基于TS-NGA的多作战智能体制导-攻击匹配优化

空中制导-攻击匹配(GAM)旨在确定武器单元、制导单元以及目标三者之间的最优匹配关系,以使多作战智能体任务联盟整体作战效能最大。分析了基于混合通信方式的多作战智能体制导-攻击匹配过程,建立制导攻击匹配约束优化问题模型,设计了一种禁忌策略的嵌套遗传算法(TS-NGA)对模型进行求解,算法的外层循环寻求武器单元和制导单元的最优配对,内层循环寻求武器单元和目标的最优配对。针对GAM问题特点,制定了编码与解码策略、交叉、变异规则以及选择、禁忌策略。仿真实验结果表明所设计求解算法能较好地解决三维变量的GAM问题模型。     

多UAV集结任务的分布式协同与优化控制

基于一致性理论的多无人机分布式协同控制已广泛运用于无人机作战中, 通过一致性控制算法实现状态一致完成协同需求。建立了集结问题的数学模型, 基于协调变量和协调函数的分解策略进行求解。为实现协同控制的最优性, 改进了平均一致性控制算法, 采用Hamilton-Jacobi-Bellman方程给出基本优化一致性控制算法。在控制算法中引入过去状态差值, 提高控制算法的动态响应性和能量最优性; 同时采用遗传算法优化代价函数的加权矩阵, 进一步提高控制算法的动态响应性和能量最优性, 缩短了任务执行时间。理论分析和仿真实验验证了方法的有效性和可行性。     

快速一致性控制算法下的多UAV分布式协同控制

多无人机系统中,系统状态的一致性是实现多无人机分布式协同控制的基础, 一致性控制算法是多无人机系统实现状态一致的有效方法。通信约束条件下, 无人机平台基于局部交互信息, 通过一致性控制算法, 控制系统状态演化一致。为解决改变通信拓扑结构和多跳路由通信的不可操作性问题, 引入状态差值和预测状态,设计新的快速一致性控制算法。给出新算法收敛性和快速性的相关定理,并进行了严格的数学证明, 在分布式协同控制结构下实现多无人机快速任务协同。理论分析和仿真实验验证了算法的可行性和有效性。     

多无人机任务集结合作博弈优化自组织协同控制

基于一致性理论的多无人机系统自组织协同作战是未来无人机应对突发任务的重要方式,任务集结是协同作战的首要行动和自组织协同控制的重要内容。为优化集结行动中系统任务状态协调过程能量最优性、协同控制动态响应性和集结行动时效性3个性能指标,采用基于快速一致性控制算法的协同控制结构,在合作博弈框架下给出多无人机系统自组织协同与优化控制问题描述,建立了优化控制输入的Pareto解集,采用Nash讨价还价方法给出基本合作博弈优化一致性控制算法。在基本算法中引入过去状态差值,并以优化目标构建适应度函数,采用遗传算法优化代价函数的加权矩阵,得到改进合作博弈优化一致性控制算法。理论分析和仿真实验验证了方法的可行性和有效性。