一种基于改进狼群算法的无人机集群动态任务分配方法

    公开(公告)号:CN117032295A

    公开(公告)日:2023-11-10

    申请号:CN202310455401.5

    申请日:2023-04-25

    IPC分类号: G05D1/10

    摘要: 本发明涉及一种基于改进狼群算法的无人机集群动态任务分配方法,包括:步骤一:根据设定的仿真战场环境,进行任务集分解;步骤二:建立无人机任务分配的目标函数;步骤三:根据场景设定,对无人机序列编号与目标序列标号进行编码;步骤四:初始化狼群捕猎空间;步骤五:探狼游走;步骤六:头狼召唤;步骤七:终止条件判断;步骤八:狼群更新;步骤九:任务重分配判断,即判断当前无人机数量较上一次迭代是否改变,若改变,则回到步骤三;否则,结束循环,则输出本次迭代头狼的位置及对应的目标函数值。本发明实现了对狼群算法的随机性进行智能化约束与控制,保证高效智能解决多无人机协同多目标任务分配问题。

    一种基于Operad和复杂网络的复杂系统建模表征方法

    公开(公告)号:CN117236156A

    公开(公告)日:2023-12-15

    申请号:CN202310841240.3

    申请日:2023-07-10

    摘要: 本发明公开了一种基于Operad和复杂网络的复杂系统建模表征方法,构建网络模板Template,基于Operad规则将系统分解为语法层次、语义层次,建立语法模型、语义模型以及两个模型之间的映射关系,形成基于Operad的核心元模型,对基于Operad的核心元模型进行实例化,建立基于Operad的复杂网络模型,基于复杂网络模型的结构特性,给出复杂系统能力评价指标体系,根据应用问题和复杂系统能力评价指标体系,构建优化目标函数,采用遗传算法进行复杂系统优化设计,给出最优的复杂网络模型。本发明解决了由于复杂性和环境动态变化导致的系统对动态、突发环境的弹性响应困难、以及系统建模表征准确性和效率低的问题,为复杂系统建模提供最优的表征和设计方法。

    一种基于威胁度强化学习算法的多主体追逃最优策略方法

    公开(公告)号:CN118276438A

    公开(公告)日:2024-07-02

    申请号:CN202211736239.6

    申请日:2022-12-30

    IPC分类号: G05B13/04

    摘要: 本发明涉及一种基于威胁度强化学习算法的多主体追逃最优策略方法,包括:基于粒子群算法构建威胁度预分配模型;通过目标威胁程度、航迹距离、任务数量构建目标函数,得到集群单元组任务;构建多主体深度强化学习模型,通过行动器判别器算法进行集中式训练使模型收敛;集群单元组任务输入到多主体深度强化学习模型,根据威胁度值匹配多主体深度强化学习模型,每个无人机单元组分散执行处理无人机集群单元组任务,进行无人机围捕任务。本发明解决了由于集群无人机对抗数量上升导致状态空间呈指数上升带来的收敛困难问题,为多智能体追逃方法提供最优策略方法。