群体智能支撑的无人机群航路规划应用综述

无人机群航路规划的主要目标是为每架无人机生成一条连接起始点和目标点并满足约束条件的可飞行路径。传统方法主要以代价地图为基础，采用动态规划与几何运算等方法解决无人机群的路径规划问题。然而，这些方法难以解决无人机群的几何、物理与时间等复杂多约束问题，而且代价地图的构建十分耗时，使得无人机群难以应对复杂多变的实际环境。近年来，群体智能技术的出现为无人机群路径规划提供了新思路，该技术不但能够解决无人机一维静态的路径优化问题，同时为多维动态路径的优化提供更加精准、快速、有效的智能解决方案。此外，机载智能硬件的飞速发展也极大提升了无人机群的通信速率与运算效率，使得无人机群具备环境适应能力强、部署灵活和多功能集成等优势。基于以上背景，阐述了无人机群航路规划的环境感知建模、适应度函数、约束条件和障碍物规避四方面内容；综述了群体智能算法原理，并分析讨论了5种群体智能算法以及其应用于无人机群航路规划的优缺点；分析和展望了群体智能算法应用于无人机群航路规划与任务协同方向的发展趋势。     

保障无人机安全通信的自主飞行3D路径规划

在无人机服务多个地面移动用户并存在一个窃听者窃听信息的安全通信场景中,为了最大化安全速率,本文提出一种新的深度强化学习算法对无人机3D轨迹进行优化,该算法名为正确轨迹深度确定性策略梯度算法（correct trajectory - deep deterministic policy gradient, CT-DDPG）。CT-DDPG算法使用多个深度神经网络与环境交互,采用修正输出层激活函数值的方式,代替传统的使用多个激活函数的方法,简化深度神经网络结构。同时对无人机的飞行轨迹进行修正,使无人机始终处于安全速率最大化的最佳位置。与其他强化学习算法相比,该算法训练时间短,执行时能实时更新无人机的位置。仿真结果表明,所提出的算法能够快速收敛,在保障无人机安全通信的情况下完成飞行任务。      

基于无人机集群智能自组网的典型协同应用

在迈向万物互联的6G时代过程中,网络服务范围逐渐扩大,网络业务量急剧增加,传统地面基站面临着无法实现偏远地区的网络全覆盖,难以支持局部地区突发的热点流量需求等挑战。在此情况下,无人机搭载存储、计算与通信等资源通过集群,利用合适的智能算法组建成高动态、可扩展、智能化的无人机集群网络作为地面基站的补充,协同完成网络服务任务。针对无人机集群为突发热点流量区域用户服务的场景,考虑无人机集群服务过程中无人机集群用户调度及路径规划、多无人机三维悬停位置部署及无人机网络智能管控架构三方面的协同应用,对各应用进行建模分析并介绍相应的智能优化算法以提高系统能量效率,所提的三方面应用以及智能优化算法为在实际场景中实现高能效的无人机集群智能自组网协同应用提供了有效参考。     

基于人工势场法的集群避障算法应用研究

针对无人机集群避障的问题,选用效率高、应用普遍的人工势场法作为避障算法, 结合一致性编队理论,采用领航者—跟随者编队算法对无人机进行编队控制。并且对于障碍物增加虚拟障碍点进行重新拟合,以优化避障路径。结合以上内容有效地解决了无人机集群的避障应用问题。     

紫外光通信协作编队无人机联盟围捕算法

编队无人机对目标无人机进行围捕是多无人机战场作战中重要且典型的任务之一，本文将无线紫外光通信技术与围捕算法结合，提出了一种紫外光通信协作编队无人机联盟围捕算法。该算法借助无线紫外光辅助无人机编队机间数据保密传输和非直视通信，将联盟生成算法与区域最小化策略进行融合，采用动态规划法对最优联盟结构进行求解，使用区域最小化策略对目标无人机实施空中围捕，完成在复杂场景中无人机编队高效围捕多目标任务。对区域最小化策略和本文提出的紫外光协作编队无人机联盟围捕算法进行了仿真对比，实验结果表明：所提出的紫外光协作编队无人机联盟围捕算法在无人机编队围捕多目标过程中平均降低了12.73%的能耗，算法迭代次数平均降低了27.49%，验证了该算法能耗少、围捕效率高的性能。     

