CN112422699A - 一种基于动态调整的无人机集群行动方案生成方法 - Google Patents
一种基于动态调整的无人机集群行动方案生成方法 Download PDFInfo
- Publication number
- CN112422699A CN112422699A CN202110094149.0A CN202110094149A CN112422699A CN 112422699 A CN112422699 A CN 112422699A CN 202110094149 A CN202110094149 A CN 202110094149A CN 112422699 A CN112422699 A CN 112422699A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- data
- task
- scheme
- 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
- 230000009471 action Effects 0.000 title claims abstract description 265
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000008859 change Effects 0.000 claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 79
- 230000007246 mechanism Effects 0.000 description 19
- 238000004590 computer program Methods 0.000 description 15
- 230000001276 controlling effect Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 241000854291 Dianthus carthusianorum Species 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Signal Processing (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Biodiversity & Conservation Biology (AREA)
- Traffic Control Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
Abstract
本申请涉及一种基于动态调整的无人机集群行动方案生成方法。所述方法包括：根据符合触发条件的任务变化数据得到新增任务目标数据、行动方案生成权限数据和平台能力需求数据。根据新增任务目标数据和无人机集群的目标更新规则更新任务目标列表，根据行动方案生成权限数据和无人机集群的行动方案生成权限规则得到对应的指控平台集合，由指控平台根据当前任务目标列表和平台能力需求数据生成对应的备选行动调整方案包，根据对备选行动调整方案包的评估结果控制无人机集群执行行动。上述方法根据任务变化对应重构无人机集群的任务网络，对不同指控平台制定备选的行动调整方案进行优选，提供了一种集成融合体系、集群、平台的综合性动态调整方法。
Description
技术领域
本申请涉及无人机集群指挥控制技术领域，特别是涉及一种基于动态调整的无人机集群行动方案生成方法。
背景技术
智能化多无人集群体系是在无人化智能化军事技术和马赛克等新兴概念的基础上提出的，以智能化无人平台装备组成的集群为基本兵力单元的体系。无人机集群是一种典型的智能化无人机群系统，其无人机平台分布自主，兵力要素网络化松耦合。为了应对环境中的威胁，无人机集群的行为需要具备自主的适应性具有复杂适应性，在集群能力调整范围内根据任务变化规划和调用传感、指控、通信、火力等资源，使这些功能独立的系统相互协同，提供规模伸缩和体系动态调整能力。由于行动的特点，无人机集群在运行过程中需要将任务变化、平台损毁/失效作为常态，还需要考虑针对环境中难以预测的威胁和扰动提供一定的柔性机制和冗余度，对无人机进行动态组织并形成相互协同的杀伤链网络，敏捷地适应使命目标、环境、敌方威胁和己方力量的动态变化。
目前对于无人机集群的动态调整能力研究主要集中在根据任务数据变化重新规划和制定任务计划，并在无人机平台间实现冲突消除和任务协同。对于无人机组网方式的调整主要是根据无人机集群的平台数量变化来实现，尚缺乏将体系、集群、平台三者集成融合的综合性动态调整方法。
发明内容
基于此，有必要针对上述技术问题，提供能够综合考虑体系、集群和平台三个层面的动态调整需求的一种基于动态调整的无人机集群行动方案生成方法。
一种基于动态调整的无人机集群行动方案生成方法，包括：
当无人机集群收到符合预设的触发条件的任务变化数据时，获取任务变化数据中的新增任务目标数据、行动方案生成权限数据和平台能力需求数据。
根据新增任务目标数据和无人机集群的目标更新规则，更新无人机集群的任务目标列表。
根据行动方案生成权限数据和无人机集群的行动方案生成权限规则得到对应的指控平台的集合，由指控平台根据当前的任务目标列表和平台能力需求数据生成对应的备选行动调整方案包。备选行动调整方案包中包括无人机集群中各无人机的平台任务数据。
根据无人机集群的行动方案评估规则处理备选行动调整方案包，得到对应的方案评估结果，根据方案评估结果从备选行动调整方案包中得到行动调整方案包，由行动调整方案包对应的指控平台根据行动调整方案包，控制无人机集群执行行动。
其中一个实施例中，当无人机集群收到符合预设的触发条件的任务变化数据时，获取任务变化数据中的新增任务目标数据、行动方案生成权限数据和平台能力需求数据的步骤之前，还包括：
