无人集群作战任务的多智能体强化学习卸载决策

近年来,任务卸载作为保障无人集群高效协同作战的关键技术之一,正成为研究热点。任务卸载旨在克服单平台算力不足、能量有限等约束,将计算任务卸载到边缘网络的服务器上进行处理,以达到降本增效的目的。以无人集群辅助的天地一体化协同侦察为作战场景,考虑战时复杂多变的电磁环境以及集群组网拓扑时变性,利用Lyapunov优化把长期任务卸载解耦为在线马尔可夫决策过程。为解决混合动作空间收敛难、学习效率底的问题,结合凸优化和多智能体深度确定性策略,分层求解功率分配和任务分配问题,提出数据-模型双层优化驱动的多智能体强化学习卸载决策算法。数值实验结果表明,新算法能够根据时变的战场环境自适应调整智能体任务卸载策略,达到提升传统算法性能和优化复杂多维目标的目的。     

基于改进遗传算法的无人战车跃进位置决策

针对无人战车协同进攻战斗中如何自主确定跃进位置和射击位置的问题,构建无人战车自主确定跃进位 置和射击位置决策数学模型。综合考虑战场地形环境、敌方兵力分布、跃进距离、跃进方向、友邻间火力协同等因 素,提出一种保留最优个体的自适应多种群遗传算法(genetic algorithm,GA)对模型进行求解。实验结果表明：该模 型能够实现无人战车自主确定跃进位置和射击位置的目的;提出的改进遗传算法具有全局搜索能力强、收敛速度快、 稳定性好等优点;对无人作战装备自主能力的研究和提升具有一定参考价值。     

一网打尽——无人集群时代的新攻防

针对智能时代新的无人集群作战样式,分析了传统精确制导弹药的应对困局,提出新的网弹应对方案,给出网弹反制技术的结构组成、制导与控制、关键技术和典型作战场景,并对其优缺点和更广泛的应用予以描述,对开展相关研究工作给出了建议。     

强化学习在智能无人系统决策管理中的应用

智能无人系统需要在复杂环境下快速稳定地进行决策,并具备应对非预期状态的能力。智能无人系统往往由于环境及任务复杂度高而难以实施决策管理,利用强化学习平台进行智能无人系统决策管理是很好的解决方案。针对智能无人系统所处的多样性、复杂性、高动态性和不确定性环境,利用强化学习平台进行智能无人系统决策管理,在传感器有限的情况下对环境和态势进行准确感知与决策,使智能体能够利用自学习和自适应能力快速完成决策。强化学习通过与环境的自主交互过程来学习决策策略,使得策略的长期累积奖励值最大,通过强化学习平台和仿真平台的对接来进行决策模型搭建和智能体训练,并通过对智能体输出策略的控制来实现智能无人系统的决策管理。     

多智能体技术与未来无人舰艇编队

在对多智能体技术进行简要介绍与可行性分析的基础上,提出了无人舰艇编队的构想。探讨了多智能体系统的设计方案,列举了无人舰艇编队的优缺点,在对比中看出了无人舰艇编队的显著优越性,同时也看到了这一构想的光明前景。     

无人作战系统之八 “粉碎者”:技术超前的无人战车

<正>"粉碎者(Crusher)"无人作战平台不同于急于投入现役的其他无人作战平台,它是一款旨在验证军用智能作战机器人技术的技术平台,因而在研制中敢于大胆创新,大量运用新技术将人们更多的"梦想"融入其中——     

美国X-47B无人战斗机的反导可行性及优势分析

从导弹拦截可行性、拦截弹的选择、飞机部署的可行性方面入手,对美国X-47B无人战斗机的反弹道导弹可行性进行了分析,并结合其反导技术优势对其反导作战运用方式进行了想定。     

无人集群系统协同运动规划技术综述

地面无人集群由多个地面无人移动平台构成,能够通过各无人平台间相互协同完成统一的系统协同目标,在军事和交通系统等领域能够发挥重要的作用。协同运动规划作为无人集群系统协同的关键技术之一,近年来在理论和应用等方面的研究受到越来越多的关注。针对此研究问题,归纳总结了近年来相关领域的无人集群系统协同运动规划的研究成果,阐述了无人集群协同运动规划技术的研究背景和意义,结合国内外发展现状和研究进展,对多车协同系统的应用进行了表述,并根据主流研究方法使用的框架和算法,对现有的协同运动规划技术进行分类,并讨论了各类方法的主要特点,同时对相关代表性工作进行讨论,提出了无人集群协同规划技术面临的挑战和未来发展方向。     

面向无人集群目标分配的层次化信息传播方法

实用化集群智能构建应明确个体/群体协同协作基础性关联,形成可扩展模型与方法。当前差异化场景下模型方法难以互通共融,亟待破解共性基础,实现行为一致性与互动性统一。面向集群目标分配的层次化信息传播方法,基于复杂网络信息传播、社团结构等理论,对决策与通信解耦,构建双层耦合系统模型基础,提出基本的UAU-FO*层次化状态控制方法。面向中观尺度动态群落信息交互控制,构建基于UAU-FO*的层次化信息传播方法,形成个体目标拣选与群体协作涌现间可扩展关联,实现目标信息的集群决策传播效应和自主聚合解聚。仿真结果表明,决策与通信解耦后,通过独立信息感知融合、层间控制、群组调控策略,可实现对目标的群组行为涌现,并验证了弱通联条件下该方法具备较好鲁棒性、持续作业稳定性和系统健壮性。     

