基于动态一致性联盟算法的异构无人机集群协同作战联盟组建

动态未知乃至对抗条件下的异构无人机集群协同作战联盟组建是无人机集群实际作战运用的重要一环。构建以动态一致性联盟算法(Dynamic Consensus-based Grouping Algorithm,DCBGA)为核心的无人机集群决策控制流程框架。为无人机集群设计通信受限条件的通信组网模型,并引入动态自适应机制,以有效应对高动态任务场景;基于“作战环”理论,对网络架构下的异构单元非线性作战效能聚合效果进行描述,并纳入全局效益函数,牵引异构无人机协同作战联盟组建;将联盟组建过程划分为目标选择、一致性和信息与状态更新三个阶段,采用动态一致性联盟算法支撑无人机集群自下而上完成各阶段的信息决策控制。仿真结果表明,新构建的算法体系可以有效推动异构无人机集群实现作战联盟组建,完成协同打击作战任务,具有较好的动态适应性及规模扩展性,在对抗环境下展现出良好的韧性。

配送属性数据驱动的协同配送联盟组建

为解决潜在的稳定协同配送联盟快速识别的问题,提出基于分析配送属性数据识别联盟机会和潜在伙伴的方法。分析了协同配送联盟可能的驱动方式,并建立了经济配送占比模型、共同社会关系强度模型、出车时段互补强度模型和车辆资源互补模型衡量配送中心的协同效应;以此为优化目标,建立了配送属性数据驱动的协同配送潜在联盟识别优化模型,提出了基于时空距离的最大最小聚类法来划分配送域,结合数据预处理和遗传算法实现模型求解,实现通过配送业务数据来快速优化识别潜在的稳定协同配送联盟。实例表明,所提方法避免了主观评价和排序,可直接根据配送属性数据有效识别出多个辐射范围重叠、配送社会网络重叠、资源互补的协同配送联盟。为协同配送联盟的稳健运行和更长的生命周期奠定了坚实的基础。

未知环境下异构多无人机协同搜索打击中的联盟组建

为了提高多架异构无人机在未知环境下协同执行搜索打击任务时的效能,提出了一种未知环境下的异构多无人机协同搜索打击中的联盟组建方法,研究了实时性较高且适应于未知环境下的任务分配机制。以最小化目标打击时间和最小化联盟规模为优化指标,以满足同时打击和资源需求为约束条件,建立了联盟组建模型;为了提高联盟组建的实时性,提出了一种分阶次优联盟快速组建算法(MSOCFA)。算法复杂度分析说明了该算法是一个多项式时间算法,并且通过与粒子群优化算法进行仿真对比,验证了该算法具有较低的计算复杂度,满足实时性要求。为了使得多架无人机能自主协同完成搜索打击任务,设计了基于有限状态机(FSM)的多无人机分布式自主协同控制策略。仿真验证了未知环境下的异构多无人机协同搜索打击中的联盟组建方法的合理性和可行性。使用蒙特卡洛法验证了无人机数量和目标数量对联盟组建的影响,即无人机数量越多,目标数量越少,其平均任务完成时间越短。

动态联盟组建与运作中的专家支持

本文针对动态联盟组建与运作中的半结构化和非结构化问题 ,探讨其决策的专家支持 ,包括专家选择、调查表设计、专家评分结果处理、专家系统构建 ,以更有效地组建与运作动态联盟。

航空集群混合多层式联盟组建方法

通过航空集群混合多层式交互网络结构,充分考虑实际应用中连续动态、多任务、多目标的作战背景,有效解决了经典合同网协议中协商信息量过大,无法求得全局最优解的问题.改进经典合同网招投标过程,优化联盟组建过程实现对战场态势变化的快速响应.仿真结果表明,该方法能够保证航空集群以较少的通信量完成多任务、多目标的动态联盟组建.

企业知识联盟研究述评

随着知识经济的快速发展,企业知识联盟逐渐成为国内外学术界研究的热点,但学术界至今并未能对其相关问题达成共识。在对现有研究进行回顾与分析的基础上,重点从企业知识联盟的组建动因、联盟的稳定性和联盟的组建管理3个方面进行梳理、分析和评述,并提出了进一步研究的思路和相关问题的解决途径,以期对企业知识联盟的实践与理论研究有所启示。

基于多目标遗传算法的异构无人机协同察打

针对多架异构无人机在未知环境下协同执行搜索打击任务。考虑无人机和目标资源问题,采用了一种组建联盟方式来完成打击任务,建立了组建联盟的多目标优化模型,并提出了一种并行带精英策略非支配排序的遗传算法(NSGA-Ⅱ)求解模型。通过具体的仿真验证了模型的合理性,分析了不同情况下的算法运行速度,并与传统方法进行对比,证明了并行NSGA-Ⅱ具有很强的实时性,且提高了任务的完成效率。

基于AMPSO算法的无人机任务分配问题研究

针对多无人机多目标任务分配问题,用一种改进的自适应变权重粒子群优化(AMPSO)算法寻找最优分配方案。涉及联盟组建的任务分配问题较为复杂,目前尚不能有效获得最优解。用分配优先权机制处理联盟成员剩余资源不确定的问题,并建立种群粒子和任务分配方案间的映射关系。通过仿真验证,用AMPSO算法可以快速获得多机多目标最优任务分配方案。