CN110058608B - 多无人机协同对抗的控制方法、系统及存储介质 - Google Patents
多无人机协同对抗的控制方法、系统及存储介质 Download PDFInfo
- Publication number
- CN110058608B CN110058608B CN201910276849.4A CN201910276849A CN110058608B CN 110058608 B CN110058608 B CN 110058608B CN 201910276849 A CN201910276849 A CN 201910276849A CN 110058608 B CN110058608 B CN 110058608B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- drone
- behavior decision
- ith
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 53
- 230000008901 benefit Effects 0.000 claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 230000006399 behavior Effects 0.000 claims description 262
- 230000003542 behavioural effect Effects 0.000 claims description 47
- 230000007123 defense Effects 0.000 claims description 38
- 230000006870 function Effects 0.000 claims description 29
- 239000000126 substance Substances 0.000 claims description 19
- 230000009471 action Effects 0.000 claims description 8
- 230000009977 dual effect Effects 0.000 claims description 7
- 241000820057 Ithone Species 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 3
- 230000009189 diving Effects 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 230000008485 antagonism Effects 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000495102 Maize mosaic nucleorhabdovirus Species 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施方式提供一种多无人机协同对抗的控制方法、系统及存储介质,属于无人机的决策技术领域。控制方法包括:获取第一无人机编队的无人机数量、第二无人机编队的无人机数量、每个第一无人机的状态和每个第二无人机的状态;根据第一无人机的数量、第二无人机的数量、每个第一无人机的状态和每个第二无人机的状态计算每个第一无人机相对于每个第二无人机的优势值,以构成第一无人机编队相对于第二无人机编队的优势矩阵;建立多无人机协同目标分配模型;根据优势矩阵和多无人机协同目标分配模型进行求解以计算出第一无人机编队的最优协同目标分配方案;根据最优协同目标分配方案控制第一无人机编队对抗第二无人机编队。
Description
技术领域
本发明涉及无人机的对抗决策技术领域,具体地涉及一种多无人机协同对抗的控制方法、系统及存储介质。
背景技术
在多无人机协同对抗场景中,其核心问题之一是进行目标分配决策,一个好的目标分配方案可以更好的指导无人机在对抗过程中的行为,发挥多无人机之间的协同效应。现在的多数关于多无人机协同对抗目标分配的研究方法为获得当前时刻敌我双方每架无人机的状态,根据态势优势函数计算每架无人机相对于每架敌机的态势优势,得到我机的态势优势矩阵,基于此建立目标分配模型,找到使得我方总态势优势最大的目标分配方案。
发明内容
本发明实施方式的目的是提供一种多无人机协同对抗的控制方法、系统及存储介质,该控制方法、系统及存储介质能够提高无人机编队对抗的决策的有效性。
为了实现上述目的,本发明实施方式提供一种多无人机协同对抗的控制方法,所述控制方法包括:
获取对抗环境中第一无人机编队的无人机数量、第二无人机编队的无人机数量、每个所述第一无人机的状态和每个所述第二无人机的状态,其中,所述第一无人机的状态和所述第二无人机的状态均包括位置和速度;
根据所述第一无人机的数量、所述第二无人机的数量、每个所述第一无人机的状态和每个所述第二无人机的状态计算每个所述第一无人机相对于每个所述第二无人机的优势值,以构成所述第一无人机编队相对于所述第二无人机编队的优势矩阵;
根据所述第一无人机编队的对抗条件,建立多无人机协同目标分配模型,其中,所述对抗条件包括每个所述第一无人机仅能同时对抗一个所述第二无人机、每个所述第二无人机能够同时被多个所述第一无人机对抗、用于对抗任一个所述第二无人机的第一无人机的数量小于预设的上限值;
根据所述优势矩阵和所述多无人机协同目标分配模型进行求解以计算出所述第一无人机编队的最优协同目标分配方案;
根据所述最优协同目标分配方案控制所述第一无人机编队对抗所述第二无人机编队。
可选地,根据所述第一无人机的数量、所述第二无人机的数量、每个所述第一无人机的状态和每个所述第二无人机的状态计算每个所述第一无人机相对于每个所述第二无人机的优势值,以构成所述第一无人机编队相对于所述第二无人机编队的优势矩阵,具体包括:
分析所述第一无人机与所述第二无人机在行为决策时不同类型的行为决策策略,建立所述第一无人机的行为决策策略集合与所述第二无人机的行为决策策略集合;
基于证据理论融合方法,将所述第一无人机与所述第二无人机执行不同类型的行为决策策略时的攻击有效性影响因素进行融合,设计所述第一无人机与所述第二无人机的不同行为决策策略的支付函数;
