CN110134138A - 对抗环境下无人机智能决策的纳什均衡博弈方法及系统 - Google Patents
对抗环境下无人机智能决策的纳什均衡博弈方法及系统 Download PDFInfo
- Publication number
- CN110134138A CN110134138A CN201910277475.8A CN201910277475A CN110134138A CN 110134138 A CN110134138 A CN 110134138A CN 201910277475 A CN201910277475 A CN 201910277475A CN 110134138 A CN110134138 A CN 110134138A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- strategy
- decision
- decision making
- behaviour
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 120
- 230000003042 antagnostic effect Effects 0.000 title claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 230000007123 defense Effects 0.000 claims description 35
- 230000004927 fusion Effects 0.000 claims description 12
- 230000003542 behavioural effect Effects 0.000 claims description 6
- 238000007500 overflow downdraw method Methods 0.000 claims description 6
- 230000009194 climbing Effects 0.000 claims description 3
- 230000009189 diving Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 84
- 230000006870 function Effects 0.000 description 23
- 230000005484 gravity Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G05D1/107—Simultaneous control of position or course in three dimensions specially adapted for missiles
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施方式提供一种对抗环境下无人机智能决策的纳什均衡博弈方法及系统,属于无人机的智能决策技术领域。纳什均衡博弈方法包括:生成第一无人机和第二无人机行为决策时的状态向量XR、XB;建立第一无人机和第二无人机的行为决策策略集合SR、SB;将第一无人机和第二无人机执行不同类型行为决策策略时的攻击有效性影响因素进行融合,设计第一无人机和第二无人机行为决策策略的支付函数;根据设计的无人机双方的支付函数计算策略集合SR与策略集合SB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F;计算无人机双方行为决策的最优方案;选择第一无人机的行为决策策略。
Description
技术领域
本发明涉及无人机的智能决策技术领域,具体地涉及一种对抗环境下无人机智能决策的纳什均衡博弈方法及系统。
背景技术
无人机的智能决策对于无人机的模拟及实战对抗至关重要。现有技术中的智能决策方法在考虑无人机的行为决策策略时,仅考虑了无人机的机动行为决策策略,并未考虑无人机的攻击行为决策策略和防御行为决策策略。
在现有技术的智能决策方法中,其支付函数仅考虑无人机相对于敌方无人机在几何位置上的态势优势,并不能完全反映无人机采取行为策略后对敌方无人机的攻击有效性。
发明内容
本发明实施方式的目的是提供一种对抗环境下无人机智能决策的纳什均衡博弈方法及系统,该纳什均衡博弈方法及系统通过将无人机的攻击行为决策策略和防御行为决策策略纳入无人机行为决策的决策策略中,提高了无人机行为决策的有效性。
为了实现上述目的,本发明实施方式提供一种对抗环境下无人机智能决策的纳什均衡博弈方法,所述智能决策包括行为决策,所述纳什均衡博弈方法包括:
分别获取第一无人机和第二无人机行为决策时的状态信息,生成所述第一无人机和所述第二无人机行为决策时的状态向量XR、XB;
分析所述第一无人机和所述第二无人机在行为决策时不同类型的典型行为,建立所述第一无人机和所述第二无人机的行为决策策略集合SR、SB;
基于证据理论融合方法,将所述第一无人机和所述第二无人机执行不同类型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和所述第二无人机不同行为决策策略的支付函数;
基于所述第一无人机和所述第二无人机行为决策时的状态向量XR、XB,根据设计的所述第一无人机和所述第二无人机行为决策策略的支付函数计算行为决策策略集合SR与行为决策策略集合SB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F;
