基于HMM和信息熵的分布式传感器协同任务规划研究

为了研究多平台传感器最优化任务规划问题中的随机性和不确定性因素,以隐马尔可夫模型(HMM)建模思想和信息熵理论为支撑,以平台传感器执行任务的单位损耗所带来的信息增益为目标函数,建立了基于多HMM过程的传感器动态规划模型,研究了多HMM过程的传感器动态规划执行步骤并进行了仿真。同时研究了在特殊情况下使用多HMM过程进行传感器动态调度的相关问题,为多平台传感器最优化任务规划问题的不确定性和随机性因素的建模与分析奠定了基础。

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点,随着无人机自主智能的不断提高,无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务,构建了典型的任务场景,基于深度确定性策略梯度网络(DDPG)算法,设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题,通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡,提高了算法的训练效率。仿真结果表明,训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务,任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值,人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。