获取无人机集群的任务目标类型参数、行动方案生成模式参数和任务兼容性参数，根据任务目标类型参数得到目标更新规则，根据行动方案生成模式参数得到行动方案生成权限规则，根据任务兼容性参数得到行动方案评估规则。
其中一个实施例中，根据新增任务目标数据和无人机集群的目标更新规则，更新无人机集群的任务目标列表的步骤包括：
根据新增任务目标数据得到对应的新增任务目标类型。
根据任务目标类型和目标更新规则的匹配结果，得到新增任务目标数据中无人机集群的任务目标，根据得到的任务目标更新无人机集群的任务目标列表。
其中一个实施例中，根据行动方案生成权限数据和无人机集群的行动方案生成权限规则得到对应的指控平台的集合的步骤包括：
根据无人机集群的行动方案生成权限规则和行动方案生成权限数据，得到任务变化数据对应的行动方案生成权限阈值。
根据行动方案生成权限阈值，从无人机集群中得到对应的指控平台的集合。
其中一个实施例中，备选行动调整方案包的生成方式包括：
根据无人机集群的当前的任务目标列表和平台能力需求数据，生成无人机集群中各无人机的任务序列，根据任务序列得到对应的备选行动方案。
其中一个实施例中，根据无人机集群的行动方案评估规则处理备选行动调整方案包，得到对应的方案评估结果的步骤包括：
由指控平台获取无人机集群的平台能力数据。
根据各无人机的任务序列和平台能力数据，得到各无人机的平台冲突数据，根据备选行动调整方案包对应的平台冲突数据，得到对应的方案评估结果。
其中一个实施例中，根据各无人机的任务序列和平台能力数据，得到各无人机的平台冲突数据的步骤之后，还包括：
根据平台冲突数据对备选行动调整方案包进行冲突消解，根据冲突消解的结果更新备选行动调整方案包对应的平台冲突数据。
一种基于动态调整的无人机集群行动方案生成系统，包括：
任务获取模块，用于当无人机集群收到符合预设的触发条件的任务变化数据时，获取任务变化数据中的新增任务目标数据、行动方案生成权限数据和平台能力需求数据。
任务目标更新模块，用于根据新增任务目标数据和无人机集群的目标更新规则，更新无人机集群的任务目标列表。
备选行动调整方案生成模块，用于根据行动方案生成权限数据和无人机集群的行动方案生成权限规则得到对应的指控平台的集合，由指控平台根据当前的任务目标列表和平台能力需求数据生成对应的备选行动调整方案包。备选行动调整方案包中包括无人机集群中各无人机的平台任务数据。
方案评估模块，用于根据无人机集群的行动方案评估规则处理备选行动调整方案包，得到对应的方案评估结果，根据方案评估结果从备选行动调整方案包中得到行动调整方案包，由行动调整方案包对应的指控平台根据行动调整方案包，控制无人机集群执行行动。
与现有技术相比，上述一种基于动态调整的无人机集群行动方案生成方法和系统，当无人机集群收到符合预设的触发条件的任务变化数据时，获取任务变化数据中的新增任务目标数据、行动方案生成权限数据和平台能力需求数据。根据新增任务目标数据和无人机集群的目标更新规则，更新无人机集群的任务目标列表。根据行动方案生成权限数据和无人机集群的行动方案生成权限规则得到对应的指控平台的集合，由指控平台根据当前的任务目标列表和平台能力需求数据生成对应的备选行动调整方案包。根据无人机集群的行动方案评估规则处理备选行动调整方案包，得到对应的方案评估结果，根据方案评估结果从备选行动调整方案包中得到行动调整方案包，由行动调整方案包对应的指控平台根据行动调整方案包，控制无人机集群执行行动。本申请根据任务要求和任务目标的变化对应重构无人机集群的任务网络，并评估由不同任务网络中的不同指控平台根据其当前可用的资源制定备选的行动调整方案，对各备选行动调整方案进行评估，从中得到最优的作为行动调整方案，提供了一种将体系、集群、平台三者集成融合的综合性动态调整方法。
附图说明
图1为一个实施例中一种基于动态调整的无人机集群行动方案生成方法的步骤图；
图2为一个实施例中一种基于动态调整的无人机集群行动方案生成方法的设计机制的元模型图；
图3为一个实施例中一种基于动态调整的无人机集群行动方案生成方法的流程示意图；
图4为对于两种实验方案中的任务完成时间仿真结果对比图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在无人机集群中，各层次各领域的机制模型最终以规则、行动、模式等形式融入到体系各兵力单元中，体系在行动过程中根据机制模型针对变化扰动产生动态调整行为，具体的运用流程符合OODA基本范式。本申请的基本思想是将无人机集群的动态调整分为以下几个阶段：
第一阶段，监测识别变化扰动，主要是对目标、态势、集群内部变化边界的识别和定位。这一阶段首先判断是否存在变化和扰动，如新的威胁目标出现、目标任务链路断裂、兵力单元负荷过载、装备功能节点失效等。
第二阶段，变化扰动定位判断，主要是对变化扰动的具体兵力层次和兵力单元进行精确定位，并判断变化扰动具体是任务目标、环境、兵力状态的哪些方面，可能会带来什么样的影响。
第三阶段，机制方案生成与决策，即根据变化扰动的具体输入生成可选机制层次和类型集合，对可选机制集合进行一致性判断和关联性分析，根据变化扰动风险分析选择最终需要执行的机制集合，并确定机制执行的时序和逻辑关系。
第四阶段，机制执行与效果评估，即判断机制触发条件与约束，然后按序执行机制模式切换过程，并收集机制执行结果数据，对机制执行效果评估进行评估。
基于上述思想，本申请提供了一种基于动态调整的无人机集群行动方案生成方法。当监测到变化扰动时，无人机集群的指控平台会判断扰动是否符合进行行动方案动态调整的触发条件，在满足时重新定义在扰动下无人机集群的任务数据。
在一个实施例中，如图1所示，提供了一种基于动态调整的无人机集群行动方案生成方法，包括以下步骤：
