基于AM-SAC的无人机自主空战决策

针对现代空战中的无人机自主决策问题,将注意力机制(AM)与深度强化学习中的非确定性策略算法Soft Actor Critic(SAC)相结合,提出一种基于AM-SAC算法的机动决策算法。在1V1的作战背景下建立无人机3自由度运动模型和无人机近距空战模型,并利用敌我之间相对距离和相对方位角构建导弹攻击区模型。将AM引入SAC算法,构造权重网络,从而实现训练过程中奖励权重的动态调整并设计仿真实验。通过与SAC算法的对比以及在多个不同初始态势环境下的测试,验证了基于AM-SAC算法的机动决策算法具有更高的收敛速度和机动稳定性,在空战中有更好的表现,且适用于多种不同的作战场景。

基于近端策略优化的空战决策算法研究

面对未来有/无人机协同作战场景,实时准确的空战决策是制胜的关键。复杂的空中环境、瞬变的态势数据以及多重繁琐的作战任务,使有/无人机协同作战将替代单机作战成为未来空战的发展趋势,但多智能体建模和训练过程却面临奖励分配困难、网络难收敛的问题。针对5v5有/无人机协同的空战场景,抽象出有人机和无人机智能体的特征模型,提出基于近端策略优化算法的空战智能决策算法,通过设置态势评估奖励引导空战过程中有/无人机智能体的决策行为向有利态势发展,实现在与环境的实时交互中,输出空战决策序列。通过仿真实验对所提空战决策算法进行验证,结果表明:本文提出的算法在经过训练学习后,能够适应复杂的战场态势,在连续动作空间中得到稳定合理的决策策略。

基于深度强化学习的智能对手自主空战决策技术

为提升空战训练对手的智能性与自主性,提升空战训练效果。针对空战战术训练智能对手自主空战决策问题,提出一种基于深度强化学习的智能体训练方法,采用最大熵强化学习(SAC)算法平衡策略探索与利用的优势,引入自博弈和多智能体联盟训练方法提升空战智能体策略的多样性和鲁棒性。针对一对一近距格斗空战场景建立智能博弈框架及奖励函数,仿真结果表明,基于零经验训练得到的智能体能够有效自主机动决策并实施近距导弹攻击,产生较好的战术效果,证明该方法在一对一近距格斗空战智能体训练中的有效性。

深度确定性策略梯度和预测相结合的无人机空战决策研究

针对无人机自主空战机动决策过程中遇到的敌方不确定性操纵问题,提出了一种目标机动指令预测和深度确定性策略梯度算法相结合的无人机空战自主机动决策方法。对空战双方的态势数据进行有效的融合和处理,搭建无人机六自由度模型和机动动作库,在空战中目标通过深度Q网络算法生成相应机动动作库指令,同时我方无人机通过概率神经网络给出目标机动的预测结果。提出了一种同时考虑了两机态势信息和敌机预测结果的深度确定性策略梯度强化学习方法,使得无人机能够根据当前空战态势选择合适的机动决策。仿真结果表明,该算法可以有效利用空战态势信息和目标机动预测信息,在保证收敛性的前提下提高无人机自主空战决策强化学习算法的有效性。

基于启发式蚁群算法的协同多目标攻击空战决策研究

协同多目标攻击空战决策是现代战机在超视距条件下进行协同空战的关键技术之一。它是寻求一个优化分配方案,将目标分配给各友机,力求使攻击效果最优。本文在对协同多目标攻击战术进行深入分析的基础上,提出了一种用于空战决策的启发式蚁群算法,该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验表明所提出的启发式蚁群算法对最优解的搜索效率明显优于基本蚁群算法,是一种求解协同多目标攻击空战决策问题的有效算法。