基于MADDPG的无人机辅助通信功率分配算法

针对多无人机(unmanned aerial vehicle, UAV)作为空中基站辅助通信的吞吐量和公平性问题,提出了一种基于多智能体深度确定性策略梯度算法(multi-agent deep deterministic policy gradient algorithms, MADDPG)的功率分配算法,该算法通过联合优化UAV基站的功率分配和用户接入以提高系统吞吐量和公平性。本文首先构建了UAV基站为地面建立通信服务的三维场景,然后通过联合功率、用户关联和UAV位置约束,构建了吞吐量和公平性最大化的问题模型。考虑到该问题的复杂性,本文将所构建的优化问题建模为马尔科夫决策过程(Markov decision process, MDP),通过引入深度确定性策略梯度算法(deep deterministic policy gradient algorithm, DDPG)解决该问题。仿真结果表明,本文提出的基于MADDPG的UAV基站功率分配算法与其他算法相比,可以有效地提升系统的吞吐量和用户的公平性,提高通信的服务质量。     

基于深度强化学习的无人机间通信链路智能决策

由于无人机组网灵活、快速、低成本的特性,空中基站被视为在未来无线通信中有前景的技术。无人机集群可以通过相互协调和合作,完成的复杂任务,具有重大的研究和实用价值,而无人机间的高效通信是当下面临的重大挑战。为了在满足无人机间通信速率的前提下,尽可能节省发射功率,本文提出基于深度强化学习的集群方案和功率控制的智能决策算法。首先,本文设计了三种无人机集群方案,以对地面用户提供无缝的无线覆盖;然后,本文提出了基于深度Q网络（Deep Q-network）算法的集群方案和功率控制决策算法,用深度神经网络输出不同条件下联合决策的无人机集群方案和发射功率,并研究了重要性采样技术,提高训练效率。仿真结果表明,本文提出的深度强化学习算法能够正确决策无人机集群方案和发射功率,与不带强化学习的深度学习（Deep Learning Without Reinforcement Learning, DL-WO-RL）算法相比,用更低的发射功率满足无人机之间的通信速率要求,并且重要性采样技术能够缩短DQN算法的收敛时间。      

无人机集群联合拓扑控制的智能路由规划方法

针对现有无人机集群路由协议拓扑适变能力弱,易产生包重传、能量空洞和高时延,严重恶化了数据路由性能的问题,针对无人机集群中集群拓扑与路由的耦合特性,提出了一种联合拓扑控制的智能路由规划（IRPJTC）方法。该方法由基于虚拟力的自适应拓扑控制（VFATC）和基于近端策略优化的地理路由规划（PPO-GRP）组成。其中,VFATC使各无人机根据邻居运动状态信息自适应调整与邻居的距离,保证集群中链路的稳定连接;进一步,PPO-GRP引入VFATC中的链路稳定性指标,并结合端到端时延与能耗指标,设计多目标奖励函数,采用深度强化学习中的近端策略优化算法训练路由策略。仿真实验结果表明,IRPJTC相比于现有路由方法,能在保证分组传输成功率的同时,使端到端时延降低12.11%,无人机集群能耗降低4.56%,且具备更强的能耗均衡能力。     

基于信干噪比的无人机集群分布式编队控制算法

编队控制和组网通信是无人机集群保持队形稳定和执行协同任务的前提条件。现有的编队控制算法侧重于队形控制,往往对无人机之间的通信因素考虑较少。针对无人机集群组网编队问题,设计了基于信干噪比(Signal to Interference plus Noise Ratio,SINR)的分布式编队控制算法。该算法兼顾接入覆盖与网络连通性要求,以SINR为参考构建虚拟作用力,能够使无人机以分布式控制的方式自主移动到通信质量更优的位置并维持稳定的拓扑结构。仿真结果表明,该算法可以适用于不同场景,能够在保证网络连通稳定的前提下优化目标区域用户的通信质量,并且具有较高的接入覆盖率和编队稳定性。     

基于深度强化学习的无人机集群协同信息筛选方法研究

针对未知复杂环境下无人机集群协同定位导航中算法计算量过大的问题,提出了两种基于深度强化学习的无人机集群协同信息筛选方法,将多无人机定位问题映射为部分可观的马尔可夫决策过程(POMDP),通过克拉美罗下界(CRLB)设置的精度阈值,使用最少协同信息满足所有无人机的定位精度要求.仿真结果表明,同无筛选情形相比,基于深度强化学习的筛选策略可以在不牺牲定位精度的同时,有效提高协同定位算法的实时性,解决协同信息冗余问题,显著提高了协同定位算法的执行效率.     

The Analysis of Continuous Particle Swarm Optimization Algorithm's Mean Square Convergence

粒子群优化算法是基于生物群体内个体间的合作与竞争等复杂行为产生的群体智能优化算法,已有的理论分析多在确定性的情况下进行算法收敛性分析.本文基于随机系统的矩方程法分析了连续型粒子群优化算法的均方收敛性,并给出了能够保证算法均方收敛域,最后通过仿真实验分析验证了相关结论.     