步骤102，当无人机集群收到符合预设的触发条件的任务变化数据时，获取任务变化数据中的新增任务目标数据、行动方案生成权限数据和平台能力需求数据。
本实施例中当任务变化时，根据任务变化数据中的任务目标变化、无人机集群的指控平台（权限）调整和对无人机平台能力的要求的变化作为行动方案动态调整的基础。其中，新增任务目标数据是指新出现的任务目标的数据，如发现需要攻击的时敏目标，也可以是由于任务目标发生非连续性的变化，而将其作为新的目标进行处理。行动方案生成权限数据是指无人机集群中的某一平台是否可以作为指控平台并生成行动方案的权限数据，随着任务目标和任务环境等变化，这一权限可能进行调整。平台能力需求数据则是指执行特定的行动方案对应无人机集群中各无人机平台的能力要求。
步骤104，根据新增任务目标数据和无人机集群的目标更新规则，更新无人机集群的任务目标列表。
具体地，更新规则可以包括：无人机集群可以攻击的目标类型、目标数量、目标所在区域等。
步骤106，根据行动方案生成权限数据和无人机集群的行动方案生成权限规则得到对应的指控平台的集合，由指控平台根据当前的任务目标列表和平台能力需求数据生成对应的备选行动调整方案包。备选行动调整方案包中包括无人机集群中各无人机的平台任务数据。
具体地，根据任务变化后对于指控平台的要求，在当前的无人机集群中选择对应的无人机平台作为指控平台。选择时，需要确保任务变化对指控平台的要求符合无人机集群本身的指控平台设置规则，即行动方案生成权限规则。如任务变化要求在无人机集群中设置3个以上的指控平台，而无人机集群本身最多只允许5架特定的无人机平台作为指控平台，则指控平台的设置数量和设置的平台都有限制范围。
由于无人机集群中各平台的能力、位置及其与其他平台间的数据传输情况是随时变化的，因此当选择不同的指控平台时得到的行动方案的性能也是不同的。为了得到最优的行动方案，步骤106中由备选的指控平台根据当前无人机集群的情况确定组网方式，并根据各个平台的能力生成对应的备选行动调整方案包，包括将任务分解为具体行动后，各平台的任务及平台间协同行动的行动执行序列。
步骤108，根据无人机集群的行动方案评估规则处理备选行动调整方案包，得到对应的方案评估结果，根据方案评估结果从备选行动调整方案包中得到行动调整方案包，由行动调整方案包对应的指控平台根据行动调整方案包，控制无人机集群执行行动。
根据要求评估备选行动调整方案包，如对于时间敏感目标，备选行动调整方案包实现打击效果所需的时长是否在限定时间内。又如，对于分布范围较广的集群目标，备选行动调整方案是否能对集群目标中一定比例的对象实现要求的打击效果。选择最优的或符合要求的备选行动调整方案包，由生成该备选行动调整方案包的备选指控平台作为指控平台，按照最后的备选行动调整方案包进行无人机集群组网以及后续的任务指控。当最优的备选行动调整方案不符合要求时，也可以对应生成新增平台的请求，以便为无人机集群中编入新的平台。
其中一个实施例中，当无人机集群收到符合预设的触发条件的任务变化数据时，获取任务变化数据中的新增任务目标数据、行动方案生成权限数据和平台能力需求数据的步骤之前，还包括：
获取无人机集群的任务目标类型参数、行动方案生成模式参数和任务兼容性参数，根据任务目标类型参数得到目标更新规则，根据行动方案生成模式参数得到行动方案生成权限规则，根据任务兼容性参数得到行动方案评估规则。
具体地，本实施例提供了一种目标更新规则、行动方案生成权限规则和行动方案评估规则的生成方式。其中，根据无人机集群能够攻击的目标类型得到目标更新规则；根据无人机集群可以提供的行动方案生成模式（如集中式，由一个或几个指定的无人机平台生成；或分布式，根据集群中各架无人机协同生成）得到行动方案生成权限规则；根据任务兼容性参数，即无人机集群对不同类型任务的兼容性能，以及无人机平台在执行任务时的任务冲突程度得到行动方案评估规则，以任务在无人机集群和各个平台上的兼容程度评价行动方案的优化程度。
其中一个实施例中，根据新增任务目标数据和无人机集群的目标更新规则，更新无人机集群的任务目标列表的步骤包括：
根据新增任务目标数据得到对应的新增任务目标类型。
根据任务目标类型和目标更新规则的匹配结果，得到新增任务目标数据中无人机集群的任务目标，根据得到的任务目标更新无人机集群的任务目标列表。
具体地，本实施例根据新增任务目标的类型是否符合目标更新规则中对任务目标类型的限定，确定是否将新增的任务目标增加到无人机集群的任务目标列表中。
其中一个实施例中，根据行动方案生成权限数据和无人机集群的行动方案生成权限规则得到对应的指控平台的集合的步骤包括：
根据无人机集群的行动方案生成权限规则和行动方案生成权限数据，得到任务变化数据对应的行动方案生成权限阈值。根据行动方案生成权限阈值，从无人机集群中得到对应的指控平台的集合。
具体地，本实施例中的行动方案生成权限数据为具体的数值，权限值在一定阈值以上的无人机平台可以作为任务数据变化后行动调整方案中的指控平台。因此以跟定的行动方案生成权限阈值得到无人机机群中满足要求的指控平台的集合。
其中一个实施例中，备选行动调整方案包的生成方式包括：根据无人机集群的当前的任务目标列表和平台能力需求数据，生成无人机集群中各无人机的任务序列，根据任务序列得到对应的备选行动方案。
根据无人机集群的行动方案评估规则处理备选行动调整方案包，得到对应的方案评估结果的步骤包括：由指控平台获取无人机集群的平台能力数据。根据各无人机的任务序列和平台能力数据，得到各无人机的平台冲突数据，根据平台冲突数据对备选行动调整方案包进行冲突消解，根据冲突消解的结果更新备选行动调整方案包对应的平台冲突数据。根据备选行动调整方案包对应的平台冲突数据，得到对应的方案评估结果。
具体地，本实施例根据各个平台当前的任务目标和对平台执行任务时的平台能力需求，基于现有的平台任务规划模型或算法，以及冲突消除算法得到各个平台需要执行的具体行动以及行动的执行时间序列。根据到备选行动调整方案包的冲突消除结果（即是否有不可消除的冲突）对其进行评估。
