CN114428999B - 基于演化博弈模型的无人飞行器对地攻防策略选择方法 - Google Patents

基于演化博弈模型的无人飞行器对地攻防策略选择方法 Download PDF

Info

Publication number
CN114428999B
CN114428999B CN202210340278.8A CN202210340278A CN114428999B CN 114428999 B CN114428999 B CN 114428999B CN 202210340278 A CN202210340278 A CN 202210340278A CN 114428999 B CN114428999 B CN 114428999B
Authority
CN
China
Prior art keywords
unmanned aerial
defense
aerial vehicle
attack
strategy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210340278.8A
Other languages
English (en)
Other versions
CN114428999A (zh
Inventor
赵国宏
蒋鸣
赵思聪
苗成林
高军强
杜林峰
马靖
姜伟
王少冲
韩培俊
梁燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Pla 96901
Original Assignee
Pla 96901
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Pla 96901 filed Critical Pla 96901
Priority to CN202210340278.8A priority Critical patent/CN114428999B/zh
Publication of CN114428999A publication Critical patent/CN114428999A/zh
Application granted granted Critical
Publication of CN114428999B publication Critical patent/CN114428999B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于本发明属于无人飞行器技术领域，特别涉及一种基于演化博弈模型的无人飞行器对地攻防策略优化方法。其技术方案是基于演化博弈模型的无人飞行器对地攻防策略选择方法，其特征是：根据无人飞行器对地攻防策略，在演化博弈四元组模型的基础上，增加收益概率
Figure DEST_PATH_IMAGE001
，构建无人飞行器对地攻防演化博弈模型
Figure 189585DEST_PATH_IMAGE002
；利用所述无人飞行器对地攻防演化博弈模型，构建无人飞行器对地攻防演化博弈模型的复制动态方程；利用所述复制动态方程，计算演化稳定均衡解。本发明解决了对抗结果的不确定性问题，有助于问题逼近真实决策场景，支撑无人飞行器对地攻防最佳策略的选择。