基于所述第一无人机和所述第二无人机博弈的双矩阵F,计算无人机双方行为决策的最优方案;
基于所述第一无人机行为决策的最优方案,选择所述第一无人机的行为决策策略。
可选地,所述纳什均衡博弈方法进一步包括:
所述第一无人机与所述第二无人机在行为决策时的状态向量XR、XB采用下式表示:
XR=(xR,yR,zR,vR,θR,ψR),XB=(xB,yB,zB,vB,θB,ψB);
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。
可选地,所述纳什均衡博弈方法进一步包括:
分析无人机在行为决策时不同类型的典型行为,将无人机的行为决策策略划分为三类七种,分别为机动行为决策策略、攻击行为决策策略和防御行为决策策略;其中,所述机动行为决策策略包括保持飞行状态不变、左转、右转、爬升、俯冲;所述攻击行为决策策略为发射导弹;所述防御行为决策策略为发射干扰弹;进而生成所述第一无人机与所述第二无人机的行为决策策略集合SR、SB,SR、SB采用下式表示:
其中,表示所述第一无人机和所述第二无人机飞行状态不变行为决策策略,表示所述第一无人机和所述第二无人机左转行为决策策略,表示所述第一无人机和所述第二无人机右转行为决策策略,表示所述第一无人机和所述第二无人机爬升行为决策策略,表示所述第一无人机和所述第二无人机俯冲行为决策策略,表示所述第一无人机和所述第二无人机发射导弹行为决策策略,表示所述第一无人机和所述第二无人机发射干扰弹行为决策策略,所述第一无人机的第i个行为策略由表示,所述第二无人机的第j个行为策略由表示。
可选地,所述纳什均衡博弈方法进一步包括:
基于证据理论融合方法,在所述第一无人机执行机动行为决策策略,所述第二无人机执行行为决策策略时,所述第一无人机的支付值由公式(1)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算所述第一无人机执行机动行为决策策略所述第二无人机执行行为决策策略后,所述第一无人机对所述第二无人机的态势优势值;为预设的证据理论融合算子;pB为由预设的方法计算的所述第二无人机执行攻击行为决策策略时的导弹攻击命中概率;
在所述第二无人机执行机动行为决策策略,所述第一无人机执行行为决策策略时,所述第二无人机的支付值由公式(2)所示的支付函数计算可得:
其中为由预设的态势优势函数计算所述第二无人机执行机动行为决策策略所述第一无人机执行行为决策策略后,所述第二无人机对所述第一无人机的态势优势值;为预设的证据理论融合算子;pR为由预设的方法计算的所述第一无人机执行攻击行为决策策略时的导弹攻击命中概率。
可选地,所述纳什均衡博弈方法进一步包括:
在所述第一无人机执行攻击行为决策策略,所述第二无人机执行行为决策策略时,所述第一无人机的支付值由公式(3)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算所述第一无人机执行攻击行为决策策略所述第二无人机执行行为决策策略后,所述第一无人机对所述第二无人机的态势优势值;为预设的证据理论融合算子;pR为由预设的方法计算的所述第一无人机执行攻击行为决策策略时的导弹攻击命中概率,pB为由预设的方法计算的所述第二无人机执行攻击行为决策策略的导弹攻击命中概率;εB为预设的所述第二无人机执行防御行为决策策略时的干扰弹干扰成功概率;
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行为决策策略,所述第二无人机的支付值由公式(4)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算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行为决策策略后,所述第二无人机对所述第一无人机的态势优势值;为预设的证据理论融合算子;pR为由预设方法计算的所述第一无人机执行攻击行为决策策略时的导弹攻击命中概率,pB为由预设方法计算的所述第二无人机执行攻击行为决策策略时的导弹攻击命中概率;εR为预设的所述第一无人机执行防御行为决策策略时的干扰弹干扰成功概率。
可选地,所述纳什均衡博弈方法进一步包括:
在所述第一无人机执行的防御行为决策策略,所述第二无人机执行行为决策策略时,所述第一无人机的支付值由公式(5)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算所述第一无人机执行防御行为决策策略所述第二无人机执行行为决策策略后,所述第一无人机对所述第二无人机的态势优势值;为预设的证据理论融合算子;pB为由预设的方法计算的所述第二无人机执行攻击行为决策策略时的导弹攻击命中概率;,εR为预设的所述第一无人机执行防御行为决策策略时的干扰弹干扰成功概率;
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行为决策策略,所述第二无人机的支付值由公式(6)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算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行为决策策略后,所述第二无人机对所述第一无人机的态势优势值;为预设的证据理论融合算子;pR为由预设的方法计算的所述第一无人机执行攻击行为决策策略时的导弹攻击命中概率;εB为预设的所述第二无人机执行防御行为决策策略时的干扰弹干扰成功概率。