其中一个实施例中，提供了一种基于动态调整的无人机集群行动方案生成方法，应用于无人集群构成的察打一体混编集群，包括以下步骤：
步骤202，当无人机集群收到符合预设的触发条件的任务变化数据时，获取任务变化数据中的新增任务目标数据、行动方案生成权限数据和平台能力需求数据。
步骤204，根据新增任务目标数据得到对应的新增任务目标类型。根据任务目标类型和目标更新规则的匹配结果，得到新增任务目标数据中无人机集群的任务目标，根据得到的任务目标更新无人机集群的任务目标列表。
具体地，集群在执行打击某固定目标任务途中，新发现了需要攻击的时敏目标，该目标符合无人机集群的任务目标类型，因此将其增加到任务目标列表中，并要求在给定的时间内完成决策对已有目标、新增目标的打击任务。针对此情况，无人集群需要重新确定指控模式，选择采用集中式或分布式的指控方式进行在线任务规划和决策，完成对两个目标的打击任务。
步骤206，根据无人机集群的行动方案生成权限规则和行动方案生成权限数据，得到任务变化数据对应的行动方案生成权限阈值。根据行动方案生成权限阈值，从无人机集群中得到对应的指控平台的集合。
在本实施例中，已经根据无人机集群的行动方案生成模式参数预先得到了行动方案生成权限规则，规则中对时间敏感目标的指控方式为集中式。基于图2的元模型生成了机制设计图形化建模环境，得到如图3所示的行动方案动态调整机制。该机制由无人机集群中的头领平台负责任务规划和任务指控，针对新增目标任务进行在线适应性规划，生成新的集群行动序列，支持集群任务动态调整。需要指出的是，除了根据新目标进行指控方式调整，还可以根据任务要求的变化调整指控网络的结构。本实施例中集群头领平台生成备选行动方案生成时需要遵循如表1所示的规则：
表1 集群行动序列适应性生成机制实现规则库
步骤308，由指控平台根据无人机集群的当前的任务目标列表和平台能力需求数据，生成无人机集群中各无人机的任务序列，根据任务序列得到对应的备选行动方案包。备选行动调整方案包中包括无人机集群中各无人机的平台任务数据。
具体地，集群头领平台针对更新后的任务目标列表生成备选方案，可以基于现有的任务规划模型和算法生成备选方案，也可以基于定义的集群动态COA方案生成规则实现。
步骤310，由指控平台获取无人机集群的平台能力数据。根据各无人机的任务序列和平台能力数据，得到各无人机的平台冲突数据，根据平台冲突数据对备选行动调整方案包进行冲突消解，根据冲突消解的结果更新备选行动调整方案包对应的平台冲突数据。根据备选行动调整方案包对应的平台冲突数据，得到对应的方案评估结果。
具体地，由集群头领平台评估各项备选方案，可以根据预先定义的COA检测评估规则进行，也可以根据时间敏感目标对攻击时间的要求来进行。利用集群自适应COA生成算法，在较短的时间周期内针对更新后的目标列表自动生成COA序列，并且初步完成任务兼容性判断。算法总体逻辑如下：
STEP1，读取目标列表；
STEP2，针对新目标生成相关COA；
STEP3，新COA与已有目标COA冲突检测；
STEP4，新COA与已有目标COA冲突消解，如无法消解，转STEP3，消解完成，转STEP5；
STEP5，COA优化完成，结束。
步骤312，根据方案评估结果从备选行动调整方案包中得到行动调整方案包，由行动调整方案包对应的指控平台根据行动调整方案包，控制无人机集群执行行动。
为说明本申请中提供方法的有效性，设计了以下实验方案进行性能对比：
方案一：根据上述实施例中提供的方法对无人机集群的行动方案进行动态调整，集群头领平台进行在线COA适应性生成并重新分配任务到各个无人平台。
方案二：由地面指控节点根据无人机集群传回的目标信息进行态势分析、方案决策和目标分配。
上述两种实验方案的任务想定场景包括：
1）任务流程。定义临机事件为侦察到预定打击目标之外的新目标（类型为时敏目标）。
2）指控网络结构。无人机集群中存在两级指挥结构，第一级范围为无人机集群整体，第二级集群内部编组。
在上述设定下，对两种方案下无人机集群的任务流程时间进行参数化配置，如下表2所示。其中临机事件是指触发无人机集群改变行动方案的事件。
表2 任务流程时间参数化配置
在上述设定下基于Spreadsheet工具开展仿真实验，仿真中无临机事件任务链路总时间为10s，将临机事件（发现时敏目标）发生的时刻划分为第1s产生到第8s产生共8种情况。根据上述打击任务过程各阶段时间的参数化配置，计算8种情况下任务链路完成总时间，结果如图4所示。图4中纵轴为打击链路完成的总时间，单位为分钟，横轴为产生临机事件的时间（从第1秒产生临机事件到第8秒产生临机事件）。可以看到，临机事件的产生导致了打击任务链路完成总时间的延长，且临机事件产生越晚，任务链路的总时长越大。当无人集群面对新发现的时敏目标时，动态调整机制对无人机集群完成任务的时间上有保证，也能够在与地面指控节点指挥通信不畅通情况下完成杀伤链闭合，体现无人集群的自主智能性，将有助于无人集群更快适应战场态势变化，完成针对两个目标的打击任务。
在一个实施例中，提供了一种基于动态调整的无人机集群行动方案生成系统，包括：
任务获取模块，用于当无人机集群收到符合预设的触发条件的任务变化数据时，获取任务变化数据中的新增任务目标数据、行动方案生成权限数据和平台能力需求数据。
任务目标更新模块，用于根据新增任务目标数据和无人机集群的目标更新规则，更新无人机集群的任务目标列表。
备选行动调整方案生成模块，用于根据行动方案生成权限数据和无人机集群的行动方案生成权限规则得到对应的指控平台的集合，由指控平台根据当前的任务目标列表和平台能力需求数据生成对应的备选行动调整方案包。备选行动调整方案包中包括无人机集群中各无人机的平台任务数据。
