从鸟群群集飞行到无人机自主集群编队

无人机可通过自主集群编队提高其在复杂环境下执行任务的能力.多飞行器并存导致系统协调管理难度提升等一系列问题,因此如何设计合理高效的无人机集群编队协调自主控制算法是一个亟待解决的难点问题.在鸟群群集飞行过程中,个体通过遵循简单行为规则进行相互合作而产生复杂有序的集体行为.由于鸟群群集飞行过程中所表现出的邻近交互性、群体稳定性和环境适应性等特点与无人机集群编队的自主、协调和智能等控制要求有着紧密的契合之处,因此,研究鸟群群集飞行机制,并将其映射到无人机集群系统,是解决无人机集群编队协调自主控制问题的一条切实可行的途径.     

无人机自主集群技术研究展望

 动态不确定环境和复杂任务决定了无人机系统势必朝着集群化、自主化和智能化方向发展,具备共识自主性的无人机集群可无需任何集中规划或直接通信完成复杂智能行为。从无人机自主性内涵出发,讨论了无人机自主集群的概念、特点、优势及可能的作战形式,从人机共融、变体设计、人工智能和集群对抗方面探讨了无人机自主集群的发展趋势及无人机集群应对反无人机技术的必要性,从军用和民用领域分析了无人机自主集群的可能应用前景,从战略规划、研发模式、系统协调、交叉学科、国防应用及市场培育等方面探讨了无人机自主集群技术的发展方向。     

鱼群集群行为的建模与仿真

群体智能主要针对生物群体中简单智能个体相互作用表现出复杂智能行为进行研究.个体之间的组织结构、关系和群体行为的涌现机制是其研究的关键要素.首先对鱼群游动的规律进行分析,然后采用自底向上的建模方法建立了一种基于向量的数据模型,最后基于java技术建立了鱼群集群行为仿真系统,有效地模拟了个体鱼之间以及环境之间的相互作用,最终涌现出复杂的群体行为的过程.仿真模型和结果对其它群体的研究具有指导意义.     

基于鸽群层级交互的有人/无人机集群一致性控制

有人/无人机共融集群中的有人机可弥补无人机在复杂环境中能力的不足.利用鸽群层级交互机制能够高效传递信息的特点,提出一种有人/无人机集群一致性控制方法.根据动力学约束与人类行为特点,建立无人机动力学模型和多通道的有人机操作员模型.在此基础上,通过鸽群层级交互机制构建集群系统的层级交互网络:有人机对等级较高的无人机发送指令,并通过层级网络影响整个无人机群体.设计可节约资源的自适应牵制控制策略,实现有人/无人机集群运动状态的一致性.此外,对系统稳定性进行简要分析.仿真结果验证了方法的有效性.     

无人机集群协同飞行算法

在现代战争中,由于单架无人机完成任务有限,无人机集群系统应运而生。如何在拥挤的低空领域中实现无人机集群协同飞行且避障是无人机集群系统需要解决的重要问题之一。针对这一问题,设计了可实现无人机集群协同飞行且在飞行中实现障碍物避障的算法,该算法基于无人机编队中的长机-僚机法及集群智能的粒子群算法,实现了无人机集群协同飞行,同时采用人工势场法实现障碍物避障。将1架长机与4架僚机协同飞行进行仿真测试,通过飞行运动轨迹图和无人机分布测试结果观测出,算法满足在静态环境条件下,无人机集群在长机带领下实现集群协同飞行,并自主规避障碍物,且所有无人机均可到达飞行终点,验证了算法具有正确性和鲁棒性。     

2018年无人机领域热点评述

 无人机集群和反无人机技术作为未来无人机发展的重要方向,已经成为研究热点,科技创新和相关政策的推动为无人机产业的蓬勃发展提供了持续动力。本文从无人机系统发展新路线、实战化应用、集群自主控制、创新驱动产业等多个角度,总结了2018年无人机领域的科技热点及发展态势。     

