基于神经网络和人工势场的协同博弈路径规划

协同博弈路径规划是空战自主决策、机器人体育比赛等应用场景中的重要问题,其难点在于对环境对抗性反馈的实时自适应和多智能体的相互配合。提出一种基于神经网络和人工势场的协同博弈路径规划方法,使用反向传播(BP)神经网络自适应调整人工势场函数系数,并将人工势场作为神经网络输出端的特征提取。为解决真实样本质量和数量不足的问题,基于遗传算法仿真生成样本数据用于神经网络训练,并通过滚动时域的思路面向动态博弈优化样本性能。从样本数据中提炼出距离差与航向差以反映协同和博弈特性,利用神经网络的黑盒特性和学习能力解决协同博弈问题。应用于二对一反隐身超视距空战路径规划,比经典人工势场法有明显性能提升,且计算开销可接受,计算复杂度分析表明该方法可以较好扩展到多机对抗场景。