一种动态锁定式多星协同任务规划的A2C算法

提出了一种基于强化学习算法的多星协同任务规划方法。该方法将多星协同任务规划视为多个双星协同规划,采用相邻双星锁定的方式来共享双星任务规划结果信息,基于A2C(优势动作评价)强化学习算法对双星任务规划的结果进行再调整。针对多星协同任务规划状态空间复杂且变化的问题,设计了两级状态空间和价值评价函数决策的方法,对强化学习所依赖的状态空间进行维度限制,确保智能体对任务进行调整的过程不影响状态空间维度。算法设计过程考虑了多种约束条件,设置了天气、成像质量和成像优先级等可调参数作为强化学习A2C算法的评价参数,这些可调参数有助于用户自定义决策评价体系。最后,通过仿真验证了算法的可行性。仿真结果表明,该算法多星协同任务规划的组合任务抛弃率小于10%。

无人机编队协同任务规划仿真系统研究

针对使用真实无人机进行编队协同任务规划实验的成本和风险较高的问题,设计了一种基于VR-Forces的分布式的无人机编队协同任务规划仿真系统。设计了系统总体框架和各个子系统的功能模块,实现了其中的关键技术,针对一种协同搜索任务场景进行了仿真实验。研究表明,该仿真系统能够仿真多种任务场景下的无人机编队协同任务规划过程,以帮助验证不同类型的协同任务规划算法,仿真展示度高。

协同任务规划中基于约束满足的资源冲突检测与消解

资源的有限性以及活动的并发执行导致协同任务中极易发生资源冲突,需施加时间约束以限定活动执行时间从而避免冲突的出现。在分析多机协同任务的基础上,将任务过程转化为带有多容量资源的任务调度模型,根据模型时间特性给出资源冲突定义及其判断准则。提出基于最小冲突集的资源冲突检测算法,其中利用时间交叠关系的特点,将资源冲突的检测与消解问题转化为连通图中闭团的检查与消除问题。进而从约束满足的角度研究了基于最小承诺策略的消解算法。实验结果表明方法的有效性。

考虑战场环境约束的多导弹协同任务规划

多导弹协同任务规划是一个多约束、强耦合的复杂多目标优化与决策问题,能有效提高作战效能。研究了具有不同探测距离和威胁度的禁/避飞区、威胁区等战场环境下的多导弹协同航迹规划和目标分配问题。首先建立了具有战场环境约束的Voronoi图,并结合改进的Dijkstra算法取得了代价最小的航迹;进一步采用基于视线的航迹缩短算法和航迹平滑算法对初始航迹进行动态优化处理,产生了既节省燃料又满足导弹机动性能的可飞行轨迹;最后采用基于MMKP(Multi-dimensional,Multi-choice Knapsack Problem)的协同目标分配算法实现了多导弹协同攻击多目标,并且获得了综合代价最小的多导弹协同航迹。仿真结果证明了方法的有效性。该方法具有很高的应用价值,可实际应用在巡航导弹、无人机等无人飞行器的协同控制方面。

复杂环境下多目标多无人机协同任务规划

建立了多无人机协同任务规划模型,从时间和空间上分析了影响任务分配的关键技术指标,以考虑雷达站下无人机的飞行总航程、攻击目标收益、完成任务时间和执行任务时的威胁代价为子目标函数,建立了多机任务分配模型。将多目标规划问题转化为单目标规划,运用主客观赋权法计算各指标的权重。提出了改进的遗传算法用于求解模型,提高了任务规划效率。考虑两种载荷的限制,对规划路线进行优化。仿真结果表明:提出的模型和算法能有效地解决多机协同任务规划问题。

基于改进遗传算法的反舰导弹协同任务规划

在进行协同任务规划时应同时考虑协同航路规划和任务分配这两个问题,合理选择进攻目标、确定攻击航路以及分配恰当的突击力量于突击目标。针对这一问题提出了目标分配及协同航路选择的优化模型,并且给出了编码结构;针对遗传算法存在的不足,提出了一些改进;然后采用改进的遗传算法对协同任务规划模型进行了仿真验证。仿真结果表明该方法可以有效地规划出协同航路。