2019年无人机热点回眸

 在科技创新牵引和管控政策的推动下,无人机产业焕发出新的活力。2019年,无人机自主控制及应用技术又取得长足发展,呈现出一些新的发展态势。从无人机新战略、无人机赛事、技术革新、实战化等多个角度,对2019年无人机的科技热点及发展趋势进行了总结。分析表明,无人机集群智能作为一项颠覆性技术和作战理念,将成为未来无人机研究发展的重要方向。     

专题：无人集群系统技术与应用

无人集群技术是无人作战系统发展的前沿技术和主要热点，随着战场环境动态复杂演进，呈现出作战场景变化越来越迅速、博弈对抗越来越强烈、作战过程不可复现等特征，对无人集群作战系统的应用提出了巨大挑战。为此，本专题依托“蜂群多智能体系统群智激发汇聚研究与实现”“航空集群空空导弹攻击区模型及智能预测方法研究”“仿鸟群智能行为的无人机与有人机共融集群自主控制”“仿鹰鸽智能的多智能体群组对抗推演与博弈方法研究及验证”“科技创新2030-新一代人工智能”等国家自然科学基金重大项目及其他重要项目，旨在汇聚无人系统作战体系架构设计、任务规划、效能评估等无人集群作战系统方面理论与技术方法的研究成果，探索面向复杂环境的有人\|无人集群、跨域无人集群等作战系统的运用模式和效能机理，为相关研究人员提供有益参考，共同推动智能无人作战技术的发展和提高。本专题采用视频加载等增强出版形式，读者可扫描二维码来观看相关资料，以加深理解和认识。限于研究者水平，文中所述方法及结论可能存在一定局限性。     

群智演化协同计算的研究进展与趋势

群体智能是通过聚集群体智慧协同求解大规模复杂问题的智能方法,其思想最初源于对自然界中社会性生物群体智能行为的模拟。群体生物通过分工合作、相互协调、协同演化,可涌现出整体性的智能行为,完成复杂任务,具有高度的自组织、自适应、自学习能力。受此启发,国内外学者运用数学和计算机工具对群体智能行为进行模拟,从不同角度发展了一系列群体智能涌现与演化的机理和模型。近年来,随着互联网的发展,人类社会基于物联网的群智协同和演化现象进一步拓宽了群智演化计算的范畴,呈现出广阔的应用前景,也对群智演化的理论模型和应用提出了新挑战。2017年,《新一代人工智能发展规划》明确将群体智能列为需重点发展的人工智能理论与技术方向之一。文章将从生物群体、智能体群体和人类社会群体等不同视角,从群智演化协作的模型和机理、群智演化协作的组织结构、群智演化协同决策及群智演化协同计算的应用等角度,总结群智演化计算的主要研究问题,对国内外的最新研究进展进行综述和对比分析,并对该方向未来的发展趋势和主要科学问题进行展望。     

智能化作战条件下的无人机系统应用及其关键技术

本文指出未来战争是智能化战争的发展趋势,分析了智能化作战的主要特征,对无人机系统在智能化作战中的应用进行浅析,指出智能化作战条件下的无人机系统关键技术主要包括:智能态势感知技术、智能自主控制技术和智能协同交互技术。     

无人机集群对抗技术新进展

 无人机集群对抗是未来无人机作战的重要模式,它是一群无人机对另一群无人机进行拦截而形成的空中协作式的缠斗,对抗中无人机具有自组织、自适应特点和拟人思维属性,通过感知环境,对周围态势进行判断,依据一定的行为规则,采取攻击、避让、分散、集中、协作、援助等有利策略,使得在整体上涌现出集群对抗系统的动态特性。本文对近年来无人机集群对抗的研究进展进行综述,分析总结相关的关键技术,对研究思路和方法进行深入探讨,以期为从事无人机集群对抗建模研究提供参考。     

