基于改进粒子群算法的多UCAV任务分配仿真研究

针对多无人作战飞机(UCAV)协同任务分配问题,提出了一种基于改进粒子群算法的任务分配方法.分析了影响任务分配的关键战技指标,考虑单架UCAV任务载荷限制的情况,建立了对地攻击任务背景下多UCAV协同任务分配模型.采用连续粒子群算法对问题进行求解,建立离散问题空间与连续粒子运动空间映射,通过位置饱和策略及买卖合同机制有效地解决多约束条件下粒于寻优.最后通过仿真实验,对模型和算法的有效性进行了验证.     

基于差分进化算法的异构多无人机任务分配

针对不同类型无人机协同完成对目标的侦察、打击以及毁伤评估的任务分配问题,在充分考虑不同UAV执行任务方式差异的基础上,建立了更加贴近实际的异构多UAV任务分配模型.采用任务分层解耦的方法降低模型求解难度,并提出一种基于种群灾变的自适应差分进化算法求解该模型.仿真实验表明,该算法具有收敛速度快,寻优能力强等优点,能够有效的完成异构多UAV的协同任务分配.     

一种具备协作机制的市场化无人战斗机任务分配方法

当多无人战斗机编队需要对多个目标的敌方阵地进行攻击时,如何在有限的无人战斗机中选择最优的任务分配方案是UCAV编队能够有效完成任务的关键.首先提出了的方案优劣判定定理,然后将目标看作优化对象,根据UCAV的数目和目标的数目之间的差别制定了相应的任务分配策略.其次,基于相应的任务分配策略提出了具备合作机制的市场化的任务分配方法.该方法通过市场上买卖的方法和优化目标之间的相互协作,可以求出满足帕累托优化条件的最优任务分配方案.最后将本方法和基于粒子群的任务分配方法进行了对比分析并且进行了仿真验证.仿真结果表明使用本方法可以消除使用粒子群算法给帕累托最优方案的求解带来的不确定性.在局部代价和收益发生变化时,通过局部协调就可以获得最佳任务分配方案.     

基于粒子群优化的无人战斗机编队任务协调方法研究

执行任务时多无人机之间的任务协调是保证无人机具备协同工作能力并且顺利完成任务的关键.将无人战斗机编队的协调过程看成一种动态的任务分配过程,建立任务协调模型,分析任务协调问题的粒子初始化和寻优方法,编写基于粒子群优化算法的任务协调问题程序.对粒子群优化算法参数对任务协调方案的影响进行了仿真验证,结果表明此方法得出的方案合理有效可以满足无人战斗机任务协调问题的要求.     

有人机/无人机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,是编队协同作战指挥策略的关键。以合同网协议(contract net protocol, CNP)和多智能体系统（multi-agent system, MAS）理论为基础,建立了有人机/无人机编队MAS结构和基于投标过程的任务分配模型,将任务优先权引入任务分配模型中,可以实现预先任务分配和执行过程中动态任务分配,保证动态环境下编队整体分配效能较优。针对作战想定进行了仿真计算,结果表明,基于CNP和MAS理论的有人机/无人机编队协同任务分配策略具有良好的预先任务分配和实时任务分配效果,能够满足编队作战任务的需要。     

风险型多任务众包项目任务分配模型及应用

现有众包项目任务分配研究主要集中于单一任务以重复分配策略获取较高质量,问题相对简单。现实中项目任务需要进一步分解以降低其复杂性,再将分解后较简单的项目子任务发包给能力较强的众包者,并需要站在整个任务网络角度建立起优化模型来求解任务分配问题。本文在考虑众包工人的能力风险下,将承包者能力风险及其带来的成本纳入模型,建立了以项目工期最小化、成本最低以及承包任务人数最少为目标的多目标任务分配模型,并提出了求解优化模型的启发式算法。研究表明目标的优先级不同以及是否考虑承包者能力风险结果有较大不同,能力风险成本将增加项目总体成本,具体实例验证了该算法的有效性和优越性,本研究对众包平台任务匹配服务有一定的赋能价值。     

信息系统培训成本与咨询成本决策优化

许多组织每年投入大量资金于信息技术和信息系统,而咨询成本和培训成本构成了IT项目成本的关键部分.从组织学习的角度而言,培训和咨询是有效的个体和组织学习方式,是实现知识转移的关键途径,是IT项目的关键成功因素.使用指数学习曲线,探讨了信息系统实施成本优化问题,研究了组织计划实施信息系统时面临咨询成本和培训成本两难冲突时的3类决策情景,提出了适用于3类决策情景下的决策模型,并用Lingo 8.0对算例进行了详细演算.研究表明,受学习率和初始绩效水平等因素的影响,组织对项目团队的培训周期并非越长越好,培训周期与实施周期存在一个最优组合,使信息系统项目总体的培训成本和咨询成本达到最优.     

