基于合同机制的协同作战分布式目标分配研究

为了解决多平台协同作战中的目标分配问题,提出了一种基于合同机制的分布式分配算法.首先建立了基于Agent的分布式分配的描述模型,然后引入了拍卖合同的初始分配和交换合同的协作分配对目标进行分配,最后给出了系统分配的工作流程.仿真结果表明,无论在正常情况下,还是出现新目标或平台损失的情况下,算法都可以对多平台上的武器系统高效地进行分布式分配.     

C4ISR多传感器跟踪资源协同分配方法研究

针对C4ISR多传感器的分布特点,提出了基于MAS(Multi-Agent Systeml的C4ISR多传感器资源管理系统框架结构:提出了考虑目标战略价值、优先等级、主动传感器平台价值和传感器协同能力因素在内的资源分配目标函数,建立了多传感器跟踪资源的动态分配模型,提出一种多传感器Agent分布式协同拍卖的分配算法:基于HLA/RTI体系结构,开发了C4ISR多传感器跟踪资源管理仿真系统,并对所提出的分配方法进行了仿真验证:仿真结果表明本文提出的方法具有很好的优化能力和实时性,可应用于实际作战过程.     

双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle,UAV）对目标捕获能力,进而提高多UAV协同搜索效率,提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm,ICEGA）的多UAV协同目标搜索方法。首先,根据环境的先验信息,在原概率图基础上引入标志位,建立基于双属性矩阵的待搜索环境概率模型,提高环境和目标的信息感知准确度;其次,定义UAV的飞行规则并结合目标先验概率图信息,建立UAV运动模型及确定最大收益的目标函数;最后,建立分布式UAV之间的信息交互模型,运用ICEGA算法优化产生最优协同决策输入航向角集合,在线实时滚动优化产生最优协同路径。实验结果表明,基于双属性概率图结合ICEGA算法更能够保证最优路径的产生,使得UAV能够准确地搜索到目标;同时,对比仿真验证了ICEGA算法能够提高UAV之间的协同性,保证了路径可行性及提高了目标搜索效率。     

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。     

基于多Agent的多机协同空战仿真系统设计和实现

设计了一种基于多Agent的多机协同空战仿真系统,分别对该系统的建模框架和仿真框架进行了构建。在建模部分提出了系统各类Agent的Petri网模型和基于知识查询处理语言（knowledge query manipulation language, KQML）的模糊通信机制,仿真部分则采用独立于建模框架的仿真信息控制结构和小规模协同分配算法实现。仿真结果表明,该系统与实际符合较好,仿真速度和精度高,验证了该系统的有效性。     

基于多Agent的舰艇编队对海攻击仿真系统

设计了一种基于多 Agent 的舰艇编队对海攻击仿真系统,采用自下而上的建模方式,应用面向Agent的仿真软件技术对系统中各个Agent进行建模并构建了系统的结构框架,采取Agent通信语言(Agent communication language,ACL)实现Agent间通信。仿真部分模拟真实舰艇编队协同攻击过程设计了舰艇编队对海移动目标协〖JP3〗同攻击流程,仿真中提出改进的遗传算法解决武器目标分配问题,在预测目标打击位置时提出了虚拟航路法。仿真结果表明,该系统与实际符合较好,可以为舰艇编队对海作战各个步骤中的算法进行综合仿真,验证了该系统的有效性。     

基于时间约束的多平台协同目标分配方法

网络化防空体系各作战平台协同目标分配问题是研究网络化防空的一个重要问题。针对未来网络化防空对协同目标分配算法具有很高的实时性要求,提出了基于时间约束的协同目标分配方法--改进的分布协同拍卖算法,给出了算法具体设计思路和流程,并对算法作了仿真实验。仿真的结果和统计数据分析证明,算法能够在约束的时间内给出具有很好优化效果的目标分配方案,并通过与遗传算法的实例比较,体现了该算法在时间约束条件下的优越性。     

基于分布式协商进化算法的多Agent目标冲突消解

针对多Agent系统研究中的目标冲突消解问题,建立了在多个Agent的局部目标和系统全局目标间进行协调优化的多目标优化模型.在多Agent分布式规划的框架下,提出了一种基于遗传算法(genetic algorithm,GA)的分布式协商进化算法,用于求解多目标规划模型.针对GA搜索中保持解的多样性、提高收敛速度等问题,对选择算子进行了设计.通过仿真实验,证明新的选择算子能有效提高解的质量.最后将该算法应用于部队机动协同路线规划的目标冲突消解问题,验证了其有效性.     