可选地,生成所述第一无人机和所述第二无人机博弈的双矩阵F采用公式(7)表示:
其中,为所述第一无人机和所述第二无人机分别执行行为决策策略后所述第一无人机的支付值、所述第二无人机的支付值。
另一方面,本发明还提供一种对抗环境下无人机智能决策的纳什均衡博弈系统,所述矩阵博弈系统包括处理器,所述处理器用于执行上述任一所述的纳什均衡博弈方法。
通过上述技术方案,本发明提供的对抗环境下无人机智能决策的纳什均衡博弈方法及系统通过将无人机的攻击行为决策策略、防御行为决策策略纳入无人机的决策策略中,相对于现有技术中的决策方法,提高了无人机行为决策的有效性。
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对抗环境下无人机智能决策的纳什均衡博弈方法的流程图。
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所示是根据本发明提供的一种对抗环境下无人机智能决策的纳什均衡博弈方法的流程图。在图1中,该智能决策包括行为决策,该纳什均衡博弈方法可以包括:
在步骤S10中,分别获取第一无人机和第二无人机行为决策时的状态信息,生成第一无人机和第二无人机行为决策时的状态向量XR、XB。具体地,第一无人机与第二无人机在行为决策时的状态向量XR、XB可以采用下式表示:
XR=(xR,yR,zR,vR,θR,ψR),XB=(xB,yB,zB,vB,θB,ψB);
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。
在步骤S20中,分析第一无人机和第二无人机在行为决策时不同类型的典型行为,建立第一无人机和第二无人机的行为决策策略集合SR、SB。在该实施方式中,考虑到无人机在行为决策时不同类型的典型行为,可以将无人机的行为决策策略划分为三类七种,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三类;其中,机动行为决策策略可以包括保持飞行状态不变、左转、右转、爬升、俯冲;攻击行为决策策略为发射导弹(假设无人机在发射导弹时自身的飞行状态保持不变);防御行为决策策略为发射干扰弹(假设无人机在发射干扰弹时自身的飞行状态保持不变);进而生成第一无人机与第二无人机的行为决策策略集合SR、SB。具体地,SR、SB可以采用下式表示:
其中,表示第一无人机和第二无人机飞行状态不变行为决策策略,表示第一无人机和第二无人机左转行为决策策略,表示第一无人机和第二无人机右转行为决策策略,表示第一无人机和第二无人机爬升行为决策策略,表示第一无人机和第二无人机俯冲行为决策策略,表示第一无人机和第二无人机发射导弹行为决策策略,表示第一无人机和第二无人机发射干扰弹行为决策策略,第一无人机的第i个行为策略由表示,第二无人机的第j个行为策略由表示。
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S30中,基于证据理论融合方法,将第一无人机和第二无人机执行不同类型行为决策策略时的攻击有效性影响因素进行融合,设计第一无人机和第二无人机行为决策策略的支付函数。
在该实施方式中,基于证据理论融合方法,在第一无人机执行不同的机动行为决策策略,即第二无人机执行不同的行为决策策略,即时,第一无人机的支付值
可以由公式(1)所示的支付函数计算可得:
其中为由预设的态势优势函数计算第一无人机执行机动行为决策策略第二无人机执行行为决策策略后,第一无人机对第二无人机的态势优势值;为预设的证据理论融合算子;pB为由预设的方法计算的第二无人机执行攻击行为决策策略时的导弹攻击命中概率。对于该态势优势函数,可以是本领域人员所知的多种形式。在本发明的一个示例中,考虑到该纳什均衡博弈方法的状态向量包括双方无人机的位置坐标、速度标量、俯仰角和偏航角,那么,该态势优势函数可以包括公式(2)至公式(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速度优势值,v0为第一无人机的最佳飞行速度,vi为第一无人机执行行为决策策略后的飞行速度,vj为第二无人机执行行为决策策略后的飞行速度;
αi=arccos Ci,(6)
αj=arccos Cj,(7)
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无人机双方的距离;
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于第二无人机的距离优势值,分别表示第一无人机执行行为决策策略时所携带的导弹的最小和最大发射距离;
对于计算第一无人机的导弹攻击命中概率的方法,可以是本领域人员公知的方法。在本发明的一个示例中,可以采用公式(12)计算该导弹攻击命中概率,
其中,ξmax为导弹的最大立轴发射角,ξij为(蓝方)无人机与(红方)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,即第一无人机执行行为决策策略,即时,第二无人机的支付值由公式(13)所示的支付函数计算可得:
其中为由预设的态势优势函数计算第二无人机执行行为决策策略第一无人机执行行为决策策略后,第二无人机对第一无人机的态势优势值;为预设的证据理论融合算子;pR为由预设的方法计算的第一无人机执行攻击行为决策策略时的导弹攻击命中概率。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,也可以采用与上述公式(2)至公式(11)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攻击命中概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,也可以采用与上述公式(12)类似的方式来计算该导弹攻击命中概率。