多约束条件下多无人机协同任务规划问题分析及求解方法综述

多无人机协同任务规划是现阶段无人机集群智能化发展的关键技术,其中任务分配与航迹规划是无人机任务规划技术的核心部分。鉴于规划要素众多且相互耦合的研究现状,寻找降低问题耦合度和复杂度的求解策略至关重要。首先,文中从问题建模出发,建立了任务规划问题通用模型,总结归纳出常见约束条件和评价指标,并着重分析问题求解框架;其次,从集中式和分布式角度详细阐述了任务分配问题的常见模型与求解算法;再次,论述了单机路径规划和路径平滑方法,并针对多机时空协同约束归纳了多机间协同方法;此外,从约束耦合、子问题耦合、分层结构耦合角度整理归纳了求解过程中存在的复杂耦合因素,并重点探讨了解耦策略;最后,讨论了未来多无人机协同任务规划问题的发展趋势。

成像卫星协同任务规划模型与算法

作为一类重要的对地观测卫星,成像卫星多星组网协同工作可提高处理复杂任务的能力,其中的任务规划属于多时间窗口、多优化目标和多约束条件的组合优化问题。针对任务协同规划技术,主要完成两项工作:第一,建立协同规划模型,引入了元任务间的3类协同作用关系,并进一步考虑了风险控制的要素;第二,在阐述引入启发式信息的遗传禁忌选择的求解算法基础上,提出算法协同进化模型求解技术。最后,利用卫星工具箱(satellite tool kit,STK)提供仿真数据,评价几种典型的求解算法,并验证了本文算法在收敛速度和鲁棒性上的有效性。

多无人机协同任务规划研究综述

综述了近年来多无人机协同任务规划系统相关的研究成果,包括了系统架构设计、任务分配和航迹规划方法。无论是在任务规划、分配,还是在行规规划方面都需要遵循相应的原则。一般多无人机协同任务规划系统的整体架构包括了内部数据管理模块、事态/威胁评估模块、检测管理模块、任务分配模块、航迹规划模块、通信模块、协调模块和方案效能评估模块八个部分,每一部分具有不同的功能性。用于任务分配和航迹规划的算法主要有遗传算法、混合整数线性规划算法、合同网算法等;航迹规划过程中,在完成路径规划后还需对其进行平滑处理、安全距离处理和多机协同优化处理等,最终得到最优航迹。

协同任务规划在应急指挥若干场景中使用的探讨与实现

基于应急指挥的监测感知和多方救援场景,探讨了协同任务规划在应急指挥中的应用。提出了时间、空间、准确性的三要素模型,以及资源、时间、动作的三要素模型,旨在优化监测和救援效率。通过构建信息化系统框架,实现了多源感知平台的协同运行和救援行动的高效调度,为智慧大应急领域的协同治理和计算提供了参考。

面向海上突发事件应急救援任务的协同规划

针对海上突发事件应急救援任务风险大、时间紧、冲突多及协同规划难等问题,急需一套海上应急救援协同机制予以支撑.首先,分析海上突发事件应急救援特点,探索应急联动协同机制;然后,面向海上应急救援任务的时空特点,构建基于时空因素的协同规划模型.进一步,针对指挥协同规划难题,构建基于观察–判断–决策–执行(OODA)作战环的应急救援单元协同联动模型,并着力于分析协同救援单元的一致性及救援时效性,旨在提升应急救援效能.最后,以海上危险化学品泄露救援任务为想定,利用上述模型方法进行规划建模与仿真验证.结果表明,所提出应急救援任务协同规划方法,能够有效的优化协调好海上突发事件的应急救援协同问题,提高了应急救援效能,为海上应急救援部门指挥决策提供了重要支持.

反舰导弹协同任务规划系统研究

为了更好地推进反舰导弹协同任务规划系统的研究,阐述了反舰导弹协同任务规划系统的特点,构建了反舰导弹协同任务规划系统的逻辑结构,并详细分析了任务分配和航路规划两大关键问题在建模和求解方面的研究讨论。最后指出了反舰导弹协同任务规划存在的问题,并展望了协同任务规划系统的发展趋势。

分布式协同动态任务规划的建模与一体化求解方法

以多异构无人机执行侦查、打击、评估任务为背景,开展了协同任务规划问题建模、一体化求解算法设计。采用分布式规划框架及图论思想对问题进行建模,且将无人机避碰、燃油、任务执行次序作为约束条件,并充分考虑任务分配与路径规划存在的强耦合特性,采用禁忌/遗传算法,设计包含任务序列和路径位姿点的基因编码,将问题进行一体化求解。结果表明:算法能够适用于动态任务场景,且能够较为快速地解决任务空间较为复杂的规划问题。

