基于多指标正交实验设计的UAV编队配系优化

以对抗条件下,无人机（unmanned aerial vehicle, UAV）编队执行对地攻击任务为作战背景,构建多UAV对地攻击模型,利用多指标正交实验设计原理,研究编队配系的优化方法。首先,以武器类型和目标类型为对象,建立对抗双方各自的目标分配模型;其次,以目标探测、识别、杀伤和评估为基本任务,建立编队的攻击过程模型;以任务执行总代价、目标毁伤程度和任务执行时间为评价指标,建立目标函数模型;最后,将UAV的种类和数量视为实验因素和水平,研究基于正交实验设计的编队最优配系方案选择方法。实验结果表明,针对特定的任务要求,该方法可以依据现有的资源条件,得出最优的编队编组策略。     

用于时敏目标打击链快速构建的智能方法

为提高战斗中时敏打击链的构建效率,优化资源分配,实现一种快速构建时敏打击链的智能方法,提出将模拟退火算法与遗传算法运用于快速构建时敏打击链.仿真实验表明,可以在短时间内完成时敏目标打击优先级排序、传感器平台-目标配对和武器平台-目标配对,并在目标的时间窗口内摧毁目标.优化了传感器和武器的使用,弥补了构建时敏打击链的局限...     

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。     

基于混合多目标进化算法的多无人机侦察路径规划

由于侦察任务的复杂性和不确定性,无人机对其目标的侦察时间往往是不确定的。将多无人机对观测时间不确定目标的侦察路径规划问题建模为使任务时间、编队总耗时和编队规模同时最小化的多目标优化路径规划问题。对此,在基于ε 占优的稳态多目标进化算法基础上引入多目标局部搜索,给出了混合ε 占优多目标进化算法,提出了一种使用插入最近点方法的启发式遗传操作。实验结果表明,算法能够有效解决所研究的问题,并且其优势随着问题规模的增大而显著。     

基于层次分解策略无人机编队避障方法

针对危险模式下无人机编队问题,提出基于层次分解策略的编队避障方法.通过构建Voronoi图,利用K路径算法为各无人机找到多条备选航路;然后建立协同函数,为各无人机规划出既能满足时间协同要求,又能满足整体代价最优(次优)的障碍物规避航迹.并设计了无人机编队的通行规则,解决了无人机在避障飞行过程中有可能产生的碰撞冲突问题.仿真结果验证了算法的有效性.     

基于合同网的无人机协同目标分配方法

多无人机（UAV）协同目标分配是多无人机协同控制的重要内容之一。针对多无人机协同侦察问题,以提高作战效能,减少侦察代价和任务完成时间为目的进行目标分配,首先建立了目标分配问题的数学模型,在初始分配的基础上,使用基于合同网的目标分配方法,引入负载系数参数,最后通过迭代执行买卖合同与交换合同实现了任务的合理分配。由仿真结果可知,算法能够给出很好的优化效果的分配方案,并有很好的可扩展性。     

基于MAS的无人机新型编队算法

无人机群极大地拓宽了无人机的应用领域,有效地弥补了单架无人机执行任务的缺陷。本文针对无人机群的运动一致性和编队控制,将领导者-跟随者法中领导者与跟随者的控制算法进行集成,设计了一种基于多智能体系统(MAS)的新型无人机编队控制算法。该算法既适用于领导者又适用于跟随者,并且可随机指定无人机为领导者,领导者可以受到跟随者导航反馈的影响,提高了系统的适应性和可伸缩性。理论分析表明,无人机群不会发生碰撞并且能够收敛到期望的编队队形。再经过数值模拟验证了算法的速度和轨迹跟踪能力。结果表明,该算法能保证一群无人机按预定的编队和航迹飞行。     