连续型粒子群优化算法的均方收敛性分析

粒子群优化算法是基于生物群体内个体间的合作与竞争等复杂行为产生的群体智能优化算法,已有的理论分析多在确定性的情况下进行算法收敛性分析.本文基于随机系统的矩方程法分析了连续型粒子群优化算法的均方收敛性,并给出了能够保证算法均方收敛域,最后通过仿真实验分析验证了相关结论.     

基于改进人工蜂群算法的云制造服务组合优化方法

为提高云制造服务组合的流程寻优质量、效率和稳定性，提出一种基于改进人工蜂群算法的云制造服务组合优化方法。首先，建立了云制造服务组合场景下的3种服务协同质量计算方法；然后，构建了一种融合服务协同质量的云制造服务组合优化模型；最后，设计了一种具有多搜索策略岛屿模型的人工蜂群算法，实现最优云制造服务组合流程的求解。实验结果表明，所提算法在组合流程的寻优质量、效率和稳定性方面均优于当前流行的人工蜂群改进算法和其他群智能算法。     

挺进深蓝:从单体仿生到群体智能

近年来,群体智能作为一项多学科融合的新技术在各领域的研究成果斐然,例如共享出行、蜂群无人机系统、水下多智能体平台等,但与水下场景结合的群体智能技术缺乏系统的归纳,有必要对水下群体智能技术的发展现状和趋势进行讨论和分析.本文对群体智能理论进行了详尽的分析,给出了群体智能的完整概念、具体算法以及应用领域.文中指出,为解决海洋复杂环境对探测、通信等造成的一系列困难,需要将群体智能技术应用于水下场景.本文就国内外水下群体智能技术的研究现状进行了总结,对水下群体智能存在的环境复杂、通信受限、信息获取困难、系统能力不足以及能量供应受限的难点进行了评述.针对这些难点,本文对结合群体智能理论的时变环境感知技术、传感网络设计、协同导航定位技术、路径规划技术、水下编队控制以及分布式自主决策技术进行了分析,并在文末给出水下群体智能技术未来在跨域通信、多平台异构、自主作业能力革新方面的发展趋势和展望.     

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。     

基于一致性理论的四旋翼无人机分布式编队控制方法

介绍了图论和群体系统一致性的相关理论,提出一种分布式四旋翼无人机编队控制方法,将四旋翼无人机描述为二阶积分器动力系统,采用相对位置偏差描述编队队形;根据四旋翼无人机之间通信拓扑关系将四旋翼无人机编队建模为图,探索了领航跟随法和基于图论法的融合策略,给出一种有领航者的二阶一致性算法。在该算法下,编队可以完成编队集结和编队机动等行为,最后通过仿真实验验证了该方法的有效性。     

搜索打击任务的多无人机编队的研究与优化

无人机探测范围和携带的可消耗载荷有限, 因此, 当被侦测的目标需要不同种类和不同数量的载荷才能被完全摧毁时, 就需要一组无人机形成编队来打击目标。提出一种针对搜索打击任务的多无人机编队方法, 该算法通过两个阶段来确保打击目标的时延最短和编队规模最小。同时, 给出了3种不同的搜索策略: 随机搜索、多车道搜索、网格搜索, 进一步优化算法。最后, 利用Monte-Carlo方法仿真实现了编队算法并分析了3种搜索策略的性能。     

无人机集群编队控制算法实现

无人机的编队控制是无人机集群协同作业的关键技术。从工程实践的角度出发,比较了各种编队控制方法的优劣后采用领航—跟随法进行无人机的编队控制;选择比例—积分—微分控制器作为领航—跟随法的基础,以软件仿真的形式实现算法,使用不同的编队队形对领航— 跟随法进行了验证,实验结果表明该算法在队形保持控制上的可用性和稳定性。     

几种常规群体智能算法的研究

本文主要就智能优化算法展开了相关的研究工作,重点探讨了几种较为传统的典型算法,其主要就包括了蚁群算法、人工鱼群算法、蜂群算法以及粒子群算法,但是伴随着现实生活的快速发展,人们所需计算处理的数据量越来越大,在应对日渐繁杂的优化问题时,这些早期传统算法显然已经无法满足人们的实际需要,因此粒子群优化算法、细菌觅食算法以及自适应菌群约束优化算法等混合群体智能算法也便逐渐出现在了人们的视野当中,文章就此展开了深入的研究工作,希望能够为相关的智能算法应用提供一些参考.     

无人机遂行纯方位无源定位的建模研究

如今,无人机被广泛应用于辅助导航技术,且通常由多架无人机通过编队协同完成。为提升无人机编队飞行的效果,无人机遂行编队飞行的纯方位无源定位是当前的主流做法。文章基于最佳控制模型(FHOCP)与决策算法,快速有效地完成锥形编队中无人机的位置判断,通过设计最优调整方案,对问题进行求解与分析。文章设计的模型和算法对日常场景的无人机编队飞行具有较好的实用性。