[发明专利]用于无人机编队智能决策的控制方法、系统及存储介质

权利要求书

1.一种用于无人机编队智能决策的控制方法，其特征在于，所述控制方法包括：

分析第一无人机群中的每架第一无人机的第一状态信息和第二无人机群中的每架第二无人机的第二状态信息，计算每架所述第一无人机的行动组合相对于每架所述第二无人机的行动组合的第一优势值，构建第一无人机矩阵，每个所述行动组合包括俯冲、拉升、转向、发射炮弹中的至少一者；

分析每个所述第二状态信息和每个所述第一状态信息，计算每架所述第二无人机的行动组合相对于每架所述第一无人机的行动组合的第二优势值，构建第二无人机矩阵；

根据所述第一无人机矩阵和所述第二无人机矩阵构建所述第一无人机群和所述第二无人机群的博弈双矩阵，具体包括：将所述第一无人机矩阵中的每个元素与所述第二无人机矩阵中的元素一一匹配，以使得构建的所述博弈双矩阵包括所述第一无人机群的每个策略项和所述第二无人机群的每个策略项的混合项；

采用粒子群算法计算所述博弈双矩阵的纳什均衡；

根据计算出的纳什均衡调控所述第一无人机群和第二无人机群进行模拟对抗；

其中，所述第一无人机矩阵和所述第二无人机矩阵均包括策略项和与所述策略项对应的概率分布；

所述采用粒子群算法计算所述博弈双矩阵的纳什均衡包括：

输入所述博弈双矩阵并初始化所述粒子群算法的各个变量；

根据所述博弈双矩阵的维度生成初始的种群以作为初始的解；

根据所述博弈双矩阵的维度确定适应度函数；

分别计算所述解中的每个粒子的适应度；

确定每个粒子的个体极值和所述种群的全体极值；

计算所述粒子群算法的惯性权重；

根据所述惯性权重更新每个粒子的速度和位置；

分别对所述解中的每个粒子进行处理以使得每个粒子的满足归一化条件；

根据处理后的所述解更新个体极值和全体极值；

判断所述全体极值是否在预设的求解精度范围内；

在判断所述全体极值在所述求解精度范围内的情况下，输出所述解；

在判断所述全体极值不在所述求解精度范围内的情况下，再次计算所述粒子群算法的惯性权重并执行所述控制方法的相应步骤，直到判断所述全体极值在所述求解精度范围内；

所述计算所述粒子群算法的惯性权重包括：

根据公式(2)确定所述惯性权重，

其中，ω_k为第k次迭代时的所述惯性权重，ω_max为迭代过程中最大的惯性权重，ω_min为迭代过程中最小的惯性权重，k为迭代次数，k_max为最大迭代次数；

所述根据所述惯性权重更新每个粒子的速度和位置包括：

根据公式(3)和公式(4)更新每个粒子的速度，

其中，为第k+1次迭代时第t个粒子中的一个策略项x_m的速度，ω_k为所述惯性权重，为第k次迭代时第t个粒子中的一个策略项x_m的速度，为所述粒子群算法的学习因子，λ₁、λ₂为服从(0，1)均匀分布的随机数，P_best(t(m))为第t个粒子迭代到k代为止所能搜索到策略项x_m的最优解，为第k次迭代时第t个粒子中的一个策略项x_m的的位置矢量，G_best(t(m))为第t个粒子迭代到k代为止所述种群所能搜索到策略项x_m的最优解；

其中，为第k+1次迭代时第t个粒子中的一个策略项y_n的速度，ω_k为所述惯性权重，为第k次迭代时第t个粒子中的一个策略项y_n的速度，为所述粒子群算法的学习因子，λ₁、λ₂为服从(0，1)均匀分布的随机数，P_best(t(n))为第t个粒子迭代到k代为止所能搜索到策略项y_n的最优解，为第k次迭代时第t个粒子中的一个策略项y_n的的位置矢量，G_best(t(n))为第t个粒子迭代到k代为止所述种群所能搜索到策略项y_n的最优解；

根据公式(5)和公式(6)更新每个粒子的位置，

其中，为第k+1次迭代时第t个粒子中的一个策略项x_m的位置矢量，为第k次迭代时第t个粒子中的一个策略项的位置矢量x_m的位置矢量，为第k+1次迭代时第t个粒子中的一个策略项x_m的速度；

其中，为第k+1次迭代时第t个粒子中的一个策略项y_n的位置矢量，为第k次迭代时第t个粒子中的一个策略项的位置矢量y_n的位置矢量，为第k+1次迭代时第t个粒子中的一个策略项y_n的速度。