基于一致性协议的多无人机协同围捕控制方法

针对无人机对运动目标的协同围捕问题, 设计了一种快速协同围捕控制算法。首先, 基于人工势场法设计了无人机与目标的动态博弈关系, 使得目标的运动更加趋近于现实场景下逃跑者的行为模式。其次, 利用无人机与目标的速度关系, 将二维阿波罗尼奥斯圆扩展为三维阿波罗尼奥斯球, 通过阿波罗尼奥斯球设计了无人机编队围捕队形。然后, 将无人机获取的目标信息引入到一致性协议, 以此来完成无人机编队对目标的协同编队围捕, 并引入二跳网络加快围捕队形收敛, 提高了无人机编队的任务执行效率。最终, 通过仿真实验证明了该控制算法的有效性。     

多任务执行中无人机行动联盟形成模型及算法

针对多无人机(unmanned aerial vehicle, UAV)多任务执行问题,开展基于行动联盟的任务执行策略研究。分析了无人机行动联盟形成 (UAV action coalition formation, UACF) 策略的约束条件,建立了以最小化任务完成时间为目标函数的数学模型;设计了求解该模型的分阶段贪心规划算法 (phased greedy planning algorithm, PGPA),在进行算法状态空间描述的基础上,给出了包括任务选取、无人机〖CD*2〗任务匹配和资源分发策略等在内的算法流程;最后,通过多组仿真实验,验证了算法的有效性和优越性。     

车载多无人机协同多区域覆盖路径规划方法

针对小型无人机在区域信息采集中的优势,考虑到复杂多变的应用情景,提出一种面向大面积多区域覆盖扫描任务的车载多无人机协同模式。该模式中,车辆可作为无人机的移动基站,与多架无人机协同完成多个大面积区域的覆盖扫描任务。充分分析新问题特点后,建立了优化车辆地面行驶路径和多无人机协同空中飞行路径的0-1整数规划模型,提出了一种基于三阶段的智能优化算法,先后对多无人机区域覆盖路径以及车辆协同路径进行规划,快速构造可行解,而后基于自适应大规模邻域搜索算法对可行解进行优化。本文设计了包含8个目标区域的实际案例,验证了车载多无人机协同模式的优势和算法有效性,并进一步通过10个随机案例验证了算法性能。对比实验证明,车载多无人机协同模式在执行多个大面积区域覆盖任务上,相比车载单无人机模式能够显著缩短任务时间。     

复杂环境中多无人机协同侦察的任务分配方法

现有多无人机协同规划方法往往将航迹规划与任务分配拆开单独解决,导致在复杂环境下协同方案并不是最佳。建立多无人机协同侦察异构目标的代价矩阵,针对复杂环境中多种障碍约束和无人机运动及航迹特点,以改进的PSO-AFSA (Particle Swarm Optimization-Artificial Fish Swarms Algorithm)求解单无人机航迹规划模型,利用匈牙利算法完成各架无人机侦察任务协同分配。仿真结果表明：该算法能使单无人机航程更短且航迹更光滑的同时,实现与任务协同分配紧耦合,使无人机集群总航程的全局总代价最低,提高了任务分配合理性。     

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。     

面向多无人机协同对地攻击的双层任务规划方法

无人机(unmanned aerial vehicles, UAVs)的任务规划包含任务分配、执行顺序确定以及航迹优化等。为了达到任务规划的全局最优,需要全盘梳理任务的各个方面,提出高效的优化策略。综合考虑任务规划过程中任务分配、执行顺序确定以及航迹优化等方面的需求和相互间影响,首先从优化框架出发, 设计了双层互耦的任务规划求解策略, 而后将任务规划模型分为上层任务分配和下层任务序列优化, 并对每一层的优化方法和优化步骤进行了详细设计。在任务分配问题中, 基于模拟退火算法, 提出了可跳出局部最优的模拟退火-撒点(simulated-annealing-shooting, SAS)算法, 并详细探讨了算法参数的设计原则。最后通过仿真分析, 验证了所提出的规划框架和SAS优化算法的有效性。     