方案评估模块，用于根据无人机集群的行动方案评估规则处理备选行动调整方案包，得到对应的方案评估结果，根据方案评估结果从备选行动调整方案包中得到行动调整方案包，由行动调整方案包对应的指控平台根据行动调整方案包，控制无人机集群执行行动。
其中一个实施例中，还包括规则生成模块，用于获取无人机集群的任务目标类型参数、行动方案生成模式参数和任务兼容性参数，根据任务目标类型参数得到目标更新规则，根据行动方案生成模式参数得到行动方案生成权限规则，根据任务兼容性参数得到行动方案评估规则。
其中一个实施例中，任务目标更新模块，用于根据新增任务目标数据得到对应的新增任务目标类型。根据任务目标类型和目标更新规则的匹配结果，得到新增任务目标数据中无人机集群的任务目标，根据得到的任务目标更新无人机集群的任务目标列表。
其中一个实施例中，备选行动调整方案生成模块，用于根据无人机集群的行动方案生成权限规则和行动方案生成权限数据，得到任务变化数据对应的行动方案生成权限阈值。根据行动方案生成权限阈值，从无人机集群中得到对应的指控平台的集合。
其中一个实施例中，备选行动调整方案生成模块用于根据无人机集群的当前的任务目标列表和平台能力需求数据，生成无人机集群中各无人机的任务序列，根据任务序列得到对应的备选行动方案。
其中一个实施例中，方案评估模块用于由指控平台获取无人机集群的平台能力数据。根据各无人机的任务序列和平台能力数据，得到各无人机的平台冲突数据，根据备选行动调整方案包对应的平台冲突数据，得到对应的方案评估结果。
其中一个实施例中，还包括冲突消除模块，用于根据平台冲突数据对备选行动调整方案包进行冲突消解，根据冲突消解的结果更新备选行动调整方案包对应的平台冲突数据。
关于一种基于动态调整的无人机集群行动方案生成系统的具体限定可以参见上文中对于一种基于动态调整的无人机集群行动方案生成方法的限定，在此不再赘述。上述一种基于动态调整的无人机集群行动方案生成系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
当无人机集群收到符合预设的触发条件的任务变化数据时，获取任务变化数据中的新增任务目标数据、行动方案生成权限数据和平台能力需求数据。
根据新增任务目标数据和无人机集群的目标更新规则，更新无人机集群的任务目标列表。
根据行动方案生成权限数据和无人机集群的行动方案生成权限规则得到对应的指控平台的集合，由指控平台根据当前的任务目标列表和平台能力需求数据生成对应的备选行动调整方案包。备选行动调整方案包中包括无人机集群中各无人机的平台任务数据。
根据无人机集群的行动方案评估规则处理备选行动调整方案包，得到对应的方案评估结果，根据方案评估结果从备选行动调整方案包中得到行动调整方案包，由行动调整方案包对应的指控平台根据行动调整方案包，控制无人机集群执行行动。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取无人机集群的任务目标类型参数、行动方案生成模式参数和任务兼容性参数，根据任务目标类型参数得到目标更新规则，根据行动方案生成模式参数得到行动方案生成权限规则，根据任务兼容性参数得到行动方案评估规则。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据新增任务目标数据得到对应的新增任务目标类型。根据任务目标类型和目标更新规则的匹配结果，得到新增任务目标数据中无人机集群的任务目标，根据得到的任务目标更新无人机集群的任务目标列表。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据无人机集群的行动方案生成权限规则和行动方案生成权限数据，得到任务变化数据对应的行动方案生成权限阈值。根据行动方案生成权限阈值，从无人机集群中得到对应的指控平台的集合。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据无人机集群的当前的任务目标列表和平台能力需求数据，生成无人机集群中各无人机的任务序列，根据任务序列得到对应的备选行动方案。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：由指控平台获取无人机集群的平台能力数据。根据各无人机的任务序列和平台能力数据，得到各无人机的平台冲突数据，根据备选行动调整方案包对应的平台冲突数据，得到对应的方案评估结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据平台冲突数据对备选行动调整方案包进行冲突消解，根据冲突消解的结果更新备选行动调整方案包对应的平台冲突数据。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
当无人机集群收到符合预设的触发条件的任务变化数据时，获取任务变化数据中的新增任务目标数据、行动方案生成权限数据和平台能力需求数据。
根据新增任务目标数据和无人机集群的目标更新规则，更新无人机集群的任务目标列表。
根据行动方案生成权限数据和无人机集群的行动方案生成权限规则得到对应的指控平台的集合，由指控平台根据当前的任务目标列表和平台能力需求数据生成对应的备选行动调整方案包。备选行动调整方案包中包括无人机集群中各无人机的平台任务数据。
