复杂环境下无人机集群运动一致性的群体熵度量

针对无人机集群在多障碍物或空间受限等复杂环境中协同飞行时无法实现群体自主的协同演化及适应环境、态势的变化,导致整个群体运动产生振荡、失控等一致性差的问题,提出一种无人机集群运动一致性的群体熵度量理论。通过建立群体运动行为稳定程度的熵度量函数,作为个体之间协同运动的适应度值指标,实现复杂环境下无人机集群运动一致性的自适应调节。最后进行仿真实验,相比传统无人机集群算法,引入群体熵度量的无人机运动集聚收敛速度提高30%,复杂环境中集群运动的熵值波动范围下降21.8%,有效证明群体熵度量对于无人机集群运动一致性的提高。

复等位基因平衡群体熵的性质

研究了复等位基因平衡群体熵的性质 ,并与基因多样度 D、相对信息多样度 S′(A)、相对纯合度信息多样度 S′ J(A)、相对杂合度信息多样度 S′ H(A)及多态信息含量 PIC进行了比较研究。结果表明 ,在表征基因变异与遗传变异上 ,信息论方法与统计学方法具有一致性 。

基于群体熵的机器人群体智能汇聚度量

群体行为往往能产生远超个体行为的价值和复杂度。为了在个体智能的基础上更有效地衍生出群体智能,需要基于群体熵来科学地衡量群体智能水平,并以群体熵为引导目标,推动群体智能的增强和演进。针对这个重要的科学问题,以无人小车群体为研究对象,提出基于参数共享和群体策略熵的多智能体soft Q learning算法,通过共享智能体的观测信息,并结合最大熵强化学习方法,实现探索型任务中群体策略的持续学习更新。同时,通过将群体熵定义为度量工具,刻画群体学习中熵变化模式,实现对群智汇聚过程的定量分析。

基于群体熵度量的无人机集群目标合围控制

针对受限环境中无人机集群的目标合围控制问题,提出了一种基于局部度量距离交互的分布式集群目标合围控制方法.首先,基于局部度量距离交互机制确定了每架无人机的时变邻域无人机集合,采用光滑成对交互势函数设计了集群内部无人机间的交互势函数、无人机与飞行环境中障碍间的交互势函数以及无人机与目标无人机间的交互势函数.在此基础上,基于自组织原则提出了分布式的无人机集群目标合围控制律,使无人机集群能够以指定环绕半径形成以目标无人机为中心的稳定α-晶格合围构型,对目标无人机进行合围和跟踪,同时使无人机避开飞行环境中的障碍,保障自身飞行安全.然后借助Lyapunov稳定性理论证明了集群系统的稳定性,并给出了集群系统内部无人机发生碰撞的条件以及合围构型参数的取值依据.此外,基于群体熵的概念尝试对无人机集群目标合围过程中的自组织水平进行度量.最后通过仿真来验证所提出算法的有效性.

群体智能系统的动力学模型与群体熵度量

群体智能是自然界普遍存在的现象,受到了国内外研究者的广泛关注.网络和人工智能技术的高速发展,使得大规模群体在网络上通过个体智慧激发和群体智慧汇聚形成超越个体能力的群体智能成为可能.随之而来,如何认知和形成这样的群体智能系统成为了研究的热点.本文将在广义群体智能的概念体系之下,探索群体智能系统的度量理论和方法,以此来促进对群体智能形成机理的更深层认知.本文提出了群体智能系统的基本特性以及其形成的激发汇聚建模,指出群体智能系统实质上是一类复杂非线性动力学系统,包含微观个体激发、宏观群体协作、全局群智汇聚3个核心动力学属性.并以此为基础,讨论了群体智能系统群体熵度量所应满足的基本性质.最后以图的群体化搜索为例,说明了群体的激发和汇聚过程,以及在此过程中如何通过群体熵来度量群体行为的变化,验证了本文提出的群体熵度量思想的有效性.

基于熵权迭代的区域物流多属性模糊群决策评估模型

为了快速、便捷地对区域物流水平进行评估,提出一种多属性群决策评估模型。设立自然语意变量集,建立自然语意变量与梯形模糊数的对应关系,构建包含顶层指标、3个中间层指标、12个底层指标的三级评估指标体系。基于群体熵最小化原则,通过循环修正计算得到用于指标重要性判断的专家权重和对评估区域进行评定的专家权重,通过确定底层指标、中间层指标的相对指标权重,依次计算评估对象在底层指标、中间层指标、顶层指标的评定值,并根据评估对象在顶层指标的评定值确定评估对象的可能度矩阵及排序向量,最后基于排序值对评估对象的区域物流水平进行排序,通过评估还有助于找出评估对象的相对优势及不足。算例研究验证了评估模型的可行性和有效性。

Adaptive genetic algorithm with the criterion of premature convergence

To counter the defect of traditional genetic algorithms, an improved adaptivegenetic algorithm with the criterion of premature convergence is provided. The occurrence ofpremature convergence is forecasted using colony entropy and colony variance. When prematureconvergence occurs, new individuals are generated in proper scale randomly based on superiorindividuals in the colony. We use these new individuals to replace some individuals in the oldcolony. The updated individuals account for 30 percent - 40 percent of all individuals and the sizeof scale is related to the distribution of the extreme value of the target function. Simulationtests show that there is much improvement in the speed of convergence and the probability of globalconvergence.

Evolution Law by Generations of Genotype Entropy of the Inbred Population Based on Fitness

The study researched the inbred population which three genotypes of each pair heterozygous gene with different fitness. Change law by generations of genotype ratio was reflected by difference equations. The result showed that the genotype ratio that parents were all heterozygous population tended to balance, about needing 15 generations. The fitness of Rr was over or equal to two times of RR＇s or rr, which was the condition of Rr could be reserved for a long time.

基于无人机群飞行轨迹优化的多辐射源追踪技术

无人机具有成本低、机动性强等优势特性,近年来成为军用和民用领域中备受青睐的对象.为了使无人机能够快速、稳定、高效地完成不同的任务,安全、可靠的轨迹控制至关重要.本文针对无人机群赋能的多辐射源追踪问题,构建了多约束条件下的无人机群轨迹优化模型,提出了估计、匹配、定位、追踪框架,并设计了一种基于深度强化学习的无人机群飞行轨迹优化算法.首先,采用深度神经网络估计信道模型,得到接收信号强度和距离之间的映射关系;其次,采用交互式方法生成接收信号强度矩阵,计算出对应的距离矩阵并得到无人机与辐射源匹配方案;然后,采用多球交汇定位方法,结合接收信号强度和距离之间的映射关系计算出辐射源的参考位置;进一步,将原始优化问题转换为马尔科夫决策过程,并将辐射源定位信息引入强化学习中,设计高效的无人机飞行轨迹优化算法.此外,引入群体熵对所提算法的智能性进行了分析和评估.最后,仿真结果对所提算法的平均飞行时间、任务完成率、智能性以及无人机群的轨迹分别进行了分析,验证了所提方法的有效性.