基于所述第一无人机行为决策时的状态与所述第二无人机行为决策时的状态,根据所述支付函数计算所述第一无人机的行为决策策略集合与所述第二无人机的行为决策策略集合中任意一对行为决策策略对应的所述第一无人机的支付值和所述第二无人机的支付值,从而生成所述第一无人机和所述第二无人机博弈的双矩阵;
采用Lemke-Howson算法对所述双矩阵进行求解以计算出第一无人机对第二无人机的均衡行为策略,并将所述均衡行为策略对应的我方均衡支付值作为第一无人机对抗第二无人机的优势值;
遍历每个所述第一无人机和每个所述第二无人机以计算每个所述第一无人机对每个所述第二无人机的优势值以构成所述优势矩阵。
可选地,根据所述第一无人机编队的对抗条件,建立多无人机协同目标分配模型,具体包括:
采用式(1)表示所述第一无人机编队的决策变量,
x=[xij]i∈M,i∈N,xij∈{0,1},(1)
其中,x为M行N列的决策矩阵,xij=1表示第i个所述第一无人机对抗第j个所述第二无人机,xij=0表示第i个所述第一无人机不对抗第j个所述第二无人机,M为所述第一无人机编队的所述第一无人机的集合,N为所述第二无人机编队的所述第二无人机的集合;
采用式(2)表示所述第一无人机编队相对于所述第二无人机编队的优势矩阵,
U=[uij]i∈M,i∈N,(2)
其中,U为|M|行|N|列的优势矩阵,uij表示第i个所述第一无人机相对于第j个所述第二无人机的优势值;
根据式(3)、(4)、(5)和(6)建立所述协同目标分配模型,
maxx∑i∈Muij·xij,(3)
其中,bj为所述上限值。
可选地,所述行为决策策略包括:机动行为决策策略、攻击行为决策策略和防御行为决策策略;
所述机动行为决策策略进一步包括保持飞行状态不变、左转、右转、爬升和俯冲,所述攻击行为决策策略进一步包括发射导弹,所述防御行为决策策略进一步包括发射干扰弹。
可选地,所述控制方法进一步包括:
在所述第一无人机执行所述机动行为决策策略中的任一者,所述第二无人机执行所述行为决策策略中的任一者的情况下,根据式(7)计算所述第一无人机对所述第二无人机的支付值,
其中,k为第i个所述第一无人机的第k个所述行为决策策略,q为第j个所述第二无人机的第q个所述行为决策策略,为第i个所述第一无人机执行行为决策策略k,第j个所述第二无人机执行行为决策策略q后,第i个所述第一无人机的支付值,为采用预设的态势优势函数计算的第i个所述第一无人机执行行为决策策略k,第j个所述第二无人机执行行为决策策略q后,第i个所述第一无人机相对于第j个所述第二无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第j个所述第二无人机执行所述攻击行为决策策略时的导弹命中率,q∈{1,2,3,4,5}表示第j个所述第二无人机执行所述机动行为决策策略中的任一者,q=6表示第j个所述第二无人机执行所述攻击行为决策策略,q=7表示第j个所述第二无人机执行所述防御行为决策策略;
在所述第二无人机执行所述机动行为决策策略中的任一者,所述第一无人机执行所述行为决策策略中的任一者的情况下,根据式(8)计算所述第二无人机对所述第一无人机的支付值,
其中,为第i个所述第一无人机执行行为决策策略k,第j个所述第二无人机执行行为决策策略q后,第j个所述第二无人机的支付值,为采用预设的态势优势函数计算的第i个所述第一无人机执行行为决策策略k,第j个所述第二无人机执行行为决策策略q后,第j个所述第二无人机相对于第i个所述第一无人机的态势优势值,为预设的方法计算的第i个所述第一无人机执行所述攻击行为决策策略时的导弹命中率,k∈{1,2,3,4,5}表示第i个所述第一无人机执行所述机动行为决策策略中的任一者,k=6表示第i个所述第一无人机执行所述攻击行为决策策略,k=7表示第i个所述第一无人机执行所述防御行为决策策略。
可选地,所述控制方法进一步包括:
在所述第一无人机执行所述攻击行为决策策略,所述第二无人机执行所述行为决策策略中的任一者的情况下,根据式(9)计算所述第一无人机相对于所述第二无人机的支付值,
其中,k为第i个所述第一无人机的第k个所述行为决策策略,q为第j个所述第二无人机的第q个所述行为决策策略,为第i个所述第一无人机执行所述攻击行为决策策略,第j个所述第二无人机执行行为决策策略q后,第i个所述第二无人机的支付值,为采用预设的态势优势函数计算的第i个所述第一无人机执行所述攻击行为决策策略且第j个所述第二无人机执行行为决策策略q后,第i个所述第一无人机相对于第j个所述第二无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第j个所述第二无人机执行所述攻击行为决策策略时的导弹命中率,为预设的方法计算的第i个所述第一无人机执行所述攻击行为决策策略时的导弹命中率,为预设的第j个所述第二无人机执行防御行为决策策略时的干扰弹成功率,q∈{1,2,3,4,5}表示第j个所述第二无人机执行所述机动行为决策策略中的任一者,q=6表示第j个所述第二无人机执行所述攻击行为决策策略,q=7表示第j个所述第二无人机执行所述防御行为决策策略;
在所述第二无人机执行攻击行为决策策略,所述第一无人机执行所述行为决策策略中的任一者的情况下,根据式(10)计算所述第二无人机相对于所述第一无人机的支付值,
其中,为第j个所述第二无人机执行所述攻击行为决策策略,第i个所述第一无人机执行行为决策策略k后,第i个所述第一无人机的支付值,为采用预设的态势优势函数计算的第j个所述第二无人机执行所述攻击行为决策策略且第i个所述第一无人机执行行为决策策略k后,第j个所述第二无人机相对于第i个所述第一无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第j个所述第二无人机执行所述攻击行为决策策略时的导弹命中率,为预设的方法计算的第i个所述第一无人机执行所述攻击行为决策策略时的导弹命中率,为预设的第i个所述第一无人机执行防御行为决策策略时的干扰弹成功率,k∈{1,2,3,4,5}表示第i个所述第一无人机执行所述机动行为决策策略中的任一者,k=6表示第i个所述第一无人机执行所述攻击行为决策策略,k=7表示第i个所述第一无人机执行所述防御行为决策策略。
可选地,所述控制方法进一步包括:
在所述第一无人机执行的防御行为决策策略,所述第二无人机所述行为决策策略中的任一者的情况下,根据式(11)计算所述第一无人机相对于所述第二无人机的支付值,
其中,为第i个所述第一无人机执行所述防御行为决策策略,第j个所述第二无人机执行行为决策策略q后,第i个所述第一无人机的支付值,为采用预设的态势优势函数计算的第i个所述第一无人机执行所述防御行为决策策略且第j个所述第二无人机执行行为决策策略q后,第i个所述第一无人机相对于第j个所述第二无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第j个所述第二无人机执行所述攻击行为决策策略时的导弹命中率,为预设的第i个所述第一无人机执行防御行为决策策略时的干扰弹成功率,q∈{1,2,3,4,5}表示第j个所述第二无人机执行所述机动行为决策策略中的任一者,q=6表示第j个所述第二无人机执行所述攻击行为决策策略,q=7表示第j个所述第二无人机执行所述防御行为决策策略;
在所述第二无人机执行防御行为决策策略,所述第一无人机执行所述行为决策策略中的任一者的情况下,采用式(12)计算所述第二无人机相对于所述第一无人机的支付值,
其中,为第j个所述第二无人机执行防御行为决策策略,第i个所述第一无人机执行行为决策策略k后,第j个所述第二无人机的支付值,为采用预设的态势优势函数计算的第j个所述第二无人机执行所述防御行为决策策略且第i个所述第一无人机执行行为决策策略k后,第j个所述第二无人机相对于第i个所述第一无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第i个所述第一无人机执行所述攻击行为决策策略时的导弹命中率,为预设的第j个所述第二无人机执行防御行为决策策略时的干扰弹成功率,k∈{1,2,3,4,5}表示第i个所述第一无人机执行所述机动行为决策策略中的任一者,k=6表示第i个所述第一无人机执行所述攻击行为决策策略,k=7表示第i个所述第一无人机执行所述防御行为决策策略。
可选地,所述控制方法进一步包括:
采用式(13)表示所述双矩阵,
使用Lemke-Howson算法对所述博弈双矩阵进行求解,得到第i个所述第一无人机的均衡支付值以作为第i个所述第一无人机相对于第j个所述第二无人机的优势值uij。
另一方面,本发明的实施方式还提供一种多无人机协同对抗的控制系统,所述控制系统包括处理器,所述处理器用于执行上述任一所述的控制方法。
再一方面,本发明的实施方式还提供一种存储介质,所述存储介质存储有指令,所述指令用于被机器读取以使得所述机器执行上述任一所述的控制方法。
通过上述技术方案,本发明提供的多无人机协同对抗的控制方法、系统及存储介质通过分别针对无人机编队的每个无人机的态势进行分析,并进一步基于每个无人机的态势建立无人机编队的对抗矩阵,提高了无人机编队对抗的决策的有效性。
本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施方式的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施方式,但并不构成对本发明实施方式的限制。在附图中:
图1是根据本发明的一个实施方式的多无人机协同对抗的控制方法的流程图;
图2是根据本发明的一个实施方式的构成优势矩阵的流程图。
具体实施方式
以下结合附图对本发明实施方式的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施方式,并不用于限制本发明实施方式。
在本申请实施方式中,在未作相反说明的情况下,使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的或者是针对竖直、垂直或重力方向上而言的各部件相互位置关系描述用词。
另外,若本申请实施方式中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施方式之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
如图1所示是根据本发明的一个实施方式的多无人机协同对抗的控制方法的流程图。在图1中,该控制方法可以包括:
在步骤S100中,获取对抗环境中第一无人机编队的无人机数量、第二无人机编队的无人机数量、每个第一无人机的状态和每个第二无人机的状态。其中,第一无人机的状态和第二无人机的状态均可以包括位置和速度。
在步骤S200中,根据第一无人机的数量、第二无人机的数量、每个第一无人机的状态和每个第二无人机的状态计算每个第一无人机相对于每个第二无人机的优势值,以构成第一无人机编队相对于第二无人机编队的优势矩阵。对于本领域人员而言,构成该优势矩阵的方式可以是本领域人员所知的多种方式。该实施方式中,该步骤S200可以具体包括如图2中所示出的方法。在图2中,该方法可以包括:
在步骤S210中,分析第一无人机与第二无人机在行为决策时不同类型的行为决策策略,建立第一无人机的行为决策策略集合与第二无人机的行为决策策略集合。考虑到无人机决策的特点,在该实施方式中,该行为决策策略可以包括机动行为决策策略、攻击行为决策策略和防御行为决策策略。其中,机动行为决策策略可以进一步包括保持飞行状态不变、左转、右转、爬升和俯冲;攻击行为决策策略可以进一步包括发射导弹;防御行为决策策略进一步包括发射干扰弹。基于上述行为决策策略,生成的第一无人机的行为决策策略集合SR可以采用式(1)表示,
相应的,第二无人机的行为决策策略集合SB可以采用式(2)表示,
其中,为第i个第一无人机的行为决策策略,M为第一无人机的集合,为第j个第二无人机的行为决策策略,N为第二无人机的集合, 表示第一无人机和第二无人机飞行状态不变的行为决策策略, 表示第一无人机和第二无人机左转的行为决策策略,表示第一无人机和第二无人机右转的行为决策策略,表示第一无人机和第二无人机爬升的行为决策策略,表示第一无人机和第二无人机俯冲的行为决策策略,表示第一无人机和第二无人机发射导弹的行为决策策略,表示第一无人机和第二无人机发射干扰弹的行为决策策略。
由于双方无人机在对抗时需要考虑到双方无人机的攻击行为决策策略和防御行为决策策略,那么,在该实施方式中,将双方无人机的攻击行为决策策略和防御行为决策策略纳入行为决策策略集合中可以更加全面地计算双方无人机的行为决策策略。