Description

基于演化博弈模型的无人飞行器对地攻防策略选择方法
技术领域
本发明属于无人飞行器技术领域，特别涉及一种基于演化博弈模型的无人飞行器对地攻防策略优化方法。
背景技术
无人飞行器作为一种新型作战平台，能够自主或半自主地完成侦察、监控、搜索乃至攻击任务。在对地攻防任务中，无人飞行器能够依据不同策略，对不同价值的目标实施打击，相比于有人机具有造价低、规模大、滞空久、伤亡小等优势。作为防御方，将通过干扰、拦截等多种方式进行对抗，以尽可能降低己方目标被毁伤的程度。这一攻防对抗过程涉及复杂的收益冲突，因此，双方需要依据战场态势做出合理决策。
博弈论是研究智能体之间竞争冲突关系的表示方法，其目的是最大化己方收益或最小化己方惩罚。由于可反映双方策略的相互作用，博弈论已被广泛应用于无人飞行器作战决策分析。博弈论是建立在理性决策的基础上，其模型（GameModel）包括参与者（Participant）、策略（Strategy）及收益（Income）三部分，即
Figure 931926DEST_PATH_IMAGE001
。博弈论的基本原理就是每个参与者必须站在其他参与者的角度考虑问题，基于其他人的决策结果计算推理出自己的最佳决策方案。
然而，博弈论往往假设个体完全理性，这与实际情况并不相符。由于指挥员的有限理性约束，攻防双方的行为不会是一种完全理性的行为。因此，可在无人飞行器对地攻防决策中引入演化博弈模型，以有限理性作为基本假设，通过学习和进化，不断改进参与者的行为策略，有效增强博弈模型的可信性与适用性。
在完全理性的博弈论三元模型基础上，演化博弈模型增加了对于策略选择概率（StrategyProbable）的描述，构建了四元组模型，即
Figure 181773DEST_PATH_IMAGE002
。引入的策略选择概率与策略空间的维度一致，反映了各个参与者选择不同策略的可能性。这一概率随着时间推移不断学习进化，从而使攻防策略的选择成为了一种动态变化过程。基于构建的演化博弈四元组模型，可进一步联立复制动态方程，并通过计算求得演化稳定均衡解。
演化博弈四元组模型由参与者、策略、策略选择概率及收益四部分组成，其中的收益是建立复制动态方程的基础。现有的收益模型中，当双方选择了特定的对抗策略，获得的收益为确定值。在无人飞行器对地攻防问题中，由于对抗过程存在不确定性，即双方的策略保持不变时，每一次的结果可能不同，对应的收益也不同，因此，采用上述收益模型将难以准确刻画攻防结果。该模型已经应用于无人飞行器对地攻防决策领域，其主要问题是忽视了对抗结果的不确定性，没有刻画在各参与者特定策略组合情况下取得收益的随机性。
发明内容
针对背景技术存在的技术问题，本发明的目的是提出基于演化博弈模型的无人飞行器对地攻防策略选择方法，解决现有演化博弈模型解决无人飞行器对地攻防时无法描述对抗不确定性的问题。
本发明的技术方案是：基于演化博弈模型的无人飞行器对地攻防策略选择方法，其特征是：在演化博弈四元组模型的基础上，增加收益概率
Figure 74642DEST_PATH_IMAGE003
；根据无人飞行器对地攻防策略，构建无人飞行器对地攻防演化博弈模型
Figure 317405DEST_PATH_IMAGE004
；利用所述无人飞行器对地攻防演化博弈模型，构建无人飞行器对地攻防演化博弈模型的复制动态方程；利用所述复制动态方程，计算演化稳定均衡解。
进一步的，所述构建无人飞行器对地攻防演化博弈模型
Figure 228598DEST_PATH_IMAGE005
的步骤为：
Step11. 确定无人飞行器对地攻防演化博弈的参与者
Figure 898614DEST_PATH_IMAGE006
，
Figure 278780DEST_PATH_IMAGE007
为攻击方，
Figure 75965DEST_PATH_IMAGE008
为防御方；
Step12. 构建无人飞行器对地攻防演化博弈的策略空间
Figure 61239DEST_PATH_IMAGE009
，
Figure 902156DEST_PATH_IMAGE010
为攻击方选择策略集合，
Figure 769618DEST_PATH_IMAGE011
；
Figure 423626DEST_PATH_IMAGE012
为防御方可选策略集合，
Figure 263406DEST_PATH_IMAGE013
；
