-
公开(公告)号：CN117632490A
公开(公告)日：2024-03-01
申请号：CN202311591678.7
申请日：2023-11-23
Applicant: 合肥工业大学
IPC: G06F9/50