Locust Behaved Particle Swarm Optimization Technique

The collective behavior of certain animals and insects has the characteristic of self-organization. The simple interactions among individuals can produce complex adaptive patterns at the level of the group. Recently, new scientific investigation pointed out that desert locusts show extreme phenotypic plasticity in transforming between the lonely phase and the swarming gregarious phase depending on the population density, which is controlled by a serotonin called 5 - hydroxytryptamine（5HT）. In this paper, based on the mechanism of the locusts＇ collective behavior, a new particle swann optimization technique called LBPSO is studied. The number of swarms is selfadaptively adjusted by the acquired outstanding particles coming from behind the previous global best solution. The swarm sizes are related to the corresponding serotonin 5HT, which is determined by the optimization parameters such as global best and iteration number. And each swann adopts one of three rules below according to its density, generalized social evolution strategy, generalized cognition evolution strategy and the independent moving strategy. A comparative study of LBPSO, social particle swann optimization （ SPSO ）, improved SPSO and the standard particle swann optimization （StdPSO） on their abilities of tracking optima is carried out. And the results under four static benchmark functions and a dynamic function generator moving peaks benchmark （MPB） show that LBPSO outperforms the other three functions in both static and dynamic landscapes due to the introduced locusts＇ collective behavior.     

一种改进的自组织生物群体仿真模型

在Boid群体仿真规则基础上,增加了三类控制变量：环境变量、种群特征变量和性格变量构建自组织生物群体仿真系统。利用社会学习因子和自学习因子构建了个体的种群靠拢系数、速度匹配系数和自由游弋系数等参数,去除了传统模型中个体一致性假设,可更为真实地反映不同生物群体的群体行为。本文在此基础上构建了相应的仿真平台。仿真实验结果表明,可以更好地对生物群体行为仿真进行建模,同时给出了鸟群、鱼群和昆虫群三种典型生物群体仿真的参数集合,同时还分析了不同群体的特征。     

基于群体智能的蚁群算法研究

群体智能是指任何启发于群居性昆虫群体和其它动物群体的集体行为而设计的算法和分布式问题解决装置,群体智能现正在成为人工智能领域和相关领域的一个研究热点;该文首先介绍了群体智能中的两个重要算法:蚁群算法和粒子群算法的基本思想,然后重点探讨了蚁群优化算法,对基本蚁群算法和改进的蚁群算法进行了深入的分析和评述。     

Ant-like task allocation and recruitment in cooperative robots

One of the greatest challenges in robotics is to create machines that are able to interact with unpredictable environments in real time. A possible solution may be to use swarms of robots behaving in a self-organized manner, similar to workers in an ant colony. Efficient mechanisms of division of labour, in particular series-parallel operation and transfer of information among group members, are key components of the tremendous ecological success of ants. Here we show that the general principles regulating division of labour in ant colonies indeed allow the design of flexible, robust and effective robotic systems. Groups of robots using ant-inspired algorithms of decentralized control techniques foraged more efficiently and maintained higher levels of group energy than single robots. But the benefits of group living decreased in larger groups, most probably because of interference during foraging. Intriguingly, a similar relationship between group size and efficiency has been documented in social insects. Moreover, when food items were clustered, groups where robots could recruit other robots in an ant-like manner were more efficient than groups without information transfer, suggesting that group dynamics of swarms of robots may follow rules similar to those governing social insects.     

一种双组群差分演化算法

研究了一种提高差分演化算法收敛速度的方法.这种新的演化优化方法将全体参量分为两个组群,即同化组群和进化组群.对不同的组群进行不同的处理以产生下一代,在每一代中,进化组群中最好的成员将有幸加入同化组群,取代同化组群中表现最差的成员.实验结果证明,这种新的改进提高了DE优化算法收敛速度.     

多粒子群协同优化算法

提出一种多粒子群协同优化(PSCO)方法．PSCO是2层结构：底层用多个粒子群相互独立地搜索解空间以扩大搜索范围;上层用1个粒子群追逐当前全局最优解以加快算法收敛．这些粒子群含的粒子数以及粒子状态更新策略不要求相同．为改善粒子群容易陷入局部极小的弱点,提出扰动策略,当1个粒子群的当前全局最优解未更新时间大于扰动因子时,重置粒子的速度,迫使粒子群摆脱局部极小．用Rosenbrock函数等3种基准函数做优化实验表明,PSCO性能优于经典PSO,FPSO和HPSO等算法．