Figure 71962DEST_PATH_IMAGE014
攻击方选择策略的数量；
Figure 646294DEST_PATH_IMAGE015
为防御方的策略数量；
Step13. 构建无人飞行器对地攻防演化博弈的策略选择概率空间
Figure 300129DEST_PATH_IMAGE016
，
Figure 994415DEST_PATH_IMAGE017
为攻击方选择策略的概率集合，
Figure 442714DEST_PATH_IMAGE018
，满足
Figure 268457DEST_PATH_IMAGE019
，其中
Figure 460404DEST_PATH_IMAGE020
为攻击方选择第
Figure 540355DEST_PATH_IMAGE021
个策略的概率；
Figure 175867DEST_PATH_IMAGE022
为防御方选择策略的概率集合，
Figure 974059DEST_PATH_IMAGE023
，满足
Figure 15702DEST_PATH_IMAGE024
，其中
Figure 950160DEST_PATH_IMAGE025
为防御方选择第
Figure 5840DEST_PATH_IMAGE026
个策略的概率；
构建无人飞行器对地攻防演化博弈的收益空间
Figure 42061DEST_PATH_IMAGE027
为攻击方在不同策略组合情况下取得的收益，
Figure 575810DEST_PATH_IMAGE028
；
Figure 99195DEST_PATH_IMAGE029
为攻击方选择第
Figure 60198DEST_PATH_IMAGE021
个策略且防御方选择第
Figure 82250DEST_PATH_IMAGE030
个策略时，攻击方取得的收益；
Figure 154111DEST_PATH_IMAGE031
为防御方在不同策略组合情况下取得的收益，
Figure 594320DEST_PATH_IMAGE032
；
Figure 929486DEST_PATH_IMAGE033
为攻击方选择第
Figure 205878DEST_PATH_IMAGE034
个策略且防御方选择第
Figure 815850DEST_PATH_IMAGE035
个策略时，防御方取得的收益；
Step15. 构建无人飞行器对地攻防演化博弈取得收益的概率空间
Figure 110566DEST_PATH_IMAGE036
，
Figure 616633DEST_PATH_IMAGE037
表示攻击方在不同策略组合情况下取得收益的概率，
Figure 364009DEST_PATH_IMAGE038
；
Figure 292520DEST_PATH_IMAGE039
为攻击方选择第
Figure 176162DEST_PATH_IMAGE040
个策略且防御方选择第
Figure 915448DEST_PATH_IMAGE035
个策略时，攻击方取得收益的概率；
Figure 353383DEST_PATH_IMAGE041
表示防御方在不同策略组合情况下取得收益的概率，
Figure 55891DEST_PATH_IMAGE042
为攻击方选择第
Figure 325198DEST_PATH_IMAGE043
个策略且防御方选择第
Figure 969806DEST_PATH_IMAGE030
个策略时，防御方取得收益的概率。
进一步的，构建复制动态方程的步骤为：
设无人飞行器对地攻防演化博弈达到稳定均衡状态时，
Figure 675463DEST_PATH_IMAGE044
为无人飞行器对地攻防演化博弈达到稳定均衡状态时攻击方选择第
Figure 696508DEST_PATH_IMAGE045
个策略的概率为
Figure 554743DEST_PATH_IMAGE046
，即
Figure 386564DEST_PATH_IMAGE047
；
Figure 330249DEST_PATH_IMAGE048
为无人飞行器对地攻防演化博弈达到稳定均衡状态时防御方选择第
Figure 92669DEST_PATH_IMAGE049
个策略的概率
Figure 70989DEST_PATH_IMAGE050
，即
Figure 572246DEST_PATH_IMAGE051
；则构建复制动态方程的步骤为：
Step21. 构建攻击方选择第
