智能空间下基于分层任务网络的服务机器人任务规划

针对在复杂、动态的家庭环境下,如何让机器人获取足够多的环境信息并根据环境信息进行自主的任务规划,提出了智能空间技术支持下基于分层任务网络的服务机器人任务规划方案.利用智能空间技术为机器人提供充足的环境上下文信息,用基于分层任务网络设计的JSHOP2规划器执行机器人任务规划.为了提高机器人任务规划的自主性和智能性,在规划领域文件中加入不同的模板信息,使机器人具有根据环境的不同自动对任务进行调整的能力.仿真实验结果表明利用该方法能够有效地提高机器人任务规划的性能.

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。

联合投送任务规划方案智能集成评估

为提升联合投送任务规划方案的评价精度,研究影响联合快速投送任务设计的各影响因素,分析了联合投送任务规划方案的评估原则,构建了联合投送任务规划方案评估指标体系,建立了各评估指标在联合投送任务规划方案评估目标间的映射模型,给出了一个基于深度学习和群智能算法的联合投送任务规划实施方案智能评价模式.试验结果表明:该评估方法能够准确有效地评估联合投送任务规划方案.

基于遗传算法和分层任务网络的战术任务规划方法

针对给定约束条件下作战任务最优战术动作序列规划问题,提出一种将分层任务网络(hierarchical tasknetwork,HTN)与遗传算法(genetic algorithms,GA)相结合的HTN_GA战术任务规划算法。采用定性与定量相结合的方法,基于分层任务网络对战术知识进行建模,基于遗传算法对战术生成过程进行优化。分析了HTN_GA战术规划算法的可行性、完备性。实现了基于SEAD任务的无人作战飞机(uninhabited combat aerial vehicle,UCAV)战术任务规划,仿真结果证明了该任务规划算法的可行性和有效性。

一种利用工作流模型的分层任务网络规划领域建模方法

为了有效地获取和利用领域知识,提高规划效率,分析了工作流模型和分层任务网络(HTN)规划领域模型的相似性,提出了一种采用工作流模型进行规划领域建模,对领域知识进行获取和表达的方法.工作流模型中的行动和工作流模式,转换为HTN规划中的行动和任务分解;另外,引入了循环(Loop)工作流模式,转换为HTN规划中的递归调用,扩展了工作流模式对规划领域知识的表达能力.在典型的几个规划领域中,引入领域知识后大大提高了规划器的求解效率,从而验证了应用工作流模型进行规划领域建模的有效性.

基于分层任务网络的一致性规划方法

给出一种求解一致性规划问题的新方法,并给出了此求解方法的有效性分析.在求解一致性规划问题时,先将各个可能世界都转移到某个中间状态,再从中间状态做一次求解.结果表明,该方法具有较高的效率和较好的扩展性.

分层任务网络在UCAV规划中的应用

无人战斗机任务规划对提高它的生存能力、突防能力、作战效能具有重要意义。分层任务网络规划是一个有效的规划方法,HTNP的最大好处在于,搜索受控于细心设计的方法。在某种意义上讲,一个HTN规划器只描述了如何使用操作,给实际使用带来了困难。在HTNP中引入目标协调机制、禁忌表等,将原有“离线”式方法变为“在线”式方法,提高了方法的适应性能。可以根据情况的变化,随时生成新的规划,降低了预先设计方法的数量,从而降低工程实施的难度。

基于分层目标任务网络的作战任务规划方法

为提高复杂非结构化作战环境下作战系统规划能力,提出一种新的分层任务网络智能规划方法 HGTN(Hierarchical Goal-Task Network),给出了HGTN的形式化定义,研究了HGTN规划算法,以及启发式搜索算法和目标推理规划算法。HGTN在HTN(Hierarchical Task Network)规划方法基础上,增加了目标任务和相关处理方法,具备基于目标的逆向推理机制。通过作战任务规划实例分析,HGTN规划方法相对HTN,能够提高规划的适用性和求解效率,符合作战决策推理的思维模式。

基于层次任务网络的作战任务 系统功能映射方法

针对作战任务系统功能映射问题,建立了作战任务与系统功能的模型。基于任务/能力可以分解的特点,将映射问题转化为智能规划问题,并利用层次任务网络(hierarchical task network,HTN)方法对该问题进行求解。针对HTN规划器无法处理多属性输入的问题,基于递归的思想设计了任务分解算法,使得分解后任务转化的规划问题适配HTN规划器。针对多个映射方案的整合问题,基于邻接矩阵设计了多方案的整合算法,从而得到了满足任务需求的系统功能映射方案。仿真实验结果表明,所提方法能够有效实现作战任务到系统功能的映射。