基于粒子群优化算法的无人机航迹规划

提出一种基于粒子群优化算法的无人机路径规划方法,利用粒子群优化算法,将约束条件和搜索算法相结合,从而有效减小搜索空间,得到一条全局最优路径。仿真结果表明：该方法能够快速有效地完成规划任务,获得满意的三维航迹。     

量子粒子群算法的弹载SAR图像自聚焦方法

为了补偿弹载合成孔径雷达( SAR)回波数据中的相位误差,研究了一种新颖的SAR图像自聚焦算法.该方法以量子粒子群( QPSO)算法为基础,利用最小熵准则作为评判标准,通过多维搜索完成相位误差校正,改善聚焦质量以提高打击精度.同传统的相位梯度自聚焦算法(PGA)相比,该方法具有较好的鲁棒性和收敛速度快的特点,对低频高阶...     

基于微粒群算法的中制导弹道优化设计

为使拦截武器有效拦截目标,将直接多重打靶算法与微粒群算法相结合,设计了一种基于微粒群算法的中制导弹道优化算法。该算法借鉴直接多重打靶算法基本思想,将状态空间与参数空间分别进行分解与分段,并在此基础上结合中制导末端条件构建性能指标函数,将弹道优化问题转化为多目标优化问题;基于对指标函数之间依赖性的分析,在求解过程中将多目标优化分解为参数层和指标层优化两部分,采用微粒群算法对其进行分层优化求解。仿真研究表明,该优化算法能够对弹道进行有效优化。     

基于粒子群优化算法的多目标搜索算法

针对多目标优化问题在实际应用中的复杂性,提出一种采用粒子群优化算法来求解多目标优化的问题的方法。在分析了多目标优化问题的基础上,以粒子群优化算法对生产配料流程中的优化问题为例进行非劣最优解集的搜索,并将其运用于实际工程制造中的某配料选型工艺计算中。仿真结果表明:该方法有效,在工程设计选型、模式分类、神经网络训练以及系统控制等领域正得到普遍应用。     

基于纵程解析解的飞行器智能横程机动再入协同制导

针对高超声速飞行器协同饱和打击需求,提出一种基于深度Q-学习网络(DQN)算法的深度强化学习横程机动再入协同制导方法.解耦设计高超声速飞行器横纵制导方法,基于高精度的纵程解析解,解析计算纵向升阻比得到倾侧角模值.抽象横向制导倾侧反转逻辑为马尔可夫决策问题,引入强化学习思想,设计一种基于DQN算法的横向智能机动决策器,构...     

基于粒子群算法的三维固体火箭发动机药形快速优化方法

在高体积装填分数前提下,如何提高发动机的结构完整性是固体火箭发动机药形优化设计面临的主要问题.通过提出基于粒子群优化算法(PSO)的三维固体火箭发动机药形快速优化设计方法,采用MSC.Patran的二次开发工具PCL实现某三维固体火箭发动机药柱的参数化建模,在不改变体积装填分数的前提下,分别采用PSO算法和遗传算法(GA)完成该发动机药形的优化设计.结果表明,两种方法均能满足优化设计要求,但PSO算法比GA算法的计算时间缩短了42％,所提方法可快速实现固体火箭发动机药形优化设计,提高复杂三维固体火箭发动机的结构完整性能.     

一种基于化学反应优化和粒子群优化的混合型优化算法

针对现有化学反应优化算法存在的不足,提出一种基于粒子群优化算法(particle swarm optimization,PSO) 和自适应化学反应优化算法(adaptive chemical reaction optimization,ACRO)相结合的混合算法(a hybrid optimization based on ACRO and PSO,ACRO-PSO)。在ACRO 算法的领域算子基础上,融入PSO 算法的全局算子,加入权重系 数控制本地搜索和全局搜索的比例,修改分解反应合化合反应出现的时机,利用化合反应输出最优解,采用标准测 试函数对ACRO-PSO 进行性能分析。仿真结果表明,ACRO-PSO 算法能高效地解决待优化问题。     

基于混沌蚁群算法的多机协同空战火力分配

针对多机协同空战中的多目标攻击决策问题,提出了一种基于混沌蚁群算法的火力分配方法。该方法将混沌运动的遍历性、随机性和蚁群算法信息素正反馈相结合,起到了优势互补作用。根据相应数学模型进行的仿真结果表明,该方法在多机协同空战火力分配中具有较强的全局寻优能力,且收敛速度快,寻优效果好。     

一种基于粒子群优化的组卷算法

为实时分析学生在学习中存在的问题,准确评价学生在一段时间内的学习成绩,建立一种整数规则组卷的数学模型,并采用二进制编码的粒子群算法实现。通过应用该模型组成满足多个评估标准的一系列试卷,全面提高了应用大型试题库组卷的工作效率。