Figure 3228DEST_PATH_IMAGE021
个策略的收益
Figure 366076DEST_PATH_IMAGE052
，用公式（1）所示：
Figure 684056DEST_PATH_IMAGE053
（1）
Step22. 构建攻击方的平均收益
Figure 310209DEST_PATH_IMAGE054
，用公式（2）所示：
Figure 494066DEST_PATH_IMAGE055
（2）
Step23. 构建攻击方复制动态方程，用公式（3）所示：
Figure 129447DEST_PATH_IMAGE056
，（3）
其中，
Figure 331627DEST_PATH_IMAGE057
为关于
Figure 659840DEST_PATH_IMAGE058
的动态函数；
Step24. 构建防御方选择第
Figure 268676DEST_PATH_IMAGE059
个策略的收益
Figure 238906DEST_PATH_IMAGE060
，用公式（4）所示：
Figure 797057DEST_PATH_IMAGE061
（4）
Step25. 构建防御方的平均收益
Figure 296172DEST_PATH_IMAGE062
，用公式（5）所示：
Figure 189041DEST_PATH_IMAGE063
（5）
Step26.构建防御方复制动态方程，用公式（6）所示：
Figure 635066DEST_PATH_IMAGE064
（6）
其中，
Figure 296992DEST_PATH_IMAGE065
为关于
Figure 481854DEST_PATH_IMAGE066
的动态函数。
进一步的，所述演化稳定均衡解的求解步骤为：利用Step23构建的攻击方复制动态方程和Step26构建的防御方复制动态方程，令攻击方复制动态方程与防御方复制动态方程的值为0，联立构成关于
Figure 596441DEST_PATH_IMAGE067
，及
Figure 642894DEST_PATH_IMAGE068
的
Figure 910059DEST_PATH_IMAGE069
个方程组，用公式（7）所示：
Figure 219817DEST_PATH_IMAGE071
（7）
对公式（7）进行求解，得到
Figure 87279DEST_PATH_IMAGE072
的演化稳定均衡解。
本发明的有益效果：本发明在现有演化博弈模型基础上，引入收益概率模型，构成五元组演化博弈模型
Figure 937423DEST_PATH_IMAGE073
，并针对无人飞行器对地攻防决策问题，构建五元组演化博弈模型，完成复制动态方程构建及求解，从而刻画在各参与者特定策略组合情况下取得收益的随机性，解决了对抗结果的不确定性问题，有助于问题逼近真实决策场景，支撑无人飞行器对地攻防最佳策略的选择。
附图说明
附图1 实施例1无人飞行器对地攻防任务示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案作进一步具体的说明。
实施例1
基于演化博弈模型的无人飞行器对地攻防策略选择方法，其特征是：根据无人飞行器对地攻防策略，在演化博弈四元组模型的基础上，增加收益概率
Figure 557630DEST_PATH_IMAGE074
，构建无人飞行器对地攻防演化博弈模型
Figure 835027DEST_PATH_IMAGE075
；利用所述无人飞行器对地攻防演化博弈模型，构建无人飞行器对地攻防演化博弈模型的复制动态方程；利用所述复制动态方程，计算演化稳定均衡解。具体过程是：
（1）五元组演化博弈模型构建
考虑无人飞行器对地面某重要基地进行攻击的任务，有A、B两个目标，如图1所示。其中攻击方可采用I型或II型武器进行打击，防御方可采用第1型或第2型对空导弹予以拦截。
构建五元组演化博弈模型如下所示：
Figure 127468DEST_PATH_IMAGE075
Figure 515724DEST_PATH_IMAGE076
为参与者，
Figure 757481DEST_PATH_IMAGE077
为攻击方，
Figure 940200DEST_PATH_IMAGE078
为防御方；
Figure 985517DEST_PATH_IMAGE079
策略空间，