在步骤S220中,基于证据理论融合方法,将第一无人机与第二无人机执行不同类型的行为决策策略时的攻击有效性影响因素进行融合,设计第一无人机与第二无人机的不同行为决策策略的支付函数。对本领域人员而言,该支付函数可以是多种,在该实施方式中,可以是例如:
在第一无人机执行机动行为决策策略中的任一者,第二无人机执行行为决策策略中的任一者的情况下,根据式(3)计算第一无人机对第二无人机的支付值,
其中,k为第i个第一无人机的第k个行为决策策略,q为第j个第二无人机的第q个行为决策策略,为第i个第一无人机执行行为决策策略k,第j个第二无人机执行行为决策策略q后,第i个第一无人机的支付值,为采用预设的态势优势函数计算的第i个第一无人机执行行为决策策略k,第j个第二无人机执行行为决策策略q后,第i个第一无人机相对于第j个第二无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第j个第二无人机执行攻击行为决策策略时的导弹命中率,q∈{1,2,3,4,5}表示第j个第二无人机执行机动行为决策策略中的任一者,q=6表示第j个第二无人机执行攻击行为决策策略,q=7表示第j个第二无人机执行防御行为决策策略。在本发明的该实施方式中,考虑到第一无人机和第二无人机的状态均可以包括双方无人机的位置坐标、速度标量、俯仰角和偏航角,如式(4)和式(5)所示,
XR=(xR,yR,zR,vR,θR,ψR),(4)
XB=(xB,yB,zB,vB,θB,ψB),(5)
其中,xR,yR,zR、xB,yB,zB分别为第一无人机与第二无人机行为决策时相对于地面坐标系的位置坐标,vR、vB分别表示第一无人机与第二无人机行为决策时的速度标量,θR、θB分别为第一无人机与第二无人机行为决策时相对于地面坐标系的俯仰角;ψR、ψB分别表示第一无人机与第二无人机行为决策时相对于地面坐标系的航迹偏转角。
那么,该态势优势函数可以包括例如式(6)至式(15),
其中,为(第i个)第一无人机执行行为决策策略(第j个)第二无人机执行行为决策策略后,第一无人机相对于第二无人机的速度优势值,v0为(第i个)第一无人机的最佳飞行速度,vi为(第i个)第一无人机执行行为决策策略后的飞行速度,vj为(第j个)第二无人机执行行为决策策略后的飞行速度;
αi=arccosCi,(10)
αj=arccosCj,(11)
其中,为第一无人机执行行为决策策略第二无人机执行行为决策策略后第一无人机相对与第二无人机的角度优势值,(xi,yi,zi)和(xj,yj,zj)分别为第一无人机执行行为决策策略后的位置、第二无人机执行行为决策策略后的位置,Dij为第一无人机执行行为决策策略第二无人机执行行为决策策略后双方无人机的距离;
对于计算第一无人机的导弹命中率的方法,也可以是本领域人员所知的方法。在本发明的一个示例中,可以采用例如式(16)计算该导弹命中率,
其中,ξmax为导弹的最大立轴发射角,ξij为(我方)无人机与(敌方)无人机导弹立轴发射角的夹角。
在第二无人机执行机动行为决策策略中的任一者,第一无人机执行行为决策策略中的任一者的情况下,可以根据式(17)计算第二无人机对第一无人机的支付值,
其中,为第i个第一无人机执行行为决策策略k,第j个第二无人机执行行为决策策略q后,第j个第二无人机的支付值,为采用预设的态势优势函数计算的第i个第一无人机执行行为决策策略k,第j个第二无人机执行行为决策策略q后,第j个第二无人机相对于第i个第一无人机的态势优势值,为预设的方法计算的第i个第一无人机执行攻击行为决策策略时的导弹命中率,k∈{1,2,3,4,5}表示第i个第一无人机执行机动行为决策策略中的任一者,k=6表示第i个第一无人机执行攻击行为决策策略,k=7表示第i个第一无人机执行防御行为决策策略。在该实施方式中,计算该第二无人机的态势优势值的态势优势函数可以是本领域人员公知的函数。在本发明的一个示例中,也可以采用与上述式(6)至式(17)类似的方式来计算该态势优势函数。相应地,计算该第二无人机的导弹命中率的方法也可以是本领域人员公知的函数,在本发明的一个示例中,也可以采用与上述式(16)类似的方式来计算该导弹命中率。
在第一无人机执行攻击行为决策策略,第二无人机执行行为决策策略中的任一者的情况下,根据式(18)计算第一无人机相对于第二无人机的支付值,
其中,k为第i个第一无人机的第k个行为决策策略,q为第j个第二无人机的第q个行为决策策略,为第i个第一无人机执行攻击行为决策策略,第j个第二无人机执行行为决策策略q后,第i个第二无人机的支付值,为采用预设的态势优势函数计算的第i个第一无人机执行攻击行为决策策略且第j个第二无人机执行行为决策策略q后,第i个第一无人机相对于第j个第二无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第j个第二无人机执行攻击行为决策策略时的导弹命中率,为预设的方法计算的第i个第一无人机执行攻击行为决策策略时的导弹命中率,为预设的第j个第二无人机执行防御行为决策策略时的干扰弹成功率,q∈{1,2,3,4,5}表示第j个第二无人机执行机动行为决策策略中的任一者,q=6表示第j个第二无人机执行攻击行为决策策略,q=7表示第j个第二无人机执行防御行为决策策略;
在第二无人机执行攻击行为决策策略,第一无人机执行行为决策策略中的任一者的情况下,根据式(19)计算第二无人机相对于第一无人机的支付值,
其中,为第j个第二无人机执行攻击行为决策策略,第i个第一无人机执行行为决策策略k后,第i个第一无人机的支付值,为采用预设的态势优势函数计算的第j个第二无人机执行攻击行为决策策略且第i个第一无人机执行行为决策策略k后,第j个第二无人机相对于第i个第一无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第j个第二无人机执行攻击行为决策策略时的导弹命中率,为预设的方法计算的第i个第一无人机执行攻击行为决策策略时的导弹命中率,为预设的第i个第一无人机执行防御行为决策策略时的干扰弹成功率,k∈{1,2,3,4,5}表示第i个第一无人机执行机动行为决策策略中的任一者,k=6表示第i个第一无人机执行攻击行为决策策略,k=7表示第i个第一无人机执行防御行为决策策略。