基于MAS的协同仿真技术研究

将基于Agent的建模与仿真技术引入到HLA仿真系统中,提出了一种具有Agent体系结构的HLA联邦成员开发方法,设计了联邦成员的基本单元-仿真应用和仿真管理Agent作为仿真对象和HLA/RTI之间的中间件,构建了具有Agent对象仿真功能和RTI管理功能的联邦成员,研究了基于MAS的UAV协同编队系统的仿真技术,为进一步开发UAV编队协同作战应用仿真系统提供了技术框架。基于MAS体系结构的协同仿真技术有助于提高联邦成员的可重用性、互操作性以及仿真对象模型的智能性,为复杂系统的仿真实验平台开发提供了有效的技术手段。     

无人机集群分组编队控制跟踪一体化设计

针对具有Lipschitz非线性动力学特性的无人机(unmanned aerial vehicle, UAV)集群系统的分组编队跟踪控制问题,提出了一种基于一致性理论的分组编队协同控制方法。首先,建立分层双虚拟结构的协同控制框架,将多编队生成、保持以及组内组间协同变换等复杂编队任务作为控制目标,基于参数组的队形描述方法,在分层控制框架内分别设置轨迹导引UAV和基准UAV,并利用UAV之间的局部运动信息设计编队控制律,克服了采用现有多编队控制策略编队间难以协同的缺陷;其次,设计多编队控制和目标跟踪一体化控制策略,确保在多编队进行协同变换的同时实现对机动目标的精确协同跟踪;最后,仿真结果验证了所提的控制算法能够实现分组编队的跟踪控制。     

考虑子系统执行能力的多无人机协同任务规划

任务分配是提高无人机运维效率的关键技术之一。针对子系统执行能力约束条件下的无人机蜂群协同任务分配问题, 提出一种融合拍卖机制的改进狼群算法。首先, 定义子系统能力矩阵以实现无人机异构性和任务执行能力的统一描述。其次, 对个体狼采用矩阵编码, 针对违反攻击次数的非可行解, 提出基于拍卖机制的修正策略, 以进行处理。然后, 在个体狼位置更新过程中融入遗传算法思想, 在探索阶段和围捕阶段分别进行相邻行交换操作和间隔列交叉操作, 以实现快速寻优。最后, 将第三优狼引入到狼群更新过程中, 从而增强种群的多样性。仿真实验结果表明, 所提方法能够有效求解子系统执行能力约束下无人机蜂群协同任务规划问题; 且相比于其他改进进化算法, 所提方法具有更好的寻优性与收敛速度。     

基于拍卖算法的多机协同火力分配

为解决超视距协同空战中的多机协同火力分配问题,首先建立了空战威胁估计和空战优势估计模型,构建了多机协同火力分配的数学模型。其次基于多智能体拍卖算法,提出了一种分布式的多机协同火力分配方法,该方法同时考虑了火力分配的效益和代价,能在较短的时间内给出较为合理的协同火力分配方案,具有计算量小、通信量低、动态性以及实时性好等特点,可应用于解决多机协同火力分配中的资源分配、冲突消解等协作问题。最后,通过仿真实验证明了该方法的合理性和有效性。     

面向应急观测的虚拟星座任务规划技术

虚拟星座为充分利用卫星资源提供了一种高效的解决方案。首先研究设计了任务与资源管理、任务与资源匹配、协调与任务规划的三层协调运行机制,建立了基于多智能体的三层动态交互式体系结构模型;然后通过基于改进合同网协议算法模型,研究虚拟卫星协同任务的招标对象筛选策略、协商合同投标方法、协商合同评标方法;最后针对海上目标监视搜索场景构建仿真实验用例,仿真结果验证了虚拟星座的运行机制和体系结构的合理性、可行性与基于扩展合同网协议的虚拟星座任务规划算法的有效性和正确性。     