在第一无人机执行攻击行为决策策略,即第二无人机执行行为决策策略,即时,第一无人机的支付值由公式(14)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算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后,第一无人机对第二无人机的态势优势值;为预设的证据理论融合算子;pR为由预设的方法计算的第一无人机执行攻击行为决策策略时的导弹攻击命中概率,pB为由预设的方法计算的第二无人机执行攻击行为决策策略时的导弹攻击命中概率;εB为预设的第二无人机执行防御行为决策策略时的干扰弹干扰成功概率。
在第二无人机执行攻击行为决策策略,即第一无人机执行行为决策策略,即第二无人机的支付值可以由公式(15)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算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后,第二无人机对第一无人机的态势优势值;为预设的证据理论融合算子;pR为由预设方法计算的第一无人机执行攻击行为决策策略时的导弹攻击命中概率,pB为由预设方法计算的第二无人机执行攻击行为决策策略时的导弹攻击命中概率;εR为预设的第一无人机执行防御行为决策策略时的干扰弹干扰成功概率。
在第一无人机执行的防御行为决策策略,即第二无人机执行行为决策策略,即时,第一无人机的支付值由公式(16)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算第一无人机执行防御行为决策策略第二无人机执行行为决策策略后,第一无人机对第二无人机的态势优势值;为预设的证据理论融合算子;pB为由预设的方法计算的第二无人机执行攻击行为决策策略时的导弹攻击命中概率;,εR为预设的第一无人机执行防御行为决策策略时的干扰弹干扰成功概率。
在第二无人机执行防御行为决策策略,即第一无人机执行行为决策策略,即第二无人机的支付值由公式(17)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算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后,第二无人机对第一无人机的态势优势值;为预设的证据理论融合算子;pR为由预设的方法计算的第一无人机执行攻击行为决策策略时的导弹攻击命中概率;εB为预设的第二无人机执行防御行为决策策略时的干扰弹干扰成功概率。
在步骤S40中,基于第一无人机和第二无人机行为决策时的状态向量XR、XB,根据设计的无人机双方的支付函数计算策略集合SR与策略集合SB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F。具体地,生成第一无人机和第二无人机博弈的双矩阵F可以采用公式(18)表示:
其中,为第一无人机和第二无人机分别执行行为决策策略 后第一无人机的支付值、第二无人机的支付值。
在步骤S50中,基于双方无人机博弈的双矩阵F,计算无人机双方行为决策的最优方案;
在步骤S60中,基于所述第一无人机行为决策的最优方案,选择所述第一无人机的行为策略。
另一方面,本发明还提供一种对抗环境下无人机智能决策的纳什均衡博弈系统,该纳什均衡博弈系统可以包括处理器,处理器用于执行上述任一的纳什均衡博弈方法。对于该处理器,可以是例如通用处理器、专用处理器、常规处理器、数字信号处理器(DSP)、多个微处理器、与DSP核心相关联的一个或多个微处理器、控制器、微控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)电路、任何其它类型的集成电路(IC)、状态机、系统级芯片(SOC)等。
通过上述技术方案,本发明提供的对抗环境下无人机智能决策的纳什均衡博弈方法及系统通过将无人机的攻击行为决策策略、防御行为决策策略纳入无人机的决策策略中,相对于现有技术中的决策方法,提高了无人机行为决策的有效性。
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 (8)
1.一种对抗环境下无人机智能决策的纳什均衡博弈方法,所述智能决策包括行为决策,其特征在于,所述纳什均衡博弈方法包括:
分别获取第一无人机和第二无人机行为决策时的状态信息,生成所述第一无人机和所述第二无人机行为决策时的状态向量XR、XB;
分析所述第一无人机和所述第二无人机在行为决策时不同类型的典型行为,建立所述第一无人机和所述第二无人机的行为决策策略集合SR、SB;
基于证据理论融合方法,将所述第一无人机和所述第二无人机执行不同类型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和所述第二无人机不同行为决策策略的支付函数;
基于所述第一无人机和所述第二无人机行为决策时的状态向量XR、XB,根据设计的所述第一无人机和所述第二无人机行为决策策略的支付函数计算行为决策策略集合SR与行为决策策略集合SB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F;