Figure 177464DEST_PATH_IMAGE080
及
Figure 772262DEST_PATH_IMAGE081
分别为攻击方与防御方的可选策略集合，具体含义如下表所示：
Figure 391462DEST_PATH_IMAGE082
Figure 658495DEST_PATH_IMAGE083
为对应的策略选择概率空间，
Figure 388554DEST_PATH_IMAGE084
及
Figure 339324DEST_PATH_IMAGE085
分别为攻击方与防御方选择策略的概率；
Figure 395004DEST_PATH_IMAGE086
为无人飞行器对地攻防演化博弈的收益空间，
Figure 414913DEST_PATH_IMAGE087
及
Figure 463509DEST_PATH_IMAGE088
分别为攻击方与防御方在不同策略组合情况下取得的收益；
Figure 986895DEST_PATH_IMAGE089
为获得收益对应的概率空间，
Figure 682318DEST_PATH_IMAGE090
及
Figure 720681DEST_PATH_IMAGE091
分别为攻击方与防御方获得收益的概率。
（2）复制动态方程构建
假设当演化博弈达到稳定均衡状态时，有
Figure 808854DEST_PATH_IMAGE092
,
Figure 717904DEST_PATH_IMAGE093
，
Figure 318650DEST_PATH_IMAGE094
,
Figure 578730DEST_PATH_IMAGE095
。攻击方选择策略
Figure 454282DEST_PATH_IMAGE096
的收益如下式：
Figure 998265DEST_PATH_IMAGE097
攻击方的平均收益为：
Figure 35491DEST_PATH_IMAGE098
构建攻击方复制动态方程为：
Figure 48446DEST_PATH_IMAGE099
类似地，防御方选择策略
Figure 930952DEST_PATH_IMAGE100
的收益为：
Figure 565326DEST_PATH_IMAGE101
防御方的平均收益为：
Figure 39033DEST_PATH_IMAGE102
构建防御方复制动态方程为：
Figure 273705DEST_PATH_IMAGE103
（3）计算演化稳定均衡解
令公式（4）及公式（7）的复制动态方程值为0，联立方程组，得到：
Figure 740328DEST_PATH_IMAGE104
对公式（8）进行求解，过程如下：
Figure 744056DEST_PATH_IMAGE105
Figure 388664DEST_PATH_IMAGE106
令
Figure 861364DEST_PATH_IMAGE107
，可得结果为
Figure 616831DEST_PATH_IMAGE108
或
Figure 943907DEST_PATH_IMAGE109
类似地，对
Figure 24995DEST_PATH_IMAGE110
进行求解，可得结果为
Figure 217948DEST_PATH_IMAGE111
或
Figure 777106DEST_PATH_IMAGE112
。
综上，稳定均衡解包括5组，如公式（8）所示：
Figure 755426DEST_PATH_IMAGE113
Figure 492569DEST_PATH_IMAGE114
（8）
（4）结果比较
综合考虑目标价值、武器价值及使用规则等约束条件，对收益空间假定为：
Figure 392392DEST_PATH_IMAGE115
利用仿真手段，可求得收益概率空间：
Figure 755240DEST_PATH_IMAGE116
将代入公式（8），可以计算得到：
Figure 322488DEST_PATH_IMAGE117
为了说明本发明具有显著的技术进步，将本实施例忽略收益概率空间，采用四元组演化博弈模型进行计算，可以得到：
Figure DEST_PATH_IMAGE118
通过比较可以看出，考虑收益概率后，稳定解对应的概率发生较大差异，对于最优攻防策略的选择造成重要影响。因此，有必要在演化博弈模型中引入收益概率项，以适应无人飞行器对地攻防结果的不确定性，本发明提出的引入收益概率的技术方案具有显著的技术进步。

