基于航迹匹配与SSA-GRU的多目标轨迹预测

针对空战环境下多目标轨迹预测问题,提出了基于航迹匹配与麻雀搜索算法(SSA:Sparrow Search Algorithm)-门控循环单元(GRU:Gate Recurrent Unit)的多目标轨迹预测方法。首先基于归属未知的多目标航迹点时序数据,采用基于密度的带噪声空间聚类算法(DBSCAN:Density-Based Spatial Clustering of Applications with Noise)实现在目标个数未知的情况下多目标-航迹匹配;在此基础上,构建目标轨迹预测GRU模型,并采用SSA对GRU网络参数进行优化,确定最优神经元个数,提升轨迹预测模型性能。仿真结果表明,基于航迹匹配与SSA-GRU的多目标轨迹预测方法能够有效识别匹配多个目标航迹,并实现各目标轨迹预测。

基于狼群算法的多无人机协同多目标攻防满意决策方法

针对多无人作战飞机协同多目标攻防决策问题,以提高作战效能和获取更高收益以及减少作战代价为目的,建立了攻防决策的数学模型,提出了基于狼群算法的多无人机协同多目标攻防满意决策方法.通过狼群算法寻优满意决策的满意度因子,进而通过满意决策获得攻防决策的满意解.由仿真结果可知,相比于其他方法,所研究的基于狼群算法的多无人机协同多目标攻防满意决策方法更能够兼顾空战优势和收益代价,满足空战需求.

基于改进狼群算法的多无人机协同多目标分配

针对现代空战多无人机协同多目标任务分配问题,结合标准狼群算法,提出了一种改进狼群算法的多目标任务分配方法。根据狼群的不同分工以及搜索属性,建立了基于自主游走机制的头狼产生规则、基于多策略知识库的探狼游走机制和基于自适应步长的猛狼奔袭及围攻方式,从而对传统狼群算法的随机性进行智能化约束与控制,以解决多无人机协同多目标任务分配问题。数值仿真结果表明,该方法能够快速有效获得任务分配方案,避免陷入局部最优。

多层级联合任务规划人机交互界面设计研究

面对复杂的战场环境,多层级联合任务规划能提高多军种协同作战效率,同时使得各战斗编队能够按照规划好的任务序列高效执行任务。基于多层级战役联合任务规划系统设计研究一种联合任务规划人机交互界面,形成了包含窗口、图标、菜单和点击设备等部件的WIMP(Windows,Icons,Menus,Point device)界面范式,有效地降低了用户的操作难度,提高了系统工作效率和准确性。

基于动态目标概率分布的核电站无人机航路强化学习规划

针对核电站空中动态入侵目标,本文提出了一种基于动态目标概率分布的无人机航路强化学习规划算法,实现了对空中入侵目标的有效拦截.根据入侵目标的状态信息基于概率扩散原理计算目标的概率分布,推理目标可能出现的位置.在此基础上,设计了基于航路点转移规则的行动空间和基于目标概率分布的报酬函数动态更新机制,通过Q-学习不断优化路径,构建了基于目标概率分布和强化学习的无人机航路规划框架,实现了无人机航路强化学习规划.仿真结果表明,该方法能够针对核电站空中入侵目标,实现目标点变化情况下无人机的自主航路规划.