在第一无人机执行的防御行为决策策略,第二无人机行为决策策略中的任一者的情况下,根据式(20)计算第一无人机相对于第二无人机的支付值,
其中,为第i个第一无人机执行防御行为决策策略,第j个第二无人机执行行为决策策略q后,第i个第一无人机的支付值,为采用预设的态势优势函数计算的第i个第一无人机执行防御行为决策策略且第j个第二无人机执行行为决策策略q后,第i个第一无人机相对于第j个第二无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第j个第二无人机执行攻击行为决策策略时的导弹命中率,为预设的第i个第一无人机执行防御行为决策策略时的干扰弹成功率,q∈{1,2,3,4,5}表示第j个第二无人机执行机动行为决策策略中的任一者,q=6表示第j个第二无人机执行攻击行为决策策略,q=7表示第j个第二无人机执行防御行为决策策略;
在第二无人机执行防御行为决策策略,第一无人机执行行为决策策略中的任一者的情况下,采用式(21)计算第二无人机相对于第一无人机的支付值,
其中,为第j个第二无人机执行防御行为决策策略,第i个第一无人机执行行为决策策略k后,第j个第二无人机的支付值,为采用预设的态势优势函数计算的第j个第二无人机执行防御行为决策策略且第i个第一无人机执行行为决策策略k后,第j个第二无人机相对于第i个第一无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第i个第一无人机执行攻击行为决策策略时的导弹命中率,为预设的第j个第二无人机执行防御行为决策策略时的干扰弹成功率,k∈{1,2,3,4,5}表示第i个第一无人机执行机动行为决策策略中的任一者,k=6表示第i个第一无人机执行攻击行为决策策略,k=7表示第i个第一无人机执行防御行为决策策略。
在步骤S230中,基于第一无人机行为决策时的状态与第二无人机行为决策时的状态,根据支付函数计算第一无人机的行为决策策略集合与第二无人机的行为决策策略集合中任意一对行为决策策略对应的第一无人机的支付值和第二无人机的支付值,从而生成第一无人机和第二无人机博弈的双矩阵。对于该双矩阵,可以是例如式(22)所示,
在步骤S240中,采用Lemke-Howson算法对双矩阵进行求解以计算出第一无人机对第二无人机的均衡行为策略,并将均衡行为策略对应的期望支付值作为第一无人机对抗第二无人机的优势值,即得到第i个第一无人机的均衡支付值以作为第i个第一无人机相对于第j个第二无人机的优势值uij。
在步骤S250中,遍历每个第一无人机和每个第二无人机以计算每个第一无人机对每个第二无人机的优势值以构成优势矩阵。
在步骤S300中,根据第一无人机编队的对抗条件,建立多无人机协同目标分配模型。其中,该对抗条件可以包括每个第一无人机仅能同时对抗一个第二无人机、每个第二无人机能够同时被多个第一无人机对抗、用于对抗任一个第二无人机的第一无人机的数量小于预设的上限值。因此,基于上述对抗条件,建立的无人机协同目标分配模型的具体步骤可以包括:
1、采用式(23)表示第一无人机编队的决策变量,
x=[xij]i∈M,i∈N,xij∈{0,1},(23)
其中,x为|M|行|N|列的决策矩阵,xij=1表示第i个第一无人机对抗第j个第二无人机,xij=0表示第i个第一无人机不对抗第j个第二无人机,M为第一无人机编队的第一无人机的集合,N为第二无人机编队的第二无人机的集合;
2、采用式(24)表示第一无人机编队相对于第二无人机编队的优势矩阵,
U=[uij]i∈M,i∈N,(24)
其中,U为|M|行|N|列的优势矩阵,uij表示第i个第一无人机相对于第j个第二无人机的优势值;
根据式(25)、(26)、(27)和(28)建立协同目标分配模型,
maxx∑i∈Muij·xij,(25)
其中,bj为上限值。
在步骤S400中,根据优势矩阵和多无人机协同目标分配模型进行求解以计算出第一无人机编队的最优协同目标分配方案。
在步骤S500中,根据最优协同目标分配方案控制第一无人机编队对抗第二无人机编队。
另一方面,还提供一种多无人机协同对抗的控制系统,该控制系统包括处理器,处理器用于执行上述任一的控制方法。
再一方面,本发明的另一方面还提供一种存储介质,该存储介质存储有指令,指令用于被机器读取以使得机器执行上述任一的控制方法。
通过上述技术方案,本发明提供的多无人机协同对抗的控制方法、系统及存储介质通过分别针对无人机编队的每个无人机的态势进行分析,并进一步基于每个无人机的态势建立无人机编队的对抗矩阵,提高了无人机编队对抗的决策的有效性。
以上结合附图详细描述了本发明例的可选实施方式,但是,本发明实施方式并不限于上述实施方式中的具体细节,在本发明实施方式的技术构思范围内,可以对本发明实施方式的技术方案进行多种简单变型,这些简单变型均属于本发明实施方式的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施方式对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施方式方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施方式的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施方式的思想,其同样应当视为本发明实施方式所公开的内容。
Claims (7)
1.一种多无人机协同对抗的控制方法,其特征在于,所述控制方法包括:
获取对抗环境中第一无人机编队的第一无人机数量、第二无人机编队的第二无人机数量、每个所述第一无人机的状态和每个所述第二无人机的状态,其中,所述第一无人机的状态和所述第二无人机的状态均包括位置和速度;
根据所述第一无人机的数量、所述第二无人机的数量、每个所述第一无人机的状态和每个所述第二无人机的状态计算每个所述第一无人机相对于每个所述第二无人机的优势值,以构成所述第一无人机编队相对于所述第二无人机编队的优势矩阵;
根据所述第一无人机编队的对抗条件,建立多无人机协同目标分配模型,其中,所述对抗条件包括每个所述第一无人机仅能同时对抗一个所述第二无人机、每个所述第二无人机能够同时被多个所述第一无人机对抗、用于对抗任一个所述第二无人机的第一无人机的数量小于预设的上限值;
根据所述优势矩阵和所述多无人机协同目标分配模型进行求解以计算出所述第一无人机编队的最优协同目标分配方案;