基于细菌觅食算法的多异构无人机任务规划

针对多无人机任务规划问题, 以细菌觅食算法为基础, 融合遗传算法的交叉变异操作, 进行任务分配。为了提高算法的收敛能力, 动态自适应调节算法的游动步长、繁殖次数和迁徙概率。基于Lyapunov导航向量场和避障向量场构建融合向量场, 模拟真实静态和动态障碍物环境, 在任务分配阶段完成航迹规划; 基于合同网拍卖算法, 进行无人机坠毁后的任务重分配。仿真结果显示, 改进算法满足任务规划需求, 在考虑静态和动态障碍物的环境下, 能够高效的完成多异构无人机的任务分配以及重分配且总代价最小。     

双智能体协作学习的众包物流任务分配模型

线上线下融合的新零售模式提高了对最后一公里配送的运输要求,众包物流作为新的物流运输模式,在最后一公里配送中扮演了重要角色.通过合理的任务分配方式来提升众包司机与任务之间的匹配效率,成为提升平台运营能力的重要手段.本文以最小化众包司机运输成本为目标,基于深度强化学习提出了一种双智能体协作学习的众包物流任务分配模型.在强化学习的框架下,司机选派智能体学习从司机池中选派一位合适的众包司机,随后任务分配智能体学习从任务池中选择一项任务进行分配.本文通过数值实验验证了所提方法的有效性.相较于单智能体方法和传统启发式算法,该方法可以得到更好的任务分配结果,同时较短的计算时间能够满足众包物流平台线上运行的需求.     

多目标攻击条件下的作战任务分配模型研究

作战任务分配是现代多用途战斗机火控系统的核心,也是任务管理系统中的关键性的问题.首先运用信息熵方法,结合主客观两方面的因素对多目标攻击条件下的任务进行优先权分析,然后建立起传感器作用于任务的效能矩阵,在此基础上运用蚁群算法来确定任务最优分配方案.仿真实例表明该任务分配模型对于多目标攻击条件下的任务分配具有一定的可行性和实用性.     

基于强化学习的多机协同传感器管理

网络化战争中,机载雷达在实现对目标信息持续获取的同时保证载机安全生存是亟待解决的问题。对此,以多机协同作战安全转场任务为背景,提出基于深度强化学习算法的智能传感器管理方法。首先,综合考虑信号辐射量与目标威胁因素,计算目标运动过程中的实时威胁隶属度。其次,在强化学习框架下对雷达-目标分派问题建模,利用神经网络逼近动作-值函数,并根据时序差分算法进行参数更新。仿真结果表明,相比于传统调度方法,所提算法有效提升了任务成功率,缩短了任务完成用时。     

How Task Allocation Strategy Affects Team Performance: A Computational Experiment

This paper studies how to determine task allocation schemes according to the status and requirements of various teams, to achieve optimal performance for a knowledge-intensive team (KIT), which is different from traditional task assignment. The way to allocate tasks to a team affects task processing and, in turn, influences the team itself after the task is processed. Considering the knowledge requirement of tasks as a driving force and that knowledge exchange is pivotal, we build a KIT system model based on complex adaptive system theory and agent modeling technology, design task allocation strategies (TASs) and a team performance measurement scale utilizing computational experiment, and analyze how different TASs impact the different performance indicators of KITs. The experimental results show the recommend TAS varies under different conditions, such as the knowledge levels of members, team structures, and tasks to be assigned, particularly when the requirements to the team are different. In conclusion, we put forward a new way of thinking and methodology for real task allocation problems and provide support for allocation decision makers.     