根据无人机集群的行动方案评估规则处理备选行动调整方案包，得到对应的方案评估结果，根据方案评估结果从备选行动调整方案包中得到行动调整方案包，由行动调整方案包对应的指控平台根据行动调整方案包，控制无人机集群执行行动。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取无人机集群的任务目标类型参数、行动方案生成模式参数和任务兼容性参数，根据任务目标类型参数得到目标更新规则，根据行动方案生成模式参数得到行动方案生成权限规则，根据任务兼容性参数得到行动方案评估规则。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据新增任务目标数据得到对应的新增任务目标类型。根据任务目标类型和目标更新规则的匹配结果，得到新增任务目标数据中无人机集群的任务目标，根据得到的任务目标更新无人机集群的任务目标列表。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据无人机集群的行动方案生成权限规则和行动方案生成权限数据，得到任务变化数据对应的行动方案生成权限阈值。
根据行动方案生成权限阈值，从无人机集群中得到对应的指控平台的集合。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据无人机集群的当前的任务目标列表和平台能力需求数据，生成无人机集群中各无人机的任务序列，根据任务序列得到对应的备选行动方案。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：由指控平台获取无人机集群的平台能力数据。根据各无人机的任务序列和平台能力数据，得到各无人机的平台冲突数据，根据备选行动调整方案包对应的平台冲突数据，得到对应的方案评估结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据平台冲突数据对备选行动调整方案包进行冲突消解，根据冲突消解的结果更新备选行动调整方案包对应的平台冲突数据。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种基于动态调整的无人机集群行动方案生成方法，其特征在于，所述方法包括：
当所述无人机集群收到符合预设的触发条件的任务变化数据时，获取所述任务变化数据中的新增任务目标数据、行动方案生成权限数据和平台能力需求数据；
根据所述新增任务目标数据和所述无人机集群的目标更新规则，更新所述无人机集群的任务目标列表；
根据所述行动方案生成权限数据和所述无人机集群的行动方案生成权限规则得到对应的指控平台的集合，由所述指控平台根据当前的任务目标列表和所述平台能力需求数据生成对应的备选行动调整方案包；所述备选行动调整方案包中包括所述无人机集群中各无人机的平台任务数据；
根据所述无人机集群的行动方案评估规则处理所述备选行动调整方案包，得到对应的方案评估结果，根据所述方案评估结果从所述备选行动调整方案包中得到行动调整方案包，由所述行动调整方案包对应的所述指控平台根据所述行动调整方案包，控制所述无人机集群执行行动。
2.根据权利要求1所述的方法，其特征在于，当所述无人机集群收到符合预设的触发条件的任务变化数据时，获取所述任务变化数据中的新增任务目标数据、行动方案生成权限数据和平台能力需求数据的步骤之前，还包括：
获取无人机集群的任务目标类型参数、行动方案生成模式参数和任务兼容性参数，根据所述任务目标类型参数得到目标更新规则，根据所述行动方案生成模式参数得到行动方案生成权限规则，根据所述任务兼容性参数得到行动方案评估规则。
3.根据权利要求1所述的方法，其特征在于，根据所述新增任务目标数据和所述无人机集群的目标更新规则，更新所述无人机集群的任务目标列表的步骤包括：
根据所述新增任务目标数据得到对应的新增任务目标类型；
根据所述任务目标类型和所述目标更新规则的匹配结果，得到所述新增任务目标数据中所述无人机集群的任务目标，根据得到的任务目标更新所述无人机集群的任务目标列表。
4.根据权利要求1所述的方法，其特征在于，根据所述行动方案生成权限数据和所述无人机集群的行动方案生成权限规则得到对应的指控平台的集合的步骤包括：
根据所述无人机集群的行动方案生成权限规则和所述行动方案生成权限数据，得到所述任务变化数据对应的行动方案生成权限阈值；
根据所述行动方案生成权限阈值，从所述无人机集群中得到对应的指控平台的集合。
5.根据权利要求4所述的方法，其特征在于，所述备选行动调整方案包的生成方式包括：
根据所述无人机集群的当前的任务目标列表和所述平台能力需求数据，生成所述无人机集群中各无人机的任务序列，根据所述任务序列得到对应的备选行动方案。
6.根据权利要求5所述的方法，其特征在于，根据所述无人机集群的行动方案评估规则处理所述备选行动调整方案包，得到对应的方案评估结果的步骤包括：
由所述指控平台获取所述无人机集群的平台能力数据；
根据各无人机的所述任务序列和所述平台能力数据，得到各无人机的平台冲突数据，根据所述备选行动调整方案包对应的所述平台冲突数据，得到对应的方案评估结果。
7.根据权利要求6所述的方法，其特征在于，所述根据各无人机的所述任务序列和所述平台能力数据，得到各无人机的平台冲突数据的步骤之后，还包括：
根据所述平台冲突数据对所述备选行动调整方案包进行冲突消解，根据冲突消解的结果更新所述备选行动调整方案包对应的所述平台冲突数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110094149.0A CN112422699B (zh) | 2021-01-25 | 2021-01-25 | 一种基于动态调整的无人机集群行动方案生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110094149.0A CN112422699B (zh) | 2021-01-25 | 2021-01-25 | 一种基于动态调整的无人机集群行动方案生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112422699A true CN112422699A (zh) | 2021-02-26 |