基于分层结构的空间机械臂多约束任务规划

针对空间机械臂在轨环境复杂、约束繁多、任务多样的特点,提出了一种基于分层结构的多约束任务规划方法。将任务规划过程划分为任务剖面分析与任务中间点规划两个层次分别进行。根据空间机械臂的工作特点,提出一种采用状态矩阵结合状态掩码的工作环境表征方式。在此基础上,定义了三种空间机械臂原任务及其算子。基于分层任务网络(Hierarchical task network,HTN)进行任务剖面分析,将复杂任务拆解为原任务序列。系统梳理空间机械臂规划参数集,针对因各类约束条件导致无法直接执行的原任务,在考虑资源优化的同时利用改进的A*算法对原任务进一步划分为多段简单路径,并给出代价最小的任务中间点序列。以物体转移任务为例通过仿真试验验证了基于分层结构的空间机械臂任务规划方法的可行性与有效性。

人工智能在卫星任务规划中的应用

智能规划与调度是实现卫星自主规划其飞行任务的关键。将人工智能方法应用于卫星的任务规划,以执行对地观测任务为例,将任务规划问题归于组合优化问题,建立了相应的数学模型,并应用Hopfield神经网络算法进行求解,结果表明,该方法可用于单个仪器的任务规划。

基于智能搜索的坦克机动任务规划

在未来高技术局部战争条件下,坦克不得不面临一个动态复杂的战场环境,这就要求坦克能根据战场环境实时地进行任务规划。以单辆坦克在陆地上的自主机动为背景,提出了一种基于智能搜索的坦克机动任务规划方法。在机动任务规划的实施方面,重点描述了两个基本方面:坦克机动环境的评估及坦克机动任务规划的自主实现。构造了一种智能搜索方法,同时应用这种方法提出了实现坦克自主机动的基本思路,并编制应用程序,进行实例检验。结果表明,这种方法科学合理,为坦克机动任务的规划提供了新思路。神经网络评估方法具有普遍意义,能推广应用于坦克其它方面的任务规划。

基于HTN的巡视器动态规划方法

为提升深空探测任务中巡视器动态规划处理效率,从航天工程实践经验出发,结合分层任务网络(hierarchical task network,HTN)理论研究成果,提出巡视器领域知识建模方法以及动态规划流程。针对经典动作规划系统不能处理时态约束关系的问题,在建模中引入受限状态事件的表示方法。针对动态规划中的时态约束关系,拓展Allen区间代数的定义,提出事件、全局时间点和虚拟事件的时序逻辑判断方法。针对动态规划中存在的状态空间一致性问题,提出虚拟指令继承原有状态空间的方法。研究结果完善了HTN在航天领域的知识建模方法,解决了经典动作规划缺少时间信息约束的缺陷。所提出的虚拟事件、虚拟指令解决动态规划状态判定方法,可有效提高深空探测任务中巡视器遥操作的工作效能和地面中心进行事件处理的灵活性。

智能化作战任务规划需求分析

作战任务规划主要用于支撑作战方案计划的战前拟制和战中调控,现代战争的快节奏、高强度以及复杂性,使指挥员及参谋机构难以承担重任,迫切需要利用智能技术提高决策的自动化和自主化水平。因此,对作战任务规划概念和现有方法进行梳理,分析军事应用局限性和战争复杂性带来的困难,阐述智能方法在威胁判断、时空推理、策略生成与评估、策略学习与成长等方面辅助作战任务规划的必要性,进一步给出作战任务智能规划的框架设计及理论依据,对未来实现智能化作战任务规划提供借鉴。

层次任务网络中的重新规划研究综述

层次任务网络(hierarchical task network,HTN)作为智能规划技术的重要组成部分,已成功应用于无人平台任务规划、应急方案制定等各领域中。由于日益增加的不确定因素对计划执行效果的影响,迫切需要重新规划技术,因此基于HTN的重新规划技术成为近年来的研究热点。首先,通过对当前研究现状的总结梳理,提出了基于HTN的3层重新规划框架。然后,分别从框架中的计划修复、局部重规划和全局重规划3个层次阐述了相应的技术路线与实现细节,针对不同层次指出了目前方法的优势与不足。最后,对该问题未来的研究方向进行了展望,并提出了待解决的关键问题及解决思路。