网络化多传感器-多武器协同防空任务规划

针对网络化防空体系的多传感器-多武器协同任务规划问题,考虑任务要求、装备性能、运用限制等约束,构建多武器拦截与多传感器跟踪任务规划模型。前者以拦截时机、次数等为优化目标,输出武器-目标配对以及对目标的拦截时段、跟踪时间要求;后者以满足跟踪时间要求为目标,输出传感器-目标配对和对目标的跟踪时段。设计了基于时段优选拼接和分支定界法的多传感器-多武器协同任务规划算法,生成多传感器-多武器协同交战计划,支持多传感器接力跟踪、跨平台打击引导、多武器协同抗击。在假定的舰艇编队与预警机协同防空场景下验证了所设计模型的有效性。

无人机群对多目标执行多任务的协同规划方法

为了减少无人机群对多目标执行多项任务的航程,提高任务规划的稳定性,提出了基于保留潜力蜜源人工蜂群算法的协同任务规划方法(RPSABC算法)。建立了无人机群协同任务规划的约束条件和目标函数;分析了基本人工蜂群算法原理;提出了动态选择策略,观察蜂选择蜜源时兼顾优质蜜源和潜力蜜源,利于算法寻优;使用Metropolis准则改进蜜源选择策略,有利于算法跳出局部最优、保留潜在最优;基于以上改进,提出了保留潜力蜜源人工蜂群算法的无人机群协同任务规划方法。仿真验证结果表明:RPSABC算法收敛迭代次数比ROABC算法、ABC算法分别减少31.9%、40.4%;目标函数收敛均值分别下降了5.2%和19.0%;RPSABC算法的收敛值标准差最小,说明此算法稳定性最好。

基于高斯估算的最优覆盖控制在多无人机协同任务规划中应用研究

多无人机协同任务规划是一个复杂的决策与优化问题,它受到环境、任务要求等多种因素影响,本文主要介绍了最优覆盖控制的研究背景和意义,多无人机的最优覆盖控制的实质就是多无人机在目标区域内的协同任务规划的最优配置,文中提出了一种基于高斯估计的最优覆盖控制并通过推导证明其是可实现的,即根据多无人机目标区域的采样信息,使用高斯估算对无人机特定区域内敏感度函数进行计算,最终得到多无人机在协同任务规划的最优方法。

UCAV任务规划系统的研究进展及发展趋势

分析了无人作战飞机任务规划系统的特点 ,按照规划范围和时段对无人作战飞机任务规划系统进行分层研究 ,讨论和分析了各个层次的作用及发展现状。最后 。

基于改进遗传算法的协同航路规划研究

在进行协同任务规划时应同时考虑协同航路规划和任务分配这两个问题，同时到达进攻目标、确定攻击航路以及分配恰当的突击力量于突击目标。针对这一问题提出了目标分配及协同航路选择的优化模型，并且给出了编码结构；针对遗传算法存在的不足，提出了一些改进；然后采用改进的遗传算法对协同任务规划模型进行了仿真验证。仿真结果表明该方法可以有效地规划出协同航路。

对地观测卫星任务规划研究

卫星任务规划是卫星地面系统的核心技术之一;文章立足于对地观测卫星任务规划技术的工程应用,结合多年卫星地面系统研制及管理实践,对卫星任务规划的研究与应用现状及其未来发展趋势进行综述;文章强调了可靠性、可控性、可理解性等概念,以及规划架构设计在任务规划研究中的重要性;在此基础上,着重阐述和分析了应急卫星任务规划、多系统协同任务规划、高低轨卫星联合任务规划、低轨组网卫星任务规划一体化、星地协同任务规划、基于机器学习的任务规划等技术挑战,最后就技术挑战进行了总结和展望。

外军导弹协同数据链现状及技术发展趋势

导弹防御系统对突防导弹的拦截能力不断增强,在对重要军事目标进行打击时,需要使用多枚导弹协同攻击。当前,美、俄等国家均在发展导弹协同数据链技术,使得突防的导弹之间可通过弹间数据链进行协同,以提高导弹的突防概率和打击效果。在分析外军导弹协同数据链的基础上,提出了导弹协同的基本应用概念及导弹协同数据链的技术发展趋势,并对导弹协同数据链的关键技术进行了分析。