具有能量收集设备的移动边缘计算资源分配研究

针对具有能量收集能力的移动边缘计算系统的计算资源分配问题,提出一种基于李雅普诺夫贪婪优化算法。构建在设备电池电量逐渐收敛下,移动设备时延与能耗联合成本的动态最小化优化问题。利用李雅普诺夫动态优化理论,将优化问题分解成每个时隙最佳本地执行、卸载执行和能量收集3个子问题,通过线性规划获得子问题最优解。通过在本地执行、卸载执行和任务丢弃之间选择执行模式,获得设备的时延与能耗联合成本最小结果。利用键值对设计贪婪策略程序,以适应多用户多服务器系统。仿真结果证实,在保证所有设备电池电量都在规定操作水平附近稳定情况下,卸载率可达99.9%以上,并能有效降低服务延时和系统能耗。     

城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

舰艇编队网络化防空作战空袭目标威胁评估

以舰艇编队网络化防空作战为背景,基于目标的攻击能力、攻击意图、攻击速度和舰舰相对价值给出了一种新的空袭目标威胁评估方法。首先根据编队当前任务以及各舰完成任务的能力、目标类型、敌我相对态势分别建立舰舰相对价值、目标攻击能力、攻击意图的量化模型;然后基于最大威判距离、目标攻击意图确定目标威胁等级划分方法;最后以目标飞临时间作为目标攻击速度的衡量指标,结合目标攻击能力、攻击意图以及舰舰相对价值建立目标对编队的威胁评估模型。仿真结果表明,该方法符合一般战术推理和经验判断,能较好地描述空袭目标威胁大小,可为编队网络化防空作战决策研究提供一定的参考。     

Multi Agent动态分组模型用于多无人机协同任务分配

多无人机协同任务分配应用Multi Agent系统模型时需考虑对大规模Agent的分布式管理和动态协调。协同任务分配将每一无人机视为系统中一个Agent,对全体Agent进行动态分组,分别提出决策Agent及成员Agent的动态分组模型和评价函数,由决策Agent管理和协调本组全体Agent执行任务,降低了大规模任务分配的决策成本并有利于实现全体Agent协同。仿真实验验证了模型及算法有效性。     

基于改进注水算法的离散车间任务分配问题研究

针对离散车间实时动态任务分配结果欠理想的问题,提出了改进的注水算法。该算法加入了加工速率和费用因子,协调了加工速率和费用以及加工工件之间的关系,实现了不同代价的工件分配,对分配结果进行了调整,满足了离散分配的要求。改进的注水算法能够对临时新增的工件进行实时动态的分配。提出的算法与匈牙利算法、两阶段优化方法以及注水算法进行了对比,实验结果表明,改进的注水算法在加工时间和加工费用上具有一定的优势,其运算复杂度仅与加工中心的数量有关。     

动态优先级下防空相控阵雷达在线交错调度算法

针对防空相控阵雷达中时间资源分配主观性强、利用率低的问题,结合任务内部结构,提出一种新的在线交错调度算法。该算法在将任务的重要性和紧急性均置于动态优先级的基础上,使得雷达任务收、发波束之间的等待期可以用来执行其他波束的发射期或接收期。仿真结果表明,相比于原有的动态优先级算法,所提算法的调度成功率提升了25%,时间利用率提升了35%,执行威胁率提升了25%。     

时敏打击系统作战效能评估与效费分析

基于时敏打击系统的作战流程，提出了系统的作战效能评估方法，并对相关影响因素进行了分析．考虑到时敏打击系统作战效能与作战费用之间的博彝关系，又提出了一种时敏打击系统的效费分析方法．实例分析中，利用遗传算法对系统作战资源进行了优化配置。结果分析表明了效费分析对于系统设计与构建有着积极的作用，也暗示了无人作战平台将在打击时敏目标领域扮演重要角色。