无人机协同多目标攻击空战决策研究

针对超视距空战中多架无人机对空中的多个敌对目标进行协同攻击的决策问题进行了研究。首先,对空战威胁态势进行了分析,基于对各攻击目标至少分配一枚导弹的原则,将协同多目标攻击决策问题转化为导弹目标攻击配对的优化问题并建立其攻击效能评估模型。然后,提出了一种模拟退火遗传算法用于该决策问题的寻优。最后,通过所得最佳导弹目标分配个体求得最终协同攻击决策方案。仿真结果表明所提出的算法能有效地求解协同多目标攻击决策问题,其对最优解的搜索效率明显优于单一的遗传算法。

协同多目标攻击空战决策的启发式粒子群优化算法(英文)

利用协同多目标攻击战术的特定知识,并结合粒子群算法,提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强,容易跳出局部最优陷井及启发式算法局部搜索能力强的优点,快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明,本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。

基于改进粒子群算法的协同多目标攻击空战决策

超视距空战和协同多目标攻击是空战的发展趋势,协同多目标攻击中的关键问题是空战决策。建立了协同多目标攻击空战决策的多目标优化数学模型,提出了一种改进的粒子群优化算法,并将其应用于空战决策。基本的粒子群算法是一个有效的求解连续优化问题的方法,结合遗传算法的思想,提出了直接对粒子进行交叉和变异操作来完成粒子更新的方法。仿真结果表明,所提出的改进粒子群算法是一种求解协同多目标攻击空战决策问题的有效算法。

决策影响图方法在三维空战决策中的应用

针对以往空战建模通常仅考虑单方决策的不足,建立了考虑交战双方对抗决策的三维双机空战决策模型,应用影响图分析法描述了空战中飞行员的决策过程,并进行了三维立体格斗空战的仿真研究。仿真结果表明应用决策影响图的三维空战决策模型能够逼真地模拟空战格斗过程;该空战决策方法在不确定情况下的决策效果理想,攻防兼顾,可以适用于各种空战环境。

基于混合自适应遗传算法的协同多目标攻击空战决策(英文)

研究了多机协同多目标攻击空战决策问题.它是依据空战形势,寻求M架友机对N架敌机的一个适当的攻击分配方案,以实现最优的期望攻击效果.为此,本文首先建立了决策问题的数学模型,接着应用混合自适应遗传算法对其进行求解.在混合自适应遗传算法中,将一种局部搜索方法引入自适应遗传算法以提高其搜索能力.同时,设计了用于满足决策问题的非常规交叉算子.仿真实验结果表明所设计的混合自适应遗传算法比自适应遗传算法能更有效地解决协同多目标攻击空战决策问题.

基于自适应混合粒子群算法的协同多目标攻击空战决策

针对协同多目标攻击过程中的空战决策问题,建立了协同多目标攻击空战决策的多目标优化数学模型,提出了一种新的自适应混合粒子群优化算法,并将其应用于协同多目标攻击空战决策问题。该算法利用种群多样性信息对惯性权重进行非线性调整,并结合遗传算法的思想,提出了对粒子进行交叉和变异操作来完成粒子更新的方法。仿真结果表明,该算法具有较高的局部求解精度和全局搜索能力,是一种求解协同多目标攻击空战决策问题的有效算法。

自主空战决策的试探机动方法及仿真研究

自主决策是无人作战飞机的关键技术之一。在近距格斗自主决策系统中,对试探机动方法进行了改进,提出了决策触发机制,根据实际战场态势确定决策时机,以适应迅速变化的战场态势;并提出逐级淘汰的战术过程评价方法,以挑选最佳机动。仿真结果表明,决策触发机制有效,战术过程评价合理,能有效提高空战效能。

基于模糊神经网络的多机多目标空战决策

提出了一种基于模糊神经网络的多机协同多目标空战决策的方法。为简单起见且在不影响战局的情况下,从空战中的环境、地域等方面考虑,将大规模的机群空战划分为小集团内部的小机群作战。根据我机的载弹量和敌机的威胁度,进行分配导弹,分配原则考虑了我方的二次攻击。一次攻击后,计算敌机和我机的损失,再次对敌机和我机进行空战态势分析,进行第二次攻击决策。为验证算法的正确性,采用Matlab软件进行仿真,仿真结果表明,模糊神经网络能发挥神经网络和模糊理论的优点,有效地解决多目标空战决策问题。