Claims (3)

1.基于演化博弈模型的无人飞行器对地攻防策略选择方法，其特征是：根据无人飞行器对地攻防策略，在演化博弈四元组模型的基础上，增加收益概率，构建无人飞行器对地攻防演化博弈模型
Figure 17701DEST_PATH_IMAGE001
；利用所述无人飞行器对地攻防演化博弈模型，构建无人飞行器对地攻防演化博弈模型的复制动态方程；利用所述复制动态方程，计算演化稳定均衡解；所述构建无人飞行器对地攻防演化博弈模型
Figure 939783DEST_PATH_IMAGE001
的步骤为：
Step11. 确定无人飞行器对地攻防演化博弈的参与者
Figure 568816DEST_PATH_IMAGE002
为攻击方，
Figure 633331DEST_PATH_IMAGE003
为防御方；
Step12. 构建无人飞行器对地攻防演化博弈的策略空间
Figure 71745DEST_PATH_IMAGE004
为攻击方选择策略集合，
Figure 989458DEST_PATH_IMAGE005
；
Figure 322394DEST_PATH_IMAGE006
为防御方可选策略集合，
Figure 347025DEST_PATH_IMAGE007
；M攻击方选择策略的数量；N为防御方的策略数量；
Step13. 构建无人飞行器对地攻防演化博弈的策略选择概率空间
Figure 30990DEST_PATH_IMAGE008
为攻击方选择策略的概率集合，
Figure 557524DEST_PATH_IMAGE009
，满足
Figure 338762DEST_PATH_IMAGE010
，其中
Figure 773109DEST_PATH_IMAGE011
为攻击方选择第i个策略的概率；
Figure 180256DEST_PATH_IMAGE012
为防御方选择策略的概率集合，
Figure 970931DEST_PATH_IMAGE013
，满足
Figure 12879DEST_PATH_IMAGE014
，其中
Figure 388102DEST_PATH_IMAGE015
为防御方选择第j个策略的概率；
Step14. 构建无人飞行器对地攻防演化博弈的收益空间
Figure 592069DEST_PATH_IMAGE016
为攻击方在不同策略组合情况下取得的收益，
Figure 193164DEST_PATH_IMAGE017
；
Figure 867115DEST_PATH_IMAGE018
为攻击方选择第i个策略且防御方选择第j个策略时，攻击方取得的收益；
Figure 124619DEST_PATH_IMAGE019
为防御方在不同策略组合情况下取得的收益，
Figure 623469DEST_PATH_IMAGE020
；
Figure 691569DEST_PATH_IMAGE021
为攻击方选择第i个策略且防御方选择第j个策略时，防御方取得的收益；
Step15. 构建无人飞行器对地攻防演化博弈取得收益的概率空间
Figure 301906DEST_PATH_IMAGE022
表示攻击方在不同策略组合情况下取得收益的概率，
Figure 541300DEST_PATH_IMAGE023
；
Figure 180310DEST_PATH_IMAGE024
为攻击方选择第i个策略且防御方选择第j个策略时，攻击方取得收益的概率；
Figure 86784DEST_PATH_IMAGE025
表示防御方在不同策略组合情况下取得收益的概率，
Figure 220480DEST_PATH_IMAGE026
为攻击方选择第i个策略且防御方选择第j个策略时，防御方取得收益的概率。
2.如权利要求1所述的基于演化博弈模型的无人飞行器对地攻防策略选择方法，其特征是构建复制动态方程的步骤为：
设无人飞行器对地攻防演化博弈达到稳定均衡状态时，
Figure 842828DEST_PATH_IMAGE027
为无人飞行器对地攻防演化博弈达到稳定均衡状态时攻击方选择第i个策略的概率为
Figure 974596DEST_PATH_IMAGE028
，即
Figure 767189DEST_PATH_IMAGE029
为无人飞行器对地攻防演化博弈达到稳定均衡状态时防御方选择第j个策略的概率
Figure 985815DEST_PATH_IMAGE030
，即
Figure 537318DEST_PATH_IMAGE031
；则构建复制动态方程的步骤为：
Step21. 构建攻击方选择第i个策略的收益
Figure 876551DEST_PATH_IMAGE032
，用公式（1）所示：
Figure 302517DEST_PATH_IMAGE033
（1）
Step22. 构建攻击方的平均收益
Figure 912270DEST_PATH_IMAGE034
，用公式（2）所示：
Figure 906114DEST_PATH_IMAGE035
（2）
Step23. 构建攻击方复制动态方程，用公式（3）所示：
Figure 891960DEST_PATH_IMAGE036
（3）
其中，
Figure 521961DEST_PATH_IMAGE037
为关于
Figure 717713DEST_PATH_IMAGE038
的动态函数；
Step24. 构建防御方选择第j个策略的收益
Figure 876598DEST_PATH_IMAGE039
，用公式（4）所示：
Figure 213464DEST_PATH_IMAGE040
（4）
Step25. 构建防御方的平均收益
Figure 620392DEST_PATH_IMAGE041
，用公式（5）所示：
Figure 950008DEST_PATH_IMAGE042
（5）
Step26.构建防御方复制动态方程，用公式（6）所示：
Figure 732324DEST_PATH_IMAGE043
（6）
其中，
Figure 267867DEST_PATH_IMAGE044
为关于
Figure 793320DEST_PATH_IMAGE045
的动态函数。
3.如权利要求2所述的基于演化博弈模型的无人飞行器对地攻防策略选择方法，其特征是：所述演化稳定均衡解的求解步骤为：利用Step23构建的攻击方复制动态方程和Step26构建的防御方复制动态方程，令攻击方复制动态方程与防御方复制动态方程的值为0，联立构成关于
Figure 514064DEST_PATH_IMAGE046
个方程组，用公式（7）所示：
Figure 296642DEST_PATH_IMAGE047
（7）
对公式（7）进行求解，得到
Figure 275535DEST_PATH_IMAGE048
的演化稳定均衡解。
CN202210340278.8A 2022-04-02 2022-04-02 基于演化博弈模型的无人飞行器对地攻防策略选择方法 Active CN114428999B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210340278.8A CN114428999B (zh) 2022-04-02 2022-04-02 基于演化博弈模型的无人飞行器对地攻防策略选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210340278.8A CN114428999B (zh) 2022-04-02 2022-04-02 基于演化博弈模型的无人飞行器对地攻防策略选择方法