根据所述最优协同目标分配方案控制所述第一无人机编队对抗所述第二无人机编队;
根据所述第一无人机的数量、所述第二无人机的数量、每个所述第一无人机的状态和每个所述第二无人机的状态计算每个所述第一无人机相对于每个所述第二无人机的优势值,以构成所述第一无人机编队相对于所述第二无人机编队的优势矩阵,具体包括:
分析所述第一无人机与所述第二无人机在行为决策时不同类型的行为决策策略,建立所述第一无人机的行为决策策略集合与所述第二无人机的行为决策策略集合;
基于证据理论融合方法,将所述第一无人机与所述第二无人机执行不同类型的行为决策策略时的攻击有效性影响因素进行融合,设计所述第一无人机与所述第二无人机的不同行为决策策略的支付函数;
基于所述第一无人机行为决策时的状态与所述第二无人机行为决策时的状态,根据所述支付函数计算所述第一无人机的行为决策策略集合与所述第二无人机的行为决策策略集合中任意一对行为决策策略对应的所述第一无人机的支付值和所述第二无人机的支付值,从而生成所述第一无人机和所述第二无人机博弈的双矩阵;
采用Lemke-Howson算法对所述双矩阵进行求解以计算出第一无人机对第二无人机的均衡行为策略,并将所述均衡行为策略对应的我方均衡支付值作为第一无人机对抗第二无人机的优势值;
遍历每个所述第一无人机和每个所述第二无人机以计算每个所述第一无人机对每个所述第二无人机的优势值以构成所述优势矩阵;
所述行为决策策略包括:机动行为决策策略、攻击行为决策策略和防御行为决策策略;
所述机动行为决策策略进一步包括保持飞行状态不变、左转、右转、爬升和俯冲,所述攻击行为决策策略进一步包括发射导弹,所述防御行为决策策略进一步包括发射干扰弹;
所述控制方法进一步包括:
在所述第一无人机执行所述机动行为决策策略中的任一者,所述第二无人机执行所述行为决策策略中的任一者的情况下,根据式(7)计算所述第一无人机对所述第二无人机的支付值,
其中,k为第i个所述第一无人机的第k个所述行为决策策略,q为第j个所述第二无人机的第q个所述行为决策策略,为第i个所述第一无人机执行行为决策策略k,第j个所述第二无人机执行行为决策策略q后,第i个所述第一无人机的支付值,为采用预设的态势优势函数计算的第i个所述第一无人机执行行为决策策略k,第j个所述第二无人机执行行为决策策略q后,第i个所述第一无人机相对于第j个所述第二无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第j个所述第二无人机执行所述攻击行为决策策略时的导弹命中率,q∈{1,2,3,4,5}表示第j个所述第二无人机执行所述机动行为决策策略中的任一者,q=6表示第j个所述第二无人机执行所述攻击行为决策策略,q=7表示第j个所述第二无人机执行所述防御行为决策策略;
在所述第二无人机执行所述机动行为决策策略中的任一者,所述第一无人机执行所述行为决策策略中的任一者的情况下,根据式(8)计算所述第二无人机对所述第一无人机的支付值,
其中,为第i个所述第一无人机执行行为决策策略k,第j个所述第二无人机执行行为决策策略q后,第j个所述第二无人机的支付值,为采用预设的态势优势函数计算的第i个所述第一无人机执行行为决策策略k,第j个所述第二无人机执行行为决策策略q后,第j个所述第二无人机相对于第i个所述第一无人机的态势优势值,为预设的方法计算的第i个所述第一无人机执行所述攻击行为决策策略时的导弹命中率,k∈{1,2,3,4,5}表示第i个所述第一无人机执行所述机动行为决策策略中的任一者,k=6表示第i个所述第一无人机执行所述攻击行为决策策略,k=7表示第i个所述第一无人机执行所述防御行为决策策略;
其中,所述态势优势函数为式(14)至式(23),
其中,为第i个第一无人机执行行为决策策略第j个第二无人机执行行为决策策略后,第一无人机相对于第二无人机的速度优势值,v0为第i个第一无人机的最佳飞行速度,vi为第i个第一无人机执行行为决策策略后的飞行速度,vj为第j个第二无人机执行行为决策策略后的飞行速度;
αi=arccos Ci, (18)
αj=arccos Cj, (19)
其中,为第一无人机执行行为决策策略第二无人机执行行为决策策略后第一无人机相对与第二无人机的角度优势值,(xi,yi,zi)和(xj,yj,zj)分别为第一无人机执行行为决策策略后的位置、第二无人机执行行为决策策略后的位置,Dij为第一无人机执行行为决策策略第二无人机执行行为决策策略后双方无人机的距离;
2.根据权利要求1所述的控制方法,其特征在于,根据所述第一无人机编队的对抗条件,建立多无人机协同目标分配模型,具体包括:
采用式(1)表示所述第一无人机编队的决策变量,
x=[xij]i∈M,i∈N,xij∈{0,1}, (1)
其中,x为|M|行|N|列的决策矩阵,xij=1表示第i个所述第一无人机对抗第j个所述第二无人机,xij=0表示第i个所述第一无人机不对抗第j个所述第二无人机,M为所述第一无人机编队的所述第一无人机的集合,N为所述第二无人机编队的所述第二无人机的集合;
采用式(2)表示所述第一无人机编队相对于所述第二无人机编队的优势矩阵,
U=[uij]i∈M,i∈N, (2)
其中,U为|M|行|N|列的优势矩阵,uij表示第i个所述第一无人机相对于第j个所述第二无人机的优势值;
根据式(3)、(4)、(5)和(6)建立所述协同目标分配模型,
maxx∑i∈Muij·xij, (3)
其中,bj为所述上限值。
3.根据权利要求1所述的控制方法,其特征在于,所述控制方法进一步包括:
在所述第一无人机执行所述攻击行为决策策略,所述第二无人机执行所述行为决策策略中的任一者的情况下,根据式(9)计算所述第一无人机相对于所述第二无人机的支付值,
其中,k为第i个所述第一无人机的第k个所述行为决策策略,q为第j个所述第二无人机的第q个所述行为决策策略,为第i个所述第一无人机执行所述攻击行为决策策略,第j个所述第二无人机执行行为决策策略q后,第i个所述第二无人机的支付值,为采用预设的态势优势函数计算的第i个所述第一无人机执行所述攻击行为决策策略且第j个所述第二无人机执行行为决策策略q后,第i个所述第一无人机相对于第j个所述第二无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第j个所述第二无人机执行所述攻击行为决策策略时的导弹命中率,为预设的方法计算的第i个所述第一无人机执行所述攻击行为决策策略时的导弹命中率,为预设的第j个所述第二无人机执行防御行为决策策略时的干扰弹成功率,q∈{1,2,3,4,5}表示第j个所述第二无人机执行所述机动行为决策策略中的任一者,q=6表示第j个所述第二无人机执行所述攻击行为决策策略,q=7表示第j个所述第二无人机执行所述防御行为决策策略;