基于所述第一无人机和所述第二无人机博弈的双矩阵F,计算无人机双方行为决策的最优方案;
基于所述第一无人机行为决策的最优方案,选择所述第一无人机的行为决策策略。
2.根据权利要求1所述的纳什均衡博弈方法,其特征在于,所述纳什均衡博弈方法进一步包括:
所述第一无人机与所述第二无人机在行为决策时的状态向量XR、XB采用下式表示:
XR=(xR,yR,zR,vR,θR,ψR),XB=(xB,yB,zB,vB,θB,ψB);
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。
3.根据权利要求1所述的纳什均衡博弈方法,其特征在于,所述纳什均衡博弈方法进一步包括:
分析无人机在行为决策时不同类型的典型行为,将无人机的行为决策策略划分为三类七种,分别为机动行为决策策略、攻击行为决策策略和防御行为决策策略;其中,所述机动行为决策策略包括保持飞行状态不变、左转、右转、爬升、俯冲;所述攻击行为决策策略为发射导弹;所述防御行为决策策略为发射干扰弹;进而生成所述第一无人机与所述第二无人机的行为决策策略集合SR、SB,SR、SB采用下式表示:
其中,表示所述第一无人机和所述第二无人机飞行状态不变行为决策策略,表示所述第一无人机和所述第二无人机左转行为决策策略,表示所述第一无人机和所述第二无人机右转行为决策策略,表示所述第一无人机和所述第二无人机爬升行为决策策略,表示所述第一无人机和所述第二无人机俯冲行为决策策略,表示所述第一无人机和所述第二无人机发射导弹行为决策策略,表示所述第一无人机和所述第二无人机发射干扰弹行为决策策略,所述第一无人机的第i个行为策略由表示,所述第二无人机的第j个行为策略由表示。
4.根据权利要求1所述的纳什均衡博弈方法,其特征在于,所述纳什均衡博弈方法进一步包括:
基于证据理论融合方法,在所述第一无人机执行机动行为决策策略,所述第二无人机执行行为决策策略时,所述第一无人机的支付值由公式(1)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算所述第一无人机执行机动行为决策策略所述第二无人机执行行为决策策略后,所述第一无人机对所述第二无人机的态势优势值;为预设的证据理论融合算子;pB为由预设的方法计算的所述第二无人机执行攻击行为决策策略时的导弹攻击命中概率;
在所述第二无人机执行机动行为决策策略,所述第一无人机执行行为决策策略时,所述第二无人机的支付值由公式(2)所示的支付函数计算可得:
其中为由预设的态势优势函数计算所述第二无人机执行机动行为决策策略所述第一无人机执行行为决策策略后,所述第二无人机对所述第一无人机的态势优势值;为预设的证据理论融合算子;pR为由预设的方法计算的所述第一无人机执行攻击行为决策策略时的导弹攻击命中概率。
5.根据权利要求1所述的纳什均衡博弈方法,其特征在于,所述纳什均衡博弈方法进一步包括:
在所述第一无人机执行攻击行为决策策略,所述第二无人机执行行为决策策略时,所述第一无人机的支付值由公式(3)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算所述第一无人机执行攻击行为决策策略所述第二无人机执行行为决策策略后,所述第一无人机对所述第二无人机的态势优势值;为预设的证据理论融合算子;pR为由预设的方法计算的所述第一无人机执行攻击行为决策策略时的导弹攻击命中概率,pB为由预设的方法计算的所述第二无人机执行攻击行为决策策略的导弹攻击命中概率;εB为预设的所述第二无人机执行防御行为决策策略时的干扰弹干扰成功概率;
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行为决策策略,所述第二无人机的支付值由公式(4)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算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行为决策策略后,所述第二无人机对所述第一无人机的态势优势值;为预设的证据理论融合算子;pR为由预设方法计算的所述第一无人机执行攻击行为决策策略时的导弹攻击命中概率,pB为由预设方法计算的所述第二无人机执行攻击行为决策策略时的导弹攻击命中概率;εR为预设的所述第一无人机执行防御行为决策策略时的干扰弹干扰成功概率。
6.根据权利要求1所述的纳什均衡博弈方法,其特征在于,所述纳什均衡博弈方法进一步包括:
在所述第一无人机执行的防御行为决策策略,所述第二无人机执行行为决策策略时,所述第一无人机的支付值由公式(5)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算所述第一无人机执行防御行为决策策略所述第二无人机执行行为决策策略后,所述第一无人机对所述第二无人机的态势优势值;为预设的证据理论融合算子;pB为由预设的方法计算的所述第二无人机执行攻击行为决策策略时的导弹攻击命中概率;,εR为预设的所述第一无人机执行防御行为决策策略时的干扰弹干扰成功概率;
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行为决策策略,所述第二无人机的支付值由公式(6)所示的支付函数计算可得:
其中,为由预设的态势优势函数计算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行为决策策略后,所述第二无人机对所述第一无人机的态势优势值;为预设的证据理论融合算子;pR为由预设的方法计算的所述第一无人机执行攻击行为决策策略时的导弹攻击命中概率;εB为预设的所述第二无人机执行防御行为决策策略时的干扰弹干扰成功概率。
