[发明专利]一种基于鹰群狩猎行为仿生的无人智能集群对抗控制方法在审
申请号: | 202110883706.7 | 申请日: | 2021-08-03 |
公开(公告)号: | CN113627081A | 公开(公告)日: | 2021-11-09 |
发明(设计)人: | 于劲松;周金浛;杜保林;李鑫;郑国锋 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06N3/00;G06F111/08;G06F111/10 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 狩猎 行为 仿生 无人 智能 集群 对抗 控制 方法 | ||
本发明公开一种基于鹰群狩猎行为仿生的无人智能集群对抗控制方法及其实现方法,所述的无人智能集群对抗控制方法结合了对栗翅鹰群狩猎行为的研究,从无人集群对抗问题的实际特征出发,将对抗过程划分为游走觅敌、软围扰敌、硬围歼敌三个作战阶段,并针对每一阶段的行为和三者之间的转换条件归纳出了一个简洁而切实的数学模型,从而提供了一种逻辑简洁、去中心化、以众胜强、伺机决胜的仿生控制方法。
技术领域
本发明涉及无人智能集群对抗控制方法,尤其涉及高机动性、低耐久性的简单智能体的集群对抗控制方法。
背景技术
当下流行的智能体集群策略主要可以分为三大类:基于物理-数学模型的传统算法、模仿生物集群策略的仿生算法和基于策略奖惩机制的强化学习算法。这三者中,传统算法限制性假设过多、应用范围较小且策略过于死板,而强化学习算法又缺乏可解释性、应用隐患较大。因此,折合两者利弊的仿生算法则是目前适合的研究方向。
在诸多生物仿生的可能性中,鹰群较好地满足了无人集群对抗的以众取胜、去中心化等要求。具体说来,鹰群在实际狩猎中,往往能够通过团队配合捕获与自己体量相仿的猎物。同时,这种团队的配合又不依赖于个体间的繁琐沟通,而更多地是依靠个体在统一作战方针下对于局势的独立分析而构建起全局的配合。这些特征使得鹰群的狩猎行为为其对应的仿生控制方法提供了较好模板。
目前,基于鹰群狩猎行为仿生的相关研究已经在优化问题上取得了较好的成果,但在无人集群对抗控制方面仍未得到充分的应用。本发明对于基于哈里斯鹰优化算法的数学模型,从对抗问题的实际特征出发,重构出了一种针对于无人集群对抗行为的数学模型,从而提供了一种基于鹰群狩猎行为仿生的的无人智能集群对抗控制方法。
发明内容
本发明为了解决低弹药量、低装甲化智能体的集群对抗问题,提供了一种基于鹰群狩猎行为仿生的无人智能集群对抗控制方法及其实现方法。本控制方法可以运用于据点及时防御、敌方目标销毁等军事场合,尤其适用于无明显攻势阶段划分(即两组编队隔开较长的单位时间)的情景。本控制方法可以使智能集群对敌方形成有效地合围歼灭;对于合围附近的零散个体也能作出相应的有效打击。
所述的基于鹰群狩猎行为仿生的无人智能集群对抗控制方法是一种不带角色分化、但重视战略阶段分化的仿生的对抗控制方法。所述智能集群中的每一智能体可以根据卫星通讯的低频率定时全局战场信息和实时感知到的视野内战场信息独立地分析当前战场形势、确定实时的对抗行动;所述的战略阶段分化包含分为游走觅敌、软围扰敌、硬围歼敌三个阶段,集群内个体根据自身感知到的信息进行分析、独立地切换行动阶段。
结合实际对抗背景而言,游走觅敌对应于对抗的开始阶段,我方集群需要通过保持松散阵型向定时信息描绘的敌方大致位置接近,以增大遇敌概率、较快接触敌军、将接触位置尽量远离需要保卫的后方;软围扰敌阶段对应于遇敌后开始形成合围雏形的阶段,我方智能集群通过小规模扰击阻滞、扰乱敌方行动,提高包围圈内的敌方目标密度,从而优化打击效果;硬围歼敌则对应于我方集群最后的围歼行动,我方智能体快速收拢包围圈,并对敌方目标开展快速打击、予以歼灭。
本发明的特点是:
(1)本仿生对抗控制方法对于智能体的装甲化和弹药量水平较低,较好地降低了对抗成本;
(2)本仿生对抗控制方法软硬围结合的设计在限制敌方行动的同时,较好地提高了智能体弹药使用的效率;
(3)智能体行为在确保集群对敌威胁性的前提下,对于个体行动保留了较高的随机性,较好地扰乱了敌方的对抗决策、提高了集群对对抗主动权的把握。
(4)智能体行为不需要高频的数据交互共享、也不依赖于其他智能体的存在与否,去中心化程度强;
(5)智能体行为遵从相同的控制逻辑,个体之间的行为具有一定的协同性,呈现出具有一定可解释性的整体策略。
附图说明
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110883706.7/2.html,转载请声明来源钻瓜专利网。