在所述第二无人机执行攻击行为决策策略,所述第一无人机执行所述行为决策策略中的任一者的情况下,根据式(10)计算所述第二无人机相对于所述第一无人机的支付值,
其中,为第j个所述第二无人机执行所述攻击行为决策策略,第i个所述第一无人机执行行为决策策略k后,第i个所述第一无人机的支付值,为采用预设的态势优势函数计算的第j个所述第二无人机执行所述攻击行为决策策略且第i个所述第一无人机执行行为决策策略k后,第j个所述第二无人机相对于第i个所述第一无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第j个所述第二无人机执行所述攻击行为决策策略时的导弹命中率,为预设的方法计算的第i个所述第一无人机执行所述攻击行为决策策略时的导弹命中率,为预设的第i个所述第一无人机执行防御行为决策策略时的干扰弹成功率,k∈{1,2,3,4,5}表示第i个所述第一无人机执行所述机动行为决策策略中的任一者,k=6表示第i个所述第一无人机执行所述攻击行为决策策略,k=7表示第i个所述第一无人机执行所述防御行为决策策略。
4.根据权利要求1所述的控制方法,其特征在于,所述控制方法进一步包括:
在所述第一无人机执行的防御行为决策策略,所述第二无人机所述行为决策策略中的任一者的情况下,根据式(11)计算所述第一无人机相对于所述第二无人机的支付值,
其中,为第i个所述第一无人机执行所述防御行为决策策略,第j个所述第二无人机执行行为决策策略q后,第i个所述第一无人机的支付值,为采用预设的态势优势函数计算的第i个所述第一无人机执行所述防御行为决策策略且第j个所述第二无人机执行行为决策策略q后,第i个所述第一无人机相对于第j个所述第二无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第j个所述第二无人机执行所述攻击行为决策策略时的导弹命中率,为预设的第i个所述第一无人机执行防御行为决策策略时的干扰弹成功率,q∈{1,2,3,4,5}表示第j个所述第二无人机执行所述机动行为决策策略中的任一者,q=6表示第j个所述第二无人机执行所述攻击行为决策策略,q=7表示第j个所述第二无人机执行所述防御行为决策策略;
在所述第二无人机执行防御行为决策策略,所述第一无人机执行所述行为决策策略中的任一者的情况下,采用式(12)计算所述第二无人机相对于所述第一无人机的支付值,
其中,为第j个所述第二无人机执行防御行为决策策略,第i个所述第一无人机执行行为决策策略k后,第j个所述第二无人机的支付值,为采用预设的态势优势函数计算的第j个所述第二无人机执行所述防御行为决策策略且第i个所述第一无人机执行行为决策策略k后,第j个所述第二无人机相对于第i个所述第一无人机的态势优势值,为预设的证据理论算子,为预设的方法计算的第i个所述第一无人机执行所述攻击行为决策策略时的导弹命中率,为预设的第j个所述第二无人机执行防御行为决策策略时的干扰弹成功率,k∈{1,2,3,4,5}表示第i个所述第一无人机执行所述机动行为决策策略中的任一者,k=6表示第i个所述第一无人机执行所述攻击行为决策策略,k=7表示第i个所述第一无人机执行所述防御行为决策策略。
6.一种多无人机协同对抗的控制系统,其特征在于,所述控制系统包括处理器,所述处理器用于执行如权利要求1至5任一所述的控制方法。
7.一种存储介质,其特征在于,所述存储介质存储有指令,所述指令用于被机器读取以使得所述机器执行如权利要求1至5任一所述的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910276849.4A CN110058608B (zh) | 2019-04-08 | 2019-04-08 | 多无人机协同对抗的控制方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910276849.4A CN110058608B (zh) | 2019-04-08 | 2019-04-08 | 多无人机协同对抗的控制方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110058608A CN110058608A (zh) | 2019-07-26 |
CN110058608B true CN110058608B (zh) | 2022-06-10 |
Family
ID=67318457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910276849.4A Active CN110058608B (zh) | 2019-04-08 | 2019-04-08 | 多无人机协同对抗的控制方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110058608B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111221352B (zh) * | 2020-03-03 | 2021-01-29 | 中国科学院自动化研究所 | 基于多无人机协同博弈对抗的控制系统 |
CN112180967B (zh) * | 2020-04-26 | 2022-08-19 | 北京理工大学 | 基于评判-执行架构的多无人机协同对抗决策方法 |
CN112464548B (zh) * | 2020-07-06 | 2021-05-14 | 中国人民解放军军事科学院评估论证研究中心 | 对抗单位的动态分配装置 |
CN113128021B (zh) * | 2021-03-12 | 2022-10-25 | 合肥工业大学 | 多无人平台协同对抗的实时重决策方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832939A (zh) * | 2017-10-27 | 2018-03-23 | 合肥工业大学 | 无人平台空中对抗推演方法及装置 |
