复杂环境下异构无人机集群协同目标搜索方法

为实现无人机集群高效且精准的多目标搜索,考虑集群成员中探测范围广的高空无人机和机动能力较强的低空无人机,提出了一种新颖的异构无人机集群协同目标搜索方法,根据不同无人机的特性快速实现区域搜索以及多目标的精准搜索。高空无人机采用基于数字信息素的区域搜索算法确定目标存在区域,在较短时间内实现区域覆盖。低空无人机在其指引下前往目标区域,并根据目标信号强度采用改进狼群算法实现对目标的精准搜索。对于传统狼群算法信息共享不足、步长固定和易陷入局部最优的问题,采用粒子群算法、自适应参数调整和差分进化方法进行改进,提高了算法的全局寻优能力和收敛速度。仿真实验证明了所提出的模型与方法在复杂环境下目标搜索任务中的有效性和优越性。

基于动态一致性联盟算法的异构无人机集群协同作战联盟组建

动态未知乃至对抗条件下的异构无人机集群协同作战联盟组建是无人机集群实际作战运用的重要一环。构建以动态一致性联盟算法(Dynamic Consensus-based Grouping Algorithm,DCBGA)为核心的无人机集群决策控制流程框架。为无人机集群设计通信受限条件的通信组网模型,并引入动态自适应机制,以有效应对高动态任务场景;基于“作战环”理论,对网络架构下的异构单元非线性作战效能聚合效果进行描述,并纳入全局效益函数,牵引异构无人机协同作战联盟组建;将联盟组建过程划分为目标选择、一致性和信息与状态更新三个阶段,采用动态一致性联盟算法支撑无人机集群自下而上完成各阶段的信息决策控制。仿真结果表明,新构建的算法体系可以有效推动异构无人机集群实现作战联盟组建,完成协同打击作战任务,具有较好的动态适应性及规模扩展性,在对抗环境下展现出良好的韧性。

面向复杂多任务的异构无人机集群分组调配

针对复杂多任务下的异构无人机(unmanned aerial vehicle,UAV)集群分组调配问题,提出一种基于改进K均值和延迟接受(deferred-acceptance,DA)算法的先聚类后匹配方法。在任务聚类分组环节,通过离群点检测和固定初始聚类中心的方法来提高K-means聚类的精度,并设计余量裕度下的分组均衡性调整策略,在最优性的前提下提高分组的均衡性。在集群匹配分组环节,改进了DA算法,通过任务倾向的偏好列表快速生成预中选方案,并设计两阶段冲突消除来保证匹配的稳定性和收敛性。仿真实验表明,所提方法能够快速有效地解决复杂多任务下的UAV集群分组调配问题,具备良好的最优性和时效性。

一种未知动态环境下异构无人机集群分布式联盟形成方法

针对未知动态环境下异构无人机集群的分布式联盟形成问题,首先构建了异构无人机集群的联盟任务自动机,实现了异构无人机集群在未知动态环境下的自主任务协调。在此基础之上,提出了一种基于蒙特卡洛树搜索的分布式联盟形成算法,该算法通过两阶段的蒙特卡洛树搜索来增量式地对联盟结构进行分布式优化,算法可在分布式框架下实施,并在任意时间内终止返回当前的最优解。最后,仿真实验表明,提出的算法可有效处理异构无人机集群在未知动态环境下的分布式联盟形成问题,并在较大规模的联盟形成问题中仍能保持较优的性能表现。

基于双层稳定匹配的异构无人机集群“分布式”协同算法

异构无人机集群凭借其功能互补、能力协同的优势,能够适应复杂多变的战场环境、提升协同作战效能,而受到各军事强国的广泛关注并得到飞速发展.如何对异构无人机集群进行有效编组以达到良好的协同作战效果成为异构无人机集群“分布式”协同研究的重点,由此引出异构无人机集群“分布式”协同中针对异构无人机编组结构稳定性和能力协同性的优化问题.面向该问题,提出一种基于双层稳定匹配的异构无人机集群“分布式”协同算法.首先,对异构无人机集群“分布式”协同作战方式及匹配问题进行描述;然后,通过基于异构无人机之间的能力协同性构建偏好计算模型,将3类(侦察、打击、指控)无人机的三边匹配问题转化为双层-双边稳定匹配问题并构建相应的线性整数规划模型;最后,通过3组实验,验证了所提出模型与方法的有效性,相较于基准算法效率更高、效果更好,同时在大规模算例中也能实现良好的匹配效果.

基于时空混成Petri网的无人机集群行为建模方法

越来越广泛应用的无人机集群作战在信息化全球新军事变革中受到高度关注,集群一体化建模对作战模式的测试验证具有重要的意义和价值。结合作战场景的建模仿真需求,以异构无人机集群协同作战过程为研究对象,从无人机单体建模入手,在单体作战过程形式化和数学描述的基础上,基于时空混成Petri网描述异构无人机集群系统的离散状态和连续过程,有效解决了集群系统中物理、计算过程的融合问题和交互事件建模问题。选取UPPAAL对无人机集群打击任务建模进行形式化验证,表明所提建模方法可行、有效。

基于联盟形成博弈的异构无人机集群分布式任务分配算法

针对无人机集群携带异构资源以及任务的异构需求下的复杂任务分配优化求解问题,提出一种基于联盟形成博弈的分布式任务分配算法.首先针对任务分配问题规模较大的特点以及资源的异构性,提出一种基于异构资源的改进K-medoids聚类算法,通过对无人机集群和任务进行聚类的预处理,降低了任务分配的规模和难度.考虑任务需求、机载资源以及路径成本等条件建立任务分配模型,将原有任务分配问题转化为联盟划分问题,设计了一种基于联盟形成博弈的分布式任务分配算法进行求解.最后,将30个具有异构需求的任务分配给100架携带3种异构资源的无人机的仿真结果表明,所提算法能够实现较好的任务分配效果,同时极大提高任务分配的实时性,充分发挥集群效能.