[发明专利]基于随机噪声的局部自组织大规模群体动态目标跟踪方法

说明书

本发明公开了一种基于随机噪声的局部自组织大规模群体动态目标跟踪方法，包括：构建含有不确定动态目标的HK模型，并给出噪声存在时模型的自发一致性定义，其中，所述含有不确定动态目标的HK模型包括：动态目标仅被部分个体感知的HK模型和动态目标独立存在的HK模型；针对动态目标仅被部分个体感知的HK模型，进行不完全信息的动态目标跟踪，并进行验证；针对动态目标独立存在的HK模型，进行不完全信息的动态目标跟踪，并进行验证。本发明丰富了基于噪声的控制策略应用，并完善了相应的数学理论分析，为解决大规模复杂系统中由群体目标的动态多变等不确定性，甚至未知性所引起的同步跟踪问题提供了一种新的基于噪声的动态实时跟踪方法。

技术领域

本发明涉及工业过程控制技术领域，特别涉及一种基于随机噪声的局部自组织大规模群体动态目标跟踪方法。

背景技术

近年来，复杂系统群体动力学的研究是当前国际上一个热点问题。集群行为普遍存在于自然界与人类社会中，例如聚集、迁移、蜂拥、同步、编队、目标跟踪等，通过局部感知和相对简单的交互方式，完成个体不易实现的任务过程中所涌现出的复杂、强大的集群宏观行为。

在大规模复杂系统群体动力学领域，基于局部自组织机制的群体动态目标跟踪问题变得越来越重要。例如，在无人机应用领域，当无人机执行目标跟踪任务时，由于目标状态的不确定性以及目标的未知多样性，大大增加了任务执行的难度。并且，在某些场景中，单架无人机不足以完成预定的任务，需要多架无人机甚至是无人机集群协同工作。然而，现实生活中由于目标的不确定性，无法为每一架无人机规划动态跟踪路径，因此，有必要研究基于局部自组织的大规模集群的动态目标跟踪方法。

又如，在柔性制造的车间调度环节，在全球化的背景下，面临着海量的客户需求订单和复杂的生产环境，一个有效的调度优化方法必须考虑需求订单的突发状况等不确定因素，以保证调度方案的鲁棒性(王凌,邓瑾,王圣尧.分布式车间调度优化算法研究综述[J].控制与决策,2016,31(01):1-11.)。此外，与动态不确定甚至未知目标的协同也普遍存在于工业生产、经济、日常生活等大规模复杂系统中(刘若辰,李建霞,刘静,等.动态多目标优化研究综述[J].计算机学报,2020,43(07):1246-1278.)，特别是涉及大量人群的系统中。