| CN112422699B CN112422699B (zh) | 2021-04-06 |
Family
ID=74782526
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110094149.0A Active CN112422699B (zh) | 2021-01-25 | 2021-01-25 | 一种基于动态调整的无人机集群行动方案生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112422699B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111441A (zh) * | 2021-04-26 | 2021-07-13 | 河北交通职业技术学院 | 基于邻接关系的集群无人机任务模型构建方法 |
| CN114118400A (zh) * | 2021-10-11 | 2022-03-01 | 中国科学院自动化研究所 | 一种基于专注网络的集群对抗方法及装置 |
| CN115169861A (zh) * | 2022-06-30 | 2022-10-11 | 北京天融信网络安全技术有限公司 | 多级协调调度方法、装置、电子设备及存储介质 |
| CN116430754A (zh) * | 2023-06-09 | 2023-07-14 | 北京中兵天工防务技术有限公司 | 一种无人机集群多任务控制半实物仿真方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190056726A1 (en) * | 2017-08-17 | 2019-02-21 | International Business Machines Corporation | Drone captcha |
| CN109709980A (zh) * | 2018-12-27 | 2019-05-03 | 西安工业大学 | 一种基于异构无人机的蜂群对抗方法 |
| CN109917805A (zh) * | 2019-01-21 | 2019-06-21 | 西北工业大学 | 一种通信延迟约束下多无人机任务指派冲突消解方法 |
| CN111340324A (zh) * | 2019-09-25 | 2020-06-26 | 中国人民解放军国防科技大学 | 基于顺次分配的多层多粒度集群任务规划法 |
| CN111367317A (zh) * | 2020-03-27 | 2020-07-03 | 中国人民解放军国防科技大学 | 基于贝叶斯学习的无人机集群在线任务规划方法 |
| CN112180967A (zh) * | 2020-04-26 | 2021-01-05 | 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 |
| CN112180975A (zh) * | 2020-09-27 | 2021-01-05 | 陕西智盈电子科技有限公司 | 一种智能集群无人机控制系统及其控制方法 |
| CN112198892A (zh) * | 2020-05-13 | 2021-01-08 | 北京理工大学 | 一种多无人机智能协同突防对抗方法 |
-
2021
- 2021-01-25 CN CN202110094149.0A patent/CN112422699B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190056726A1 (en) * | 2017-08-17 | 2019-02-21 | International Business Machines Corporation | Drone captcha |
| CN109709980A (zh) * | 2018-12-27 | 2019-05-03 | 西安工业大学 | 一种基于异构无人机的蜂群对抗方法 |
| CN109917805A (zh) * | 2019-01-21 | 2019-06-21 | 西北工业大学 | 一种通信延迟约束下多无人机任务指派冲突消解方法 |
| CN111340324A (zh) * | 2019-09-25 | 2020-06-26 | 中国人民解放军国防科技大学 | 基于顺次分配的多层多粒度集群任务规划法 |
| CN111367317A (zh) * | 2020-03-27 | 2020-07-03 | 中国人民解放军国防科技大学 | 基于贝叶斯学习的无人机集群在线任务规划方法 |
| CN112180967A (zh) * | 2020-04-26 | 2021-01-05 | 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 |
| CN112198892A (zh) * | 2020-05-13 | 2021-01-08 | 北京理工大学 | 一种多无人机智能协同突防对抗方法 |
| CN112180975A (zh) * | 2020-09-27 | 2021-01-05 | 陕西智盈电子科技有限公司 | 一种智能集群无人机控制系统及其控制方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111441A (zh) * | 2021-04-26 | 2021-07-13 | 河北交通职业技术学院 | 基于邻接关系的集群无人机任务模型构建方法 |
| CN114118400A (zh) * | 2021-10-11 | 2022-03-01 | 中国科学院自动化研究所 | 一种基于专注网络的集群对抗方法及装置 |
