[发明专利]一种无人机集群过程行为建模与协同优化方法及系统

说明书

本发明涉及一种无人机集群过程行为建模与协同优化方法及系统。该方法包括对无人机集群体系采用自顶向下逐层分解的策略进行层次分解，确定个人决策层、群体行为层和顶层设计层；利用NetLogo仿真平台获取无人机集群体系的样本数据；利用BPNN分别建立个体决策与群体行为和群体行为与顶层设计的函数映射关系；以任务完成度、设计成本和设计效率为优化目标，以个人决策层的参数范围为约束条件，基于两个函数映射关系构建多目标优化的目标函数；基于NSGA‑Ⅱ对多目标优化的目标函数进行全局搜索，确定全局最优解。本发明能够有效地实现无人机集群的行为预测，避免了决策陷入局部最优，有助于探索影响顶层设计的底层最优决策参数。

技术领域

本发明涉及群智行为领域，特别是涉及一种无人机集群过程行为建模与协同优化方法及系统。

背景技术

无人机集群由一定数量的同构和异构无人机等组成，利用传感器进行信息交互，并通过反馈实时调整，以实现指定的任务。与单体无人机相比，无人机集群涉及的规模更大、协同性更高、智能化更强。现如今，无人机集群技术已广泛应用于国防建设和民用领域，其研究重点在于如何对无人机集群过程行为建模和使协同效率达到最优，具备适应复杂多变、不确定环境的能力。

由于无人机集群的自组织涌现性，使得个体决策易导致集群组织松散且无规划，从而造成顶层设计结果不理想的问题，因此对无人机集群过程行为进行优化是十分必要的。然而，实现无人机集群行为协同优化的首要问题是如何调整底层参数以实现顶层的最优化设计。无人机集群过程行为优化除了考虑单机的个体属性外，还需考虑集群规模、空间结构、协同方式等，本质上可看作是一个多目标优化设计问题。

随着无人机数量的增加，且动作状态相互叠加，往往存在决策耦合、参数复杂、约束不明等问题，最终导致无人机集群过程行为优化难以获取全局最优解。因此，为探索无人机集群的优化设计，当前国内外学者进行相关的研究，有效地实现了局部优化且提出了相应的优化策略。然而，并现有方法并未从涌现过程中“个体—群体—顶层”的角度进行深入研究，同时无人机集群的优化设计也缺乏定量化表征。

发明内容

本发明的目的是提供一种无人机集群过程行为建模与协同优化方法及系统，能够有效地实现无人机集群的行为预测，避免了决策陷入局部最优，有助于探索影响顶层设计的底层最优决策参数。

为实现上述目的，本发明提供了如下方案：

一种无人机集群过程行为建模与协同优化方法，包括：

对无人机集群体系采用自顶向下逐层分解的策略进行层次分解，确定个人决策层、群体行为层和顶层设计层；个人决策层的参数包括：攻击能力、防御能力、移动能力、通讯能力以及避障能力；群体行为层的参数包括：群体规模、群体密度、聚类系数以及平均距离；顶层设计层的参数包括：任务完成度、设计成本以及设计效率；

利用NetLogo仿真平台获取无人机集群体系的样本数据；所述样本数据包括：个人决策层的参数、群体行为层的参数以及顶层设计层的参数；

利用反向传播神经网络(Back Propagation Neural Network，BPNN)分别建立个体决策与群体行为的函数映射关系和群体行为与顶层设计的函数映射关系；

以顶层设计层的参数中的任务完成度、设计成本和设计效率为优化目标，以个人决策层的参数范围为约束条件，基于个体决策与群体行为的函数映射关系和群体行为与顶层设计的函数映射关系构建多目标优化的目标函数；

基于第二代非支配排序遗传算法(Non-dominated sorting genetic algorithm-Ⅱ，NSGA-Ⅱ)对多目标优化的目标函数进行全局搜索，确定全局最优解。

可选地，所述利用NetLogo仿真平台获取无人机集群体系的样本数据，之后还包括：

对所述样本数据进行归一化处理。