知识牵引与数据驱动的兵棋AI设计及关键技术

在分析知识推理型与数据学习型兵棋人工智能(artifical intelligence, AI)优缺点的基础上, 提出了基于知识牵引与数据驱动的AI设计框架。针对框架中涉及的基于数据补全的战场态势感知,基于遗传模糊系统的关键点推理,基于层次任务网的任务规划、计划修复与重规划,基于深度强化学习的算子动作策略优化等关键技术进行深入探讨。结果表明,所提框架具有较强的适应性, 不仅能够满足分队、群队、人机混合等兵棋推演的应用需求, 而且适用于解决一般回合制或即时策略性的博弈对抗问题。     

Evaluation of Organizational Learning Ability Based on Fuzzy C-means and Unascertained Measure

The purpose of objective and quantitative evaluating the organizational learning ability is to make the enterprise have reliable criterions and operable procedures during the process of improving the organizational learning ability and founding learning organization. In this paper, an evaluating indicator system is established by analyzing the whole process of organizational learning; both qualitative and quantitative analyses are used, and a new combined evaluating method is presented. A measurement case involving twenty enterprises is given to prove the validity of this method. In conclusion, learning strategies are presented according to measurement result. This paper applies 4 models synthetically. The evaluating effect is superior to other methods.     

基于拖延心理的知识员工-信息系统互动模拟

信息技术的发展使知识型员工面临着信息系统线上-线下的混合任务环境,拖延心理导致知识型员工需要对信息系统任务进行合理的规划,知识型员工的任务处理过程不再是简单的离散事件系统,而是一个员工心理与离散事件系统互动的过程. 本文首先描述了知识型员工任务处理的心理过程; 然后设计了二阶段决策的Q-learning 算法实现知识型员工与任务处理的互动; 最后通过大量的模拟实验,分析了记忆、决策心理和奖惩机制对信息系统任务处理的影响.     

多重不确定因素影响下的高端装备研制任务流程优化

基于设计结构矩阵对高端装备研制任务进行仿真建模,采用蒙特卡罗方法模拟研制任务执行过程,用以估算其工期、成本、失败率等参数.将研制任务仿真嵌入到多目标优化算法中,对每个个体对应的研制任务流程进行多次仿真,以仿真输出的平均工期、成本、失败率等作为适应度评价指标,基于NSGA-III构造多目标优化算法,求解其Pareto最优解集.对每个Pareto最优解对应的研制任务流程进行更多次的仿真,在此基础上对各个研制任务流程进行深入分析、评价.最后,以某无人机研制任务为例进行应用研究,并把本文的优化结果与文献中的数据进行比较,检验了本文方法的有效性和优越性.     

强化学习中的策略重用:研究进展

策略重用(policy reuse,PR)作为一种迁移学习(transfer learning,TL)方法,通过利用任务之间的内在联系,将过去学习到的经验、知识用于加速学习当前的目标任务,不仅能够在很大程度上解决传统强化学习(reinforcement learning,RL)收敛速度慢、资源消耗大等问题,而且避免了在...     

Making learning critical: Identity, emotion, and power in processes of management development

In recent years, a substantial volume of broadly critical knowledge of management and organization has been established, but comparatively little attention has been given to the question of how the insights of such knowledge might be communicated or applied pedagogically. The temptation or danger, arguably, is for critical knowledge to be substituted for the content of “traditional management education,” with minimal regard for its contribution to processes of personal, social, and organizational development. The chief purpose of this paper is to put some flesh on the claim that critical theory can make an important contribution to the principles and practice of management education. After summarizing some key differences between “traditional management education” and action learning (concerning learning and personal experience), these differences are illustrated by reference to a case study, which in turn, provides a basis for highlighting the relevance of critical thinking for addressing problems and issues thrown up through action learning for managers.     

异构UAV编队反雷达作战中任务分配方法

针对异构无人机编队在反雷达作战中的任务分配特点,建立了无人机与执行任务之间合理的协同约束关系,提出了基于时间窗的异构无人机编队混合整数线性规模型。同时,结合遗传算法的全局搜索和并行计算能力,提出了基于时间窗的多层编码遗传算法实现异构无人机编队任务分配。仿真实验和分析表明了两种算法的有效性,并对比分析了它们的优势与适用范围。     

通信延迟约束下多无人机任务指派冲突消解

以复杂战场环境下多无人机任务指派为研究背景,针对分布式结构下通信延迟可能导致指派冲突的问题,设计了通过设置比较阈值和对无人机(unmanned aerial vehicle,UAV)进行优先级排序的方法,以极小的通信代价预测潜在指派冲突;之后开启编队内通信,通过比较各UAV的指派方案确定当前可执行的最优任务,从而达到冲突消解的目的。通过MultiUAV2仿真平台对提出的方法进行验证。仿真结果表明,该冲突消解机制能够准确高效地预测和消解指派冲突,具有可行性与合理性;且由于采用动态的阈值设定,对不同的作战环境有较好的适用性。