7.根据权利要求1所述的纳什均衡博弈方法,其特征在于,生成所述第一无人机和所述第二无人机博弈的双矩阵F采用公式(7)表示:
其中,为所述第一无人机和所述第二无人机分别执行行为决策策略后所述第一无人机的支付值、所述第二无人机的支付值。
8.一种对抗环境下无人机智能决策的纳什均衡博弈系统,其特征在于,所述纳什均衡矩阵博弈系统包括处理器,所述处理器用于执行如权利要求1至7任一所述的纳什均衡博弈方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910277475.8A CN110134138B (zh) | 2019-04-08 | 2019-04-08 | 对抗环境下无人机智能决策的纳什均衡博弈方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910277475.8A CN110134138B (zh) | 2019-04-08 | 2019-04-08 | 对抗环境下无人机智能决策的纳什均衡博弈方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110134138A true CN110134138A (zh) | 2019-08-16 |
CN110134138B CN110134138B (zh) | 2022-06-21 |
Family
ID=67569504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910277475.8A Active CN110134138B (zh) | 2019-04-08 | 2019-04-08 | 对抗环境下无人机智能决策的纳什均衡博弈方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110134138B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112612300A (zh) * | 2020-11-27 | 2021-04-06 | 合肥工业大学 | 多平台智能决策的多目标博弈方法及装置 |
CN112612298A (zh) * | 2020-11-27 | 2021-04-06 | 合肥工业大学 | 对抗环境下多无人机战术决策的多目标博弈方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20170147722A1 (en) * | 2014-06-30 | 2017-05-25 | Evolving Machine Intelligence Pty Ltd | A System and Method for Modelling System Behaviour |
CN107832850A (zh) * | 2017-10-27 | 2018-03-23 | 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 |
CN108680063A (zh) * | 2018-05-23 | 2018-10-19 | 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 |
CN109460056A (zh) * | 2018-11-06 | 2019-03-12 | 哈尔滨工程大学 | 基于量子磷虾群演化机制的无人机集群作战博弈决策方法 |
CN109508042A (zh) * | 2019-01-30 | 2019-03-22 | 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 CN201910277475.8A patent/CN110134138B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170147722A1 (en) * | 2014-06-30 | 2017-05-25 | Evolving Machine Intelligence Pty Ltd | A System and Method for Modelling System Behaviour |
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 |
CN107832850A (zh) * | 2017-10-27 | 2018-03-23 | 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 |
CN108680063A (zh) * | 2018-05-23 | 2018-10-19 | 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 |
CN109460056A (zh) * | 2018-11-06 | 2019-03-12 | 哈尔滨工程大学 | 基于量子磷虾群演化机制的无人机集群作战博弈决策方法 |
CN109508042A (zh) * | 2019-01-30 | 2019-03-22 | 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 |
