[发明专利]一种多智能体的动态编群方法

权利要求书

1.一种多智能体的动态编群方法，其特征在于，包括：

步骤一、接收多源信息；所述多源信息包括位置信息、姿态信息、属性信息和战术动作特征四大类用于多智能体动态编群的多源信息；其中，位置信息包括x轴、y轴和z轴三坐标轴方向上的位置，用PI＝(x,y,z)表示；姿态信息包括在三坐标方向的速度及方向，用SI＝(Vxy,Vyz,Vxz,Fxy,Fyz,Fxz)表示；属性信息包括敌我属性、类型、型号，用AI＝(AI_attr,AI_class，AI_type)表示；战术动作特征用TPI表示，其可能取值为监视、侦察、对抗、支援、干扰、欺骗、攻击；

步骤二、数据预处理；

步骤三、选择聚类中心；

步骤四、构造相似度函数；所述相似度函数包括位置信息的相似度函数、姿态信息的相似度函数、属性信息的相似度函数、战术动作特征的相似度函数及综合相似度函数；

所述位置信息的相似度函数的计算公式为：

其中，i和j表示智能体i和j；k表示k时刻；表示智能体i与智能体j之间的距离；[MinDis,MaxDis]表示智能体可能存在的区域；

所述姿态信息的相似度函数的计算公式为：

其中i和j表示智能体i和j；k表示k时刻；姿态信息SI＝(Vxy,Vyz,Vxz,Fxy,Fyz,Fxz)，包括在三坐标方向的速度及方向；J_xy、J_yz和J_xz分别表示智能体i与智能体j在XOY平面、YOZ平面和XOZ平面的姿态相似度，J_xy、J_yz和J_xz的计算公式分别为：

其中，max V_xy和min V_xy表示智能体在XOY平面上的最大速度和最小速度；max V_yz和minV_yz表示智能体在YOZ平面上的最大速度和最小速度；max V_xz和min V_xz表示智能体在XOZ平面上的最大速度和最小速度；

所述属性信息的相似度函数的计算公式为：

其中i和j表示智能体i和j；k表示k时刻；和分别表示敌我属性相似度、类型相似度和型号相似度，其定义如下：

所述战术动作特征的相似度函数基于二值法进行定义，如果和相同，则等于0，否则，等于1，其中i和j表示智能体i和j；k表示k时刻；

所述综合相似度函数p_ij的计算公式如下：

其中i和j表示智能体i和j；k表示k时刻；w_PI、w_SI、w_AI和w_TPI分别表示位置信息、姿态信息、属性信息及战术动作特征权重；

步骤五、自主动态编群。

2.根据权利要求1所述的一种多智能体的动态编群方法，其特征在于，所述多源信息包括位置信息PI、姿态信息SI、属性信息AI和战术动作特征TPI。

3.根据权利要求1所述的一种多智能体的动态编群方法，其特征在于，所述数据预处理包括非量化信息处理或特殊数据处理，其中非量化信息包括属性信息和战术动作特征，特殊数据包括缺失值、孤立点和噪声点数据。

4.根据权利要求3所述的一种多智能体的动态编群方法，其特征在于，所述非量化信息处理是指根据非量化信息的类别将非量化信息数值化。

5.根据权利要求3所述的一种多智能体的动态编群方法，其特征在于，所述特殊数据处理包括：基于概率论实现对缺失值的处理、基于分箱法实现对噪声点的处理或者基于滤波方法实现对孤立点的处理。

6.根据权利要求5所述的一种多智能体的动态编群方法，其特征在于，所述基于滤波方法实现对孤立点的处理包括：通过卡尔曼滤波算法判断当前点迹是否为孤立点，如果是，则直接将其编为一个单元群，并将其进行缓存。