保持两个含指定时间参数的控制目标,分别设计了不同的二次代价函数,通过龙格库塔法求解控制律,可以驱动无人机集群在指定时刻精准地生成打击构型,实现同时打击,并在后续指定时段内保持打击构型,实现持续打击。仿真实验结果证明,无人机集群可在指定时刻生成期望的编队构型并保持期望构型,对运动目标实现跟踪。     

预警探测中的多传感器多目标分配

针对多传感器多目标分配中传感器对目标的配对函数难以确定的问题,结合预警探测作战场景,提出传感器对目标的配对能力由传感器间的协同系数、“信息价值”函数和“信息代价”函数3部分共同决定,通过对传感器探测能力及现有目标信息的分析比较,计算出了传感器对目标的配对能力值,并以传感器对目标分配的综合效能最大为目标函数,构建了适用于预警探测的分配模型。仿真结果表明,所提方法合理、有效,分配方案简单、可行。     

多UAV集结任务的分布式协同与优化控制

基于一致性理论的多无人机分布式协同控制已广泛运用于无人机作战中, 通过一致性控制算法实现状态一致完成协同需求。建立了集结问题的数学模型, 基于协调变量和协调函数的分解策略进行求解。为实现协同控制的最优性, 改进了平均一致性控制算法, 采用Hamilton-Jacobi-Bellman方程给出基本优化一致性控制算法。在控制算法中引入过去状态差值, 提高控制算法的动态响应性和能量最优性; 同时采用遗传算法优化代价函数的加权矩阵, 进一步提高控制算法的动态响应性和能量最优性, 缩短了任务执行时间。理论分析和仿真实验验证了方法的有效性和可行性。     

多无人机协同任务规划

为解决多无人机协同规划军事目标打击的问题,基于多旅行商（TSP）数字规划理论进行路径和时间的优化。文中建立了多旅行商（TSP）数字规划模型,并根据任务性能和区域划分理论,利用退火算法求解出该模型的最优解。使用A*路径规划算法,通过编程仿真规划出了无人机的时间最优路径。结果表明,该方法较好地解决了当前无人机协同作战的目标分配问题,大幅提高了无人机协同作战的能力。     

群无人机自组织资源分配方法研究

群无人机通过自组织能够完成复杂的任务,相比于单架无人机具有良好的鲁棒性、适应性、可靠性。资源分配的目的是提高群无人机侦察与攻击的效能。针对异构无人机资源分配问题,首先建立任务的能力函数,然后利用雅可比矩阵建立分配方案与能力函数的关系,最后根据能力函数的理想值来驱动无人机完成最优分配,同时解决了异构无人机的性能约束问题。仿真结果证明算法的有效性。     

动态环境下的多UCAV协同任务分配研究

战场环境的动态性和不确定性以及协同控制的复杂性,使得预先制定的无人作战飞机任务分配方案不能满足动态战场环境中的实时性要求。考虑到无人作战飞机的差异、目标的差异及战场态势对目标分配的影响,建立了多无人作战飞机协同目标分配问题的数学模型。针对多无人作战飞机协同控制中的动态任务分配问题,提出一种改进的混合重分配策略,从任务层次上解决了多无人作战飞机的动态任务分配问题,在此基础上提出了混合细菌觅食算法,并用该算法在动态环境中为无人作战飞机进行合理的任务分配,通过仿真实验和分析表明混合重分配策略和混合细菌觅食算法的有效性。     

基于匈牙利融合遗传算法的多无人机不平衡目标分配

基于无人机和目标之间的态势,研究不平衡目标任务分配建模和求解问题。首先,分析空战战场下无人机和目标之间的态势,提出一种某时刻的态势评估方法,建立多无人机不平衡目标分配模型;然后,用匈牙利遗传算法的目标分配算法求解该模型;最后,构建仿真算例进行仿真实验。仿真结果验证了所提算法的有效性,同时也表明了匈牙利遗传算法能够提升模型的求解效率。     

基于Q学习算术优化算法的无人机三维航迹规划

针对传统方法求解无人机三维航迹规划易导致规划代价高、精度差和容易陷入局部最优的不足,提出基于Q学习算术优化算法的无人机三维航迹规划算法。为了提升算术优化算法的寻优精度,引入Circle混沌映射提高初始种群多样性和分布均匀性,引入Q学习根据个体状态自适应调整数学优化加速函数更新,均衡算法全局搜索与局部开发,设计最优解邻域扰动优化全局搜索能力。通过建立无人机三维航迹规划模型,将航迹规划转化为多目标函数优化问题,并利用改进算法求解无人机三维航迹规划,以综合考虑航迹代价、地形代价和边界代价的目标函数评估粒子适应度,对航迹规划迭代寻优。仿真实验结果表明,所提算法规划的航迹具有更低的总代价和适应不同复杂地形环境的稳定性。