Non-Patent Citations (4)
Title |
---|
LI QIUNI 等: "Approach for air-air confrontment based on uncertain interval information conditions", 《JOURNAL OF SYSTEMS ENGINEERING AND ELECTRONICS》 * |
姚宗信 等: "基于博弈论模型的多机协同对抗多目标任务决策方法", 《航空计算技术》 * |
徐光达 等: "基于双矩阵对策的UCAV空战自主机动决策研究", 《舰船电子工程》 * |
杜元伟 等: "大数据环境下双层分布式融合决策方法", 《中国管理科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112612300A (zh) * | 2020-11-27 | 2021-04-06 | 合肥工业大学 | 多平台智能决策的多目标博弈方法及装置 |
CN112612298A (zh) * | 2020-11-27 | 2021-04-06 | 合肥工业大学 | 对抗环境下多无人机战术决策的多目标博弈方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110134138B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113791634A (zh) | 一种基于多智能体强化学习的多机空战决策方法 | |
CN109597423A (zh) | 一种基于参考视线角信号的多约束末制导律的设计方法 | |
CN110058608A (zh) | 多无人机协同对抗的控制方法、系统及存储介质 | |
Buro et al. | RTS games as test-bed for real-time AI research | |
CN110134139B (zh) | 一种对抗环境下无人机编队的战术决策方法和装置 | |
Hagelbäck | Hybrid pathfinding in StarCraft | |
CN110928329A (zh) | 一种基于深度q学习算法的多飞行器航迹规划方法 | |
CN110134138A (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 | |
Wintermute et al. | SORTS: A human-level approach to real-time strategy AI | |
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 | |
CN108427286A (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 | |
Straatman et al. | Killzone’s AI: dynamic procedural combat tactics | |
CN114638339A (zh) | 基于深度强化学习的智能体任务分配方法 | |
Tremblay et al. | Adaptive companions in FPS games. | |
Oyler | Contributions To Pursuit-Evasion Game Theory. | |
Churchill et al. | An analysis of model-based heuristic search techniques for StarCraft combat scenarios | |
Hagelbäck | Multi-agent potential field based architectures for real-time strategy game bots | |
Anderson et al. | Humans deceived by predatory stealth strategy camouflaging motion | |
Liu et al. | Comparing heuristic search methods for finding effective group behaviors in RTS game | |
CN116858039A (zh) | 一种高超声速飞行器博弈制导方法、系统、设备及介质 | |
CN114548674B (zh) | 面向多智能体对抗场景的威胁态势评估方法、装置及设备 | |
Hagelback et al. | A multi-agent potential field-based bot for a full RTS game scenario | |
Moore | A methodology for missile countermeasures optimization under uncertainty | |
Zhang et al. | Intelligent Close Air Combat Design based on MA-POCA Algorithm | |
Lai et al. | Team tactics in military serious game |
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 |