| CN114118400B (zh) * | 2021-10-11 | 2023-01-03 | 中国科学院自动化研究所 | 一种基于专注网络的集群对抗方法及装置 |
| CN115169861A (zh) * | 2022-06-30 | 2022-10-11 | 北京天融信网络安全技术有限公司 | 多级协调调度方法、装置、电子设备及存储介质 |
| CN116430754A (zh) * | 2023-06-09 | 2023-07-14 | 北京中兵天工防务技术有限公司 | 一种无人机集群多任务控制半实物仿真方法 |
| CN116430754B (zh) * | 2023-06-09 | 2023-09-12 | 北京中兵天工防务技术有限公司 | 一种无人机集群多任务控制半实物仿真方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112422699B (zh) | 2021-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112422699B (zh) | 一种基于动态调整的无人机集群行动方案生成方法 | |
| Papoudakis et al. | Dealing with non-stationarity in multi-agent deep reinforcement learning | |
| Li et al. | Safe reinforcement learning: Learning with supervision using a constraint-admissible set | |
| CN110673951B (zh) | 通用运行环境的拟态调度方法、系统及介质 | |
| CN105630578A (zh) | 一种基于分布式多Agent系统的作战仿真引擎 | |
| CN114281104B (zh) | 一种基于改进蚁群算法的多无人机协同调控方法 | |
| CN114489147B (zh) | 无人机集群自组织区域覆盖方法、装置和设备 | |
| Sharma et al. | Self-healing neural model for stabilization against failures over networked UAVs | |
| Fu et al. | A two-layer task assignment algorithm for UAV swarm based on feature weight clustering | |
| CN115809547A (zh) | 基于非支配排序的改进粒子群算法的多智能体协同任务分配方法 | |
| CN116430754B (zh) | 一种无人机集群多任务控制半实物仿真方法 | |
| CN113778093A (zh) | 基于改进麻雀搜索算法的amr自主移动机器人路径规划方法 | |
| Lozano et al. | Developing flexible management strategies in infrastructure: The sequential expansion problem for infrastructure analysis (SEPIA) | |
| CN115630514B (zh) | 一种无人机集群协同任务分配方法与装置 | |
| Gaowei et al. | Using multi-layer coding genetic algorithm to solve time-critical task assignment of heterogeneous UAV teaming | |
| Shi et al. | Controller resynthesis for multirobot system when changes happen | |
| CN115933630A (zh) | 一种基于强化学习的复合避障控制方法及装置 | |
| Welikala et al. | Event-driven receding horizon control for distributed persistent monitoring on graphs | |
| Hamadouche et al. | Reward tuning for self-adaptive policy in mdp based distributed decision-making to ensure a safe mission planning | |
| CN117787444B (zh) | 一种面向集群对抗场景的智能算法快速集成方法及装置 | |
| Duell et al. | The Markov Decision Process Extraction Network. | |
| Cui | An Improved Chaotic Self-Adapting Monkey Algorithm for Multi-UAV Task Assignment | |
| KR102011094B1 (ko) | 인공지능의 신경가소성 및 자가적응 유연성을 구현하기 위하여 자가적응형 동적 다차원 배열을 관리하는 방법과 이를 이용한 컴퓨터 소프트웨어 | |
| JP7378674B1 (ja) | プログラマブルロジックコントローラ、推論実行システム、推論実行方法、および、プログラム | |
| CN116151128B (zh) | 一种装备体系贡献率评估方法 |
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 |