多UAV协同搜索的博弈论模型及快速求解方法

在分布式模型预测控制（DMPC）方法框架下,提出了一种局部Nash最优的分布式搜索优化决策方法.设计了基于人工势场的协同机制,给出了势场的形成条件,在此基础上建立了多机协同的图论模型.引入局部Nash最优的定义,通过在连通分量的局部范围进行Nash最优迭代,降低了问题的求解维度.建立了以节点出度刻画UAV决策优先度的模型,根据决策偏序关系,提出了对称、主从、主从 对称3种决策形式,并给出了相应的Nash、Stackelberg和Nash Stackelberg的博弈模型,理论推导了该方法的计算复杂度.采用MPC和粒子群（PSO）优化相结合实现单架UAV的最优决策.仿真结果表明,所提出的方法能有效降低问题的求解规模和通信负担.     

多无人机模糊态势的分布式协同空战决策

针对不确定环境下的多无人机协同攻击多目标的空战问题给出了一种分析方法.首先通过分析不确定环境下的无人机空战态势,建立了多无人机模糊态势的任务分配模型.然后提出了异步一致性拍卖算法,将目标收益作为竞标的依据,给出了不确定环境下的多无人机协同攻击多目标的分布式空战决策方法.仿真结果表明,该算法在双方机群较大时能够实现快速收敛,提高了空战效率与资源利用率,且具有良好的稳定性和可扩展性.     

动态柔性生产调度中的分布式协同决策

针对任务分配问题的求解，描述了基于多自主体分布式协同决策的车间层动态柔性生产调度，给出了整个调度系统及其组成单元的结构，并对任务分配过程中所运用的基于协议网模型的谈判和一种使用决策矩阵的多准则决策方法进行了讨论。     

基于多蜂群的多无人机协同自适应搜索

针对多无人机(unmanned aerial vehicle, UAV)在未知海域环境下协同搜索这一重要研究课题,提出基于精英学习的多蜂群协同自适应搜索路径规划算法。首先,建立考虑飞行高度时变的无人机模型、传感器模型以及海域模型。其次,在该模型基础上建立了包括目标发现收益、期望探测收益及避碰等多目标效能函数。在考虑到UAV飞行高度动态变化时采用不同搜索策略,由于传统蜂群算法在搜索中存在适应性差、速度慢等缺点,提出基于精英学习的多蜂群算法,保证了搜索效益的最大化。最后,通过仿真实验验证了算法的有效性和实用性。     

网格资源协同分配模型的研究

针对网格资源协同分配问题,提出了基于市场机制的具有分布式特性的网格资源协同分配模型(MGRM).采用了多单位组合拍卖模型(MUCA)对网格中的资源协同分配进行建模,并使用分支界限法求解多单位组合拍卖问题,从而得到网格资源协同分配问题的最优解.针对网格任务和资源特性,对现有的分支界限法解MUCA进行改进,根据搜索路径上当前可用资源估算MUCA问题的投标上限.试验仿真表明,改进后的算法效率大大提高,证实MGRM模型适合于具有大量任务和资源共享的广域网格环境.     

区域水资源合理配置的多目标博弈决策研究

以区域经济发展与水环境保护相协调为目标,建立了水资源多目标配置模型,并提出了一种基于博弈分析思想的模型求解方法.求解时将多目标决策设计问题转化为博弈决策问题,并采用灵敏度指标及模糊聚类方法将整体设计变量集合分解为各博弈方拥有的战略集,建立多目标问题博弈分析的技术路线和计算步骤,同时采用了协同进化算法.盐城市水资源配置决策应用结果表明,该方法是可行和合理的.     

多学科协同过程设计模型的共享与交互技术

针对多学科协同产品设计的需求,提出了一种基于.3D格式共享模型的协同过程交互控制技术.分析了基于共享模型视图的多学科协同设计模式,建立了浏览器/服务器(B/S)结构、消息驱动的协同过程产品模型共享环境,给出了双令牌的基于设计优先权和排序时间的共享模型互操作方法,完成了设计消息的XML封装、交换与共享.在基于Web的分布式、异构环境下完成了原型系统开发.该方法为协同产品设计过程提供了一个分布式的、应用模型共享的工作空间.     

基于改进蒙特卡洛树搜索的无人机目标分配与突防决策方法

针对多无人机任务规划问题,在多种约束与机动动作下,进行目标分配和突防决策统一建模与优化求解方法研究。首先,基于无人机自身优势、目标威胁以及突防概率分别建立目标分配优化函数和突防决策优化函数;然后,利用线性加权法将两者融合,形成多无人机协同任务规划统一目标函数;其次,在强化学习框架下,分阶段构建协同任务规划的状态空间和动作空间,并根据统一目标函数设计奖励函数;提出一种改进的蒙特卡洛树搜索强化学习算法,在统一目标函数最大收益下实现对无人机目标分配和突防决策问题的求解;最后,通过对比仿真实验验证所提出的方法的时效性和最优性。研究结果表明：相较于传统方法,所提出的方法在提升收敛程度的同时,将训练时间减少了15%。     

基于多目标优化的数控实时任务参数选择方法

针对协同设计模式下数控实时任务参数的选择问题,提出一种基于多目标优化的任务参数选择方法.该方法依据实时任务模型、性能目标以及系统约束建立数控任务参数选择问题的多目标优化模型.对于优化模型的求解,提出一种具备协同进化算子与精英团队保留机制的扩展型非支配排序遗传算法,以实现在大规模决策空间下的快速搜索,使得数控系统整体性能目标最优.最后,基于仿真实验分析总结了数控实时任务参数选择策略,通过对比传统任务参数选择方法证明了所提方法在实际应用中的优越性.     

基于自适应粒子群算法的增量配电网电源博弈规划

针对增量配电业务开放环境下多主体独立规划带来的资源浪费,以及传统粒子群算法在寻优时出现由于局部最优而无法找到整体最优解的问题,提出了一种基于自适应粒子群算法的增量配电网电源侧博弈规划方法.分析分布式电源投资运营商和储能运营商之间的利益关系,以各自收益最大为目标建立各决策主体的收益模型;从博弈参与者、策略集合及收益函数出...