飞行综合控制系统空战决策方法

控制决策方法是飞机综合控制系统根据空战对策状态、双方的运动及性能参数等信息产生出机动策略的一种数学方法，是飞机综合控制系统决策层数学模型的重要组成．以空战攻防力学准则建立起的捕获临界条件作为评价函数，采用矩阵博弈数学方法求出离散化机动策略．主要内容：相对运动方程的建立；矩阵博弈策略算法；评价函数的建立等．

基于遗传算法的协同多目标攻击空战决策方法

多机协同多目标攻击是未来空对空作战的一种重要形式。首先建立了多机协同空战的自主优势矩阵 ,并依据多人冲突决策理论构造了空战的总体优化指标向量 ,然后针对其他优化算法的不足 ,提出用遗传算法优化该指标向量 ,实现多机协同多目标攻击空战决策 ,最后对 2∶ 2空战进行了仿真。仿真结果证明了上述思想的正确性。

敌对环境下多无人机协同空战决策

针对超视距条件下多无人机协同空战,协同空战中多无人机间数据链信息共享,多目标分配等问题,改进了计算无人机间威胁的计算方法,并提出了一种新的多无人机目标分配方法。改进了以往传统的线性加权计算无人机间威胁的方法,提出了利用灰色系统理论关联度法计算无人机间威胁的方法,并改进以往算法存在的不足,提出了遗传粒子群(GAPSO)算法,使问题的求解质量和时间代价均有所提高。

空战决策中的智能微分对策法

提出了空战决策中的一种新方法——智能微分对策法。该方法在整体战术制定中采用人工智能方法 ,在空战的各个子阶段的具体战术决策中采用微分对策方法。提出了智能微分对策点的定义 ,它在某些情况下利用人工智能预测对手的策略 ,将微分对策转化为两个独立的单边极值问题 ,从而拓宽了微分对策在空战中的应用范围。利用智能微分对策法建立了空战决策模型 ,并进行了空战仿真。仿真结果表明 。

基于动态贝叶斯网络的空战决策方法

针对无人机高强度空战对抗问题,开展智能决策方法研究。分析了目前无人机空战决策方法的研究进展,总结了影响空战决策方法适用性的主要原因。针对空战决策的实时性和不依赖飞机运动学模型的需求,提出了基于DBN的无人机空战决策模型。综合分析无人机可以获得的机载传感器和情报信息,从中提取出影响无人机机动决策结果的态势因素,依据各因素间的因果关系,建立了无人机空战决策模型的网络拓扑结构。阐述了网络模型有向弧条件概率表、决策节点状态转移概率的设计思路。设计了网络决策模型的前向递归推理算法,并进行了算法复杂度分析,分析表明算法时间复杂度在可接受的范围内,能够满足工程应用的要求。最后,开展典型战场态势下的单机对抗仿真实验。仿真结果验证了决策网络的适用性以及推理算法的收敛性和实时性,表明动态贝叶斯网络空战决策模型提高了无人机机动决策的有效性和灵活性。

基于LINGO的多目标攻击空战决策研究

在介绍了多目标攻击有关概念的基础上,分别建立了考虑目标威胁后的多机协同多目标攻击的数学模型和单机多目标攻击的数学模型,并采用Lingo软件通过具体算例分别对两类模型进行了数值仿真。仿真结果表明,利用优化软件Lingo可以实现快速准确的空战决策,从而为多目标攻击空战决策提供了一种有效的决策方法。

自主空战决策中的战术过程评价方法

战术过程评价是自主空战决策中的重要部分。在装备航炮和格斗弹的双机近距格斗这一战术背景下,合理考虑角度、距离、机动与能量因素,构造了战术状态优势函数。在此基础上,提取战术过程的特征量,建立有优先级的判据体系,提出了逐级淘汰的战术过程评价方法。仿真结果表明,战术状态优势函数能准确体现格斗中各时刻双机战术态势的优劣,逐级淘汰方法能有效地从候选的机动动作中得到空战决策结果。