面向应急对地观测任务的多飞艇协同分配方法

应急条件下多飞艇协同任务分配是一个重要而极具前景的研究课题,对提高飞艇观测效能起着至关重要的作用。针对多飞艇协同任务分配问题,设计了一种基于Agent双向招标的改进合同网协同机制,详细解释了双向招标的方法和标值计算的启发式规则。针对应急观测任务的高时效性特点,建立了一个多目标约束满足优化模型,并提出一种针对批量动态任务的快速分配算法--动态自适应协同任务分配算法(dynamical flexible collaborative algorithm,DFCA)。大量模拟实验结果表明,该算法能够在很短的时间内获得较好的任务分配方案,具有较高的任务完成率和权值收益率。     

交互策略改进MOFA进化的多UAV协同航迹规划

针对无人机(unmanned aerial vehicle, UAV)多目标优化协同航迹规划方法中Pareto最优解集规模随迭代增长, 难以选择适合UAV任务特点的协同航迹等问题, 提出一种基于交互策略改进多目标萤火虫(multi-objective firefly algorithm, MOFA)进化的多UAV协同航迹规划方法。首先,采用变量分解策略将萤火虫算法中大规模变量分解成多个子种群, 以降低算法搜索的复杂度; 然后, 利用Tent混沌初始化和多种群循环分裂合并策略提高多目标萤火虫算法的搜索性能; 采用双极偏好占优机制、并设计协同度指标在Pareto最优解集中选取适合任务需要且协同度较高的UAV协同航迹。仿真实验表明, 所提方法能够根据任务设定生成对应侧重点、且满足协同性的相对最优航迹集, 证明了该方法的有效性。     

多无人机协同探测快速目标的控制方法设计

针对无人机(unmannd aerial vehicle, UAV)对快速运动目标的协同探测问题, 设计了一种多UAV协同探测控制算法。首先假设每架UAV都携带相同的探测载荷, 根据载荷特性设计了针对快速运动目标的UAV协同探测队形。然后引入固定时间控制一致性协议到UAV载荷角度控制中, 控制载荷持续照射目标; 引入有限时间一致性协议到UAV编队控制中, 用以形成协同探测队形, 并通过二跳网络加快队形的收敛。通过将UAV队形控制与UAV载荷的角度控制相结合, 从而实现UAV对快速运动目标探测时间的最大化, 极大的延长了高速运动目标被发现的时间。最终通过理论分析和仿真实验证明了该控制算法的有效性。     

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。     

基于多智能体与市场理论的多机载平台传感器管理

针对作战飞机编队多目标攻击中的传感器管理问题,提出了一种基于多智能体和市场理论的多机载平台传感器管理方法。该方法在多智能体的框架下建立飞机编队多传感器多目标分配模型,将目标分配和传感器管理问题转化为市场理论中的“性价比”最优问题,建立了基于“性价比”最高的任务规划模型、以任务为驱动的传感器目标配对模型以及多平台集中式融合跟踪模型,并利用市场拍卖算法完成传感器-目标分配问题。仿真结果证明了该方法的有效性,与基于信息论的传感器管理方法比较证明了方法的优越性。研究结论有助于提高作战飞机编队的进攻效率,从而提升整体的攻击能力。     

基于Agent理论的多无人地面平台协同控制仿真研究

为提升多无人地面平台协同控制能力,适应新形势下智能战争趋势,基于JADE和World Wind Java构建了多智能体地面平台协同控制仿真系统。运用多Agent理论建立无人地面平台仿真模型,基于JADE构建协同控制仿真平台,运用粒子群算法优化任务分配机制。仿真实验表明,构建的协同控制仿真平台具有良好的鲁棒性和灵活性,优化后的任务分配机制使得多无人地面平台群体执行任务效率明显提高,且可应用于其他海上、空中无人平台的仿真研究。