CN108319286A (zh) * | 2018-03-12 | 2018-07-24 | 西北工业大学 | 一种基于强化学习的无人机空战机动决策方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105278542A (zh) * | 2015-09-23 | 2016-01-27 | 沈阳航空航天大学 | 多无人机协同打击任务的攻防对策最优策略方法 |
CN105427032A (zh) * | 2015-11-09 | 2016-03-23 | 河海大学 | 一种无人机对抗决策评估方法 |
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 |
CN107832850B (zh) * | 2017-10-27 | 2018-10-23 | 合肥工业大学 | 对抗环境下无人机占位决策的矩阵博弈方法及装置 |
CN108680063B (zh) * | 2018-05-23 | 2019-08-13 | 南京航空航天大学 | 一种针对大规模无人机集群动态对抗的决策方法 |
CN109508042B (zh) * | 2019-01-30 | 2022-05-31 | 合肥工业大学 | 用于无人机编队智能决策的控制方法、系统及存储介质 |
-
2019
- 2019-04-08 CN CN201910276849.4A patent/CN110058608B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832939A (zh) * | 2017-10-27 | 2018-03-23 | 合肥工业大学 | 无人平台空中对抗推演方法及装置 |
CN108319286A (zh) * | 2018-03-12 | 2018-07-24 | 西北工业大学 | 一种基于强化学习的无人机空战机动决策方法 |
Non-Patent Citations (3)
Title |
---|
An improved genetic algorithm of multiple cooperative air combat fire distribution method;Ma liang,等;《PROCEEDINGS OF THE 35TH CHINESE CONTROL CONFERENCE 2016》;20160729;全文 * |
基于新型态势函数的空战微分对策问题研究;魏慎娜,等;《中国优秀博硕士学位论文全文数据库(硕士)工程科技II辑》;20180515;全文 * |
基于进化式专家系统树的无人机空战决策技术;王炫,等;《兵工自动化》;20190131;第38卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110058608A (zh) | 2019-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110058608B (zh) | 多无人机协同对抗的控制方法、系统及存储介质 | |
CN111221352B (zh) | 基于多无人机协同博弈对抗的控制系统 | |
CN111880563B (zh) | 一种基于maddpg的多无人机任务决策方法 | |
Changqiang et al. | Autonomous air combat maneuver decision using Bayesian inference and moving horizon optimization | |
JP6517104B2 (ja) | 航空機管理装置、航空機、及び航空機の軌道算出方法 | |
CN113791634A (zh) | 一种基于多智能体强化学习的多机空战决策方法 | |
CN111666631A (zh) | 犹豫模糊和动态深度强化学习相结合的无人机机动决策方法 | |
CN113741525B (zh) | 基于策略集合maddpg多无人机协同攻防对抗方法 | |
CN112198892B (zh) | 一种多无人机智能协同突防对抗方法 | |
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 | |
CN110928329A (zh) | 一种基于深度q学习算法的多飞行器航迹规划方法 | |
CN108427286B (zh) | 用于强对抗环境下无人机深度决策的训练方法及训练网络 | |
CN115291625A (zh) | 基于多智能体分层强化学习的多无人机空战决策方法 | |
CN111859541A (zh) | 一种基于迁移学习改进的pmaddpg多无人机任务决策方法 | |
CN114721424A (zh) | 一种多无人机协同对抗方法、系统以及存储介质 | |
CN114492805A (zh) | 一种基于模糊推理的空战机动决策设计方法 | |
CN110134138B (zh) | 对抗环境下无人机智能决策的纳什均衡博弈方法及系统 | |
CN112651486A (zh) | 一种提高maddpg算法收敛速度的方法及其应用 | |
CN116700079A (zh) | 基于ac-nfsp的无人机对抗占位机动控制方法 | |
CN113741186B (zh) | 一种基于近端策略优化的双机空战决策方法 | |
CN116360500A (zh) | 一种摆脱距离可控的导弹突防方法 | |
CN117311392A (zh) | 无人机群对抗控制方法及系统 | |
CN116661496B (zh) | 一种基于智能算法的多巡飞弹协同航迹规划方法 | |
CN116432030A (zh) | 一种基于深度强化学习的空战多意图策略自主生成方法 | |
CN114911269A (zh) | 一种基于无人机群的组网雷达干扰策略生成方法 |
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 |