面向多目标的弹药智能任务规划系统研究综述

针对现代高技术战争中多目标、多弹种、多层级指挥决策困难和弹药使用效费比低的问题,提出基于多目标的弹药智能任务规划系统。阐述系统基本思路和工作流程,重点分析弹药智能任务规划系统相关关键技术及算法的研究现状,并对算法优缺点进行分析比较,指出当前研究存在的薄弱环节,提出发展展望。结果表明,该研究对解决后续相关问题具有一定参考意义。

无人集群智能任务规划方法研究综述

随着作战场景的多样化发展,现代战争形态正由机械化、信息化向智能化方向加速转变,智能任务规划逐渐取代传统任务规划成为无人集群作战的大脑,是集群有效遂行作战任务、提升作战效能的核心环节。针对任务规划内涵和无人集群作战特点,系统梳理了无人集群智能任务分配方法、智能轨迹规划方法以及智能效能评估方法研究现状,最后结合任务规划需要重点解决的难题,给出了未来集群智能任务规划方法的发展展望。综述表明,智能任务规划方法是提升无人集群任务效能的重要因素,需重点关注不确定环境、大规模集群编组、多任务一体寻优快速迭代以及智能任务分配、智能轨迹规划解耦等难题,进一步提升无人集群任务规划方法智能化水平。

基于可计算任务树的人机混合智能任务规划新范式

为加速智能化技术在任务规划中的应用,提出一种基于可计算任务树的人机混合智能任务规划新范式.以可计算任务树作为人机混合智能任务规划的桥梁,机器配合指挥员对任务进行分解,通过智能算法在虚拟对抗环境中开展海量训练,支持方案的自动生成.同时,给出了3种不同的使用模式与典型运行流程,并对关键支撑技术进行了分析.该范式为未来智能化任务规划提供了一种可行的技术途径,对提升任务规划能力和效率具有重要意义.

对抗条件下基于SAC-Lagrangian的UAV智能规划

无人机因其低成本、可消耗、分布部署、敏捷灵活的优势,在多个民用领域大放异彩。但受其智能化程度限制,如何在复杂对抗条件下自主安全完成任务仍存在巨大挑战。针对目前无人机任务规划存在的智能性和安全性问题,提出一种基于安全强化学习算法的无人机智能规划方法(SAC-Lagrangian)。考虑了雷达威胁、禁飞区安全约束和地导对抗条件,将任务规划问题建模为约束马尔可夫决策过程(CMDP),通过拉格朗日乘子法变为对偶问题,采用最大熵柔性行动者-评论家(SAC)算法近似求解最优策略,保证了智能体在遵守安全约束条件下最大化期望回报。仿真结果表明,与其他基线算法相比,所提方法能在保证任务性能的同时确保安全性,适应动态变化的场景,任务完成率达到96%,因此,具有高效、鲁棒和安全的优势。

临近空间多任务规划求解方法

构造临近空间信息系统多任务规划的一种新的理想解概念——ε-理想解,来表示每一个局中人在作方案决策时给定一个权衡值。证明了求解ε-最优理想解充要条件是求单一任务分配策略的最优理想解的规划问题,阐述了具有不同权衡值下的ε-最优理想解。示例表明了智能规划方法对临近空间信息系统多任务分配具有一定的有效性。

基于分层任务网络的攻击路径发现方法

攻击路径发现是辅助网络资产安全评估的一项关键任务。现有基于智能规划的攻击路径发现方法因建模语言丰富和规划算法完备而深受安全从业者青睐,但其存在的扩展性问题不容忽视。为此,提出一种基于分层任务网络的攻击路径发现方法。具体而言,围绕网络规模逐步扩展、路径发现任务愈加复杂和安全推演场景频繁变化所引发的扩展性问题,将所提方法分解为3个阶段。第一阶段,针对路径生成性能差的问题,引入面向目标拓扑的多层级K路划分算法;第二阶段,针对领域问题描述难的问题,构建融入专家经验的路径规划分层任务网络;第三阶段,针对路径更新效率低的问题,设计应对局部信息更替的攻击路径维护方案。实验结果表明,所提方法适用于大规模网络,执行效率更高,具备良好的扩展性。