基于分层任务网络的舰船维修任务分解方法

针对现有舰船装备维修任务建模及分解与维修仿真过程无法建立完整约束和联系的问题,结合分层任务网络规划,提出一种基于分层任务网络规划的舰船维修任务分解方法。该方法基于分层任务网络的维修任务分解思路,设定不同元任务类型,将舰船维修任务分解到元任务层级,建立维修任务分解与分层任务网络规划之间的映射关系,通过分层任务网络规划匹配使舰船装备维修任务分解为有序元任务序列。这种方法与常用的维修任务建模及分解方法相比较,有两个优点:一个是维修任务分解过程与维修人员对维修任务执行的推理过程相似,且分解过程是根据实际操作规程和知识手册设定的,符合实际维修任务流程,便于舰船维修仿真的实现;另一个是,可以对规划领域不断扩展,面对情况更加复杂的维修场景,建立更加完善的表述机制,来完成特殊任务类型的分解。

海洋多平台多传感器协同监测任务智能规划技术

海洋多平台多传感器协同监测任务智能规划技术面向大型复杂海洋传感网络,能够在海洋信息平台及传感设备大规模海上部署的情况下进行大批量的任务规划和观测资源分配,形成海洋情报分析-系统行动规划-行动规划实施-精确情报再收集的良性闭环监测模式。针对重要海上态势,能够通过多平台、多传感器协同行动规划手段,对情报进行持续的、多手段协同的精确观测,有效提升海洋传感网络的监测效率和精确度,显著降低系统对指挥调度人员的素质经验要求,极大提升了海洋传感网络系统的指挥调度智能化自动化水平。该技术全面分析了海洋传感网络的共性特点和特性差异,充分考虑了海上环境、能源、通信等多方面制约因素,建立具有广泛适应性的海洋多平台多传感器协同监测任务智能规划问题模型,能够快速移植到不同的海洋传感网络,采用差分进化、蚁群、贪心等多种群体人工智能算法和状态空间启发式搜索算法,满足不同业务场景规划的需求,同时具备智能约束匹配和规划冲突消解的能力,实现运行规划动态调整、系统资源实时匹配和协同保障。

基于智能对抗进化的联合火力打击任务规划方法

针对常规联合火力打击任务规划方法很少涉及敌我对抗,导致评估环境发生变化的问题,提出一种基于敌我对抗进化的智能对抗进化算法。该算法以遗传算法为基础,将模拟生物竞争机制引入敌我双种群,互为评估条件实施对抗进化。依据敌我战场态势图构建观察-判断-决策-打击(OODA)超网络,计算OODA循环效率、确定敌我打击排序,通过多代对抗进化获得能够适应战场动态变化的任务规划最优个体。仿真结果表明:多代进化后的最优个体相比于标准优化结果,战场动态适应性更强,联合火力打击胜率更高,应对突发情况的响应机制更完善,能够有效地解决联合火力打击任务规划的评估优化问题。

基于分层分解的一种实时车辆路径规划算法

道路网络通常是大规模和复杂的网络 ,而一般的最短路径算法需要大量的计算时间。为了减少计算负担 ,本文根据分层和空间分解的道路网络模型 ,提出了一种基于存储数据的车辆路径规划算法 ,路径通过查询表格获得。提出的算法尤其适用于集中式车辆路径规划。仿真结果表明 ,该算法在计算次最优路径时更快且要求更少的内存单元。

基于智能Agent的小型无人机自主飞行任务管理器的设计

自主飞行是先进无人机的重要特征。基于智能A gent技术,采用分层的混合型A gent结构,进行了小型无人机自主飞行任务管理器的设计与实现。该设计方案在吸收各领域专家及操纵手的专门知识和丰富经验的基础上,建立了一套基于认知型A gent结构的顶层自主任务管理推理机制和策略,以及基于反应型A gent结构的任务规划执行底层的规则集。对基于该任务管理器的全自主飞行、半自主飞行模式进行了几十架次的飞行试验验证。试验结果充分表明了其推理机制和策略的有效性以及对应急事件响应的快速性。