Publications (2)

Publication Number Publication Date
CN114428999A CN114428999A (zh) 2022-05-03
CN114428999B true CN114428999B (zh) 2022-06-21

Family

ID=81314278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210340278.8A Active CN114428999B (zh) 2022-04-02 2022-04-02 基于演化博弈模型的无人飞行器对地攻防策略选择方法

Country Status (1)

Country Link
CN (1) CN114428999B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107181793A (zh) * 2017-04-27 2017-09-19 长安大学 基于动态博弈论的交通服务信息转发机制

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3063554B1 (fr) * 2017-03-03 2021-04-02 Mbda France Procede et dispositif de prediction de solutions d'attaque et de defense optimales dans un scenario de conflit militaire
CN107463094A (zh) * 2017-07-13 2017-12-12 江西洪都航空工业集团有限责任公司 一种不确定信息下多无人机空战动态博弈方法
CN110599261B (zh) * 2019-09-21 2022-03-08 江西理工大学 一种基于能源区块链的电动汽车安全电力交易和激励系统
CN113315763B (zh) * 2021-05-21 2022-12-09 中国人民解放军空军工程大学 基于异质群体演化博弈的网络安全防御方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107181793A (zh) * 2017-04-27 2017-09-19 长安大学 基于动态博弈论的交通服务信息转发机制

Also Published As

Publication number Publication date
CN114428999A (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
CN110119773B (zh) 战略博弈系统的全局态势评估方法、系统和装置
CN110083971B (zh) 一种基于作战推演的自爆式无人机集群作战兵力分配方法
Jia et al. Operational effectiveness evaluation of the swarming UAVs combat system based on a system dynamics model
Shantia et al. Connectionist reinforcement learning for intelligent unit micro management in starcraft
CN105590142B (zh) 一种合成分队协同火力分配方法
CN112417710B (zh) 基于作战环的武器装备体系贡献度评估方法
Duan et al. Multiple UCAVs cooperative air combat simulation platform based on PSO, ACO, and game theory
CN110969637A (zh) 一种基于生成对抗网络的多威胁目标重建及态势感知方法
CN113159266B (zh) 基于麻雀搜索神经网络的空战机动决策方法
CN114460959A (zh) 一种基于多体博弈的无人机群协同自主决策方法及装置
CN113109770A (zh) 一种干扰资源分配方法及系统
CN116225049A (zh) 一种多无人机狼群协同作战攻防决策算法
CN114638339A (zh) 基于深度强化学习的智能体任务分配方法
CN110442146B (zh) 无人机编队目标分配与空间占位联合决策方法及系统
CN116680509A (zh) 一种用于多航天器追逃博弈任务的动态匹配方法
CN114428999B (zh) 基于演化博弈模型的无人飞行器对地攻防策略选择方法
Ha et al. A stochastic game-based approach for multiple beyond-visual-range air combat
CN115328189B (zh) 多无人机协同博弈决策方法和系统
CN116774721A (zh) 多无人机博弈对抗的目标分配方法和系统
CN113988301B (zh) 战术策略生成方法、装置、电子设备及存储介质
CN114167899B (zh) 一种无人机蜂群协同对抗决策方法及系统
CN110782062A (zh) 一种用于防空系统的多对多分组拦截目标分配方法及系统
Jia et al. An operational effectiveness evaluation method of the swarming UAVs air combat system
CN112612300A (zh) 多平台智能决策的多目标博弈方法及装置
CN112949152A (zh) 一种异类传感器目标信息交接方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant