有人/无人机任务联盟三阶段生成理论与建模

有人/无人机组成任务联盟进行协同作战是未来空战场中重要的作战模式。为了有效解决大规模作战场景下的有人/无人机任务联盟高效生成问题,充分考虑了任务地理位置、任务资源需求和无人机指控需求对任务联盟生成的影响,采用分阶段的方式对有人/无人机任务联盟生成过程进行了建模,并针对所构建模型的特点初步探讨了各生成阶段的求解方法,最后通过案例分析说明了所提理论的可行性。

有人-无人作战智能体任务联盟形成策略方法

为解决有人-无人作战智能体协同执行任务形成联盟问题,采取先任务分组后进行智能体到任务组匹配的联盟形成策略,即利用任务间相关程度具有传递性的特点,引入任务距离概念,设计了任务能力需求一致的任务分组策略,并给出基于可达矩阵变换的分组求解方法。针对联盟形成是分布式能力聚合过程的特点,在考虑智能体到任务组的匹配程度优先级和作战智能体能力利用效率的基础上,设计一种基于拍卖机制的作战智能体到任务组的匹配策略。通过案例计算,得到离岛突击想定下的任务联盟形成方案,分析所形成联盟的资源冗余性,验证了所提联盟形成策略和方法的有效性。

量子蚁群算法求解多任务联盟问题

针对蚁群算法在求解多任务联盟问题(multi-task coalition problem,MTCP)时存在的求解精度不高、迭代次数多的不足,利用量子计算的并行性,提出了一种求解多任务联盟问题的量子蚁群算法.首先,利用量子叠加态给出了基于Agent的量子编码,使1个Agent能占据空间中的2个位置;其次,为使旋转角获得合适的大小和方向,提出了一种基于信息素的自适应修正旋转角调整策略;最后,通过对量子编码进行观测,给出了基于量子态的蚂蚁寻优策略.实验结果表明,与已有的算法相比,该算法不仅能获得更高质量的解,而且收敛速度也有显著的提高.

有人/无人机任务联盟分阶段形成方法

针对有人/无人机任务联盟形成问题,采取任务聚类-平台匹配的分阶段形成策略。首先,给出问题要素定义,并进行相关数学描述。其次,基于对问题的分析,以最小化任务距离和为优化目标建立任务聚类的数学模型;以最小化指挥决策能力代价和资源能力代价为优化目标建立平台匹配的数学模型。然后,对任务聚类问题和平台匹配问题,分别采用优选初始簇中心的贪心聚类算法和多目标模糊人工蜂群算法进行求解;最后,通过仿真案例下的3组实验,验证了提出方法的有效性和优越性。

两阶段决策下物流任务联盟协同管理优化

为解决物流服务企业对多供应商物流任务运作的优化问题,以两个供应商及其建立的一个行业协会、一个物流服务企业组成的物流任务联盟为研究对象,建立了基于物流任务效用模型和考虑努力因素修正的Shap-ley分配模型的两阶段决策模型。第一阶段利用物流任务效用模型分析了供应商物流任务横向协同外包效应和物流服务企业处理供应商协同外包物流任务效应;第二阶段利用分配模型讨论了联盟协同收益的分配,并结合示例进行了验证。结果表明,多供应商变物流任务的分散外包为协同外包,可以降低物流服务企业的运作成本,增加收益,物流服务企业对增加的收益进行合理分配,能够提高联盟内所有企业的收益。

基于相对距离和关联度的多任务联盟的蚁群算法

针对蚁群算法在求解多任务联盟问题(multi-task coalition problem,MTCP)时存在的迭代次数多、求解精度不高的问题,提出了一种基于相对距离和关联度的蚁群算法.该算法针对蚁群算法搜索机制和信息素增量模型,提出了2种策略.首先,为提高资源利用效率,减少Agent的能力浪费,引入了相对距离的概念,提出了基于相对距离的搜索机制;其次,为强化蚂蚁间的协作,利用已获得的解信息,给出了一种基于关联度的信息素增量模型.仿真实验结果表明,与已有的一些算法相比,本文算法不仅能获得更好的联盟结构,而且具有较快的收敛速度.

任务联盟演化过程行动策略优选的DINs建模

优化选择一定的行动策略能促使任务联盟向期望的目标效果演化。考虑部分事件/行动在不同时段下影响强度不相一致,使用考虑影响值时变的动态影响网(DINs)对联盟演化过程行动策略优选问题进行建模,给出因果强度逻辑下概率传播参数设计的一致性条件,并基于因果强度逻辑进行影响值计算。结合空中进攻作战想定案例进行仿真验证,计算结果表明,通过部分事件/行动节点影响值变化下进行策略优选提高了对因果关系的建模能力。

基于量子遗传算法的多任务联盟并行生成算法

提出一种基于量子遗传算法的多任务联盟并行生成算法,运用量子编码映射的方式将任务分配与资源组合合并为一个过程,使多任务联盟问题的复杂性得到降低。实验表明,该算法在面向多任务的领域中可以快速、有效地并行形成多个任务求解联盟;与遗传算法和蚁群算法的对比实验表明,该算法是正确、有效、可行的,在运行时间和解的性能上都优于前两种算法。

基于多联盟规则的无人机投送任务分配建模研究

为提高战场投送能力,针对战场联合投送过程中任务重、时间紧,传统铁、公、水等输送方式易受地形、交通条件限制导致投送效率低、处理大规模投送任务能力不足等问题,论文考虑利用多无人机实施联合投送任务,根据多任务多联盟生成问题的特点,总结启发规则,设计快速构造模型算法,采用动态综合排序方法完成多无人机投送任务分配,提高了任务分配及投送效率,为丰富我军多样化投送方式、提高空中投送能力提供参考。

基于动态联盟策略的无人机集群在线任务规划方法

针对复杂战场环境下无人集群任务规划所面临的高动态性、强不确定性以及多约束问题,提出一种基于动态联盟策略的分布式在线任务规划方法。描述无人机集群动态任务规划的典型场景,建立了异构无人机集群的多约束分布式任务规划数学模型;设计考虑集群动态拓扑约束的任务联盟组建策略,提出耦合Dubins航迹规划的改进蚁群算法,实现多约束强不确定动态任务规划问题的在线求解;构建异构无人机集群察打评一体的任务仿真场景,通过数字仿真以及虚实结合的半实物仿真技术验证所提出的策略和算法的有效性。研究结果表明:所提方法在动态任务规划过程中能够在损失较少任务完成时间的前提下可获得较优的系统效能,对于后续研究工作进一步走向工程化应用具有一定意义。

基于自适应PSO和类别分解的多任务串行联盟生成

现有的联盟生成方案多针对一个agent只能加入一个联盟,不利于联盟总效用的最大化以及联盟中agent能力的充分利用。提出了基于能力类别的agent分解策略,通过定义子agent使得agent可以同时加入多个联盟,在此基础上设计了基于二维离散粒子群的多任务串行联盟生成算法,并对粒子的惯性权重进行动态自适应调整;最后通过算例验证了该方法的有效性。

基于云概念语言的多任务模糊联盟形成

在MAS系统中多任务联盟的生成是关键问题,针对Agent提供的能力及其态度表现具有模糊性和不确定性特点,提出云概念语言的多任务联盟生成方法。运用二维云模型实现模糊量间不确定转换,得到Agent与任务之间的云概念语言,以概念语言语义中最好Agent为各特定任务的"盟主",并依据概念语言语义强弱依次与联盟中其他Agent成员进行协商形成多任务联盟,有效地降低了多任务联盟形成的复杂性。实例说明方法更合理、更有效。

基于一致性群组算法的多无人机自主协同任务分配

多无人机自主协同是当前无人机参与空战的趋势,无人机具有基于信息共享的自主任务分配能力对提高其自主作战能力具有重大意义。首先,采用基于竞拍的一致性算法解决单个无人机完成单个任务的任务分配问题。其次,采用基于一致性的拍卖包算法解决单个无人机完成多个任务的分配问题。然后提出了一致性的群组算法,解决了多无人机到多任务的任务分配,特别是需要多无人机形成联盟执行某个复杂任务的分配问题。最后,引入的时间窗口限制不仅可以确保多无人机的联盟同时到达任务,而且还保证在相应的时间要求中完成不同的任务。仿真表明,提出的算法在解决不同类型任务的分配方面是有效的,且适用于多无人机间的自主协作。

弱信念Agent的知识交互模型

Agent在弱信念知识形态下不能产生明确任务目标,也不能产生准确的目标意图规划行为。为了解决这一问题,本文提出在动态任务联盟中通过知识交互进行信念调整的方法,进行了相应的形式化描述,并对在知识交互过程中可能出现的信念冲突情况进行了讨论。

多任务多联盟并行生成:模型与求解

联盟生成是MAS的一个关键问题,现有的工作主要研究如何针对一个任务生成最优联盟,很少考虑多任务多联盟生成问题(MMG).对MMG问题建立了模型,并进行了分析.在系统能力受限的条件下给出一种并行算法,首先找出最优可达任务集,再针对每个任务生成相应的联盟,从而实现了问题的分布并行求解.最后通过仿真试验说明了此算法的有效性.

有人-无人机作战组织模型框架研究

针对有人-无人机作战组织模型框架设计问题,按照组织研究范式,从控制架构和系统建模角度,分析了有人-无人机任务联盟、Holon组织和计算数学组织等组织形式的概念模型、构建目标和作战流程,总结了不同组织形式之间的特点和异同。虽然三种组织形式都是基于复杂自适应理论,但在控制方式上,Holon组织更多是分布式架构,计算数学组织更多是集中式架构,而任务联盟既可以采用集中式架构也可以采用分布式架构;在建模粒度上,任务联盟和Holon组织相对而言更细。

Coalition formation based on a task-oriented collaborative ability vector

Coalition formation is an important coordination problem in multi-agent systems, and a proper description of collaborative abilities for agents is the basic and key precondition in handling this problem. In this paper, a model of task-oriented collaborative abilities is established, where five task-oriented abilities are extracted to form a collaborative ability vector. A task demand vector is also described. In addition, a method of coalition formation with stochastic mechanism is proposed to reduce excessive competitions. An artificial intelligent algorithm is proposed to compensate for the difference between the expected and actual task requirements, which could improve the cognitive capabilities of agents for human commands. Simulations show the effectiveness of the proposed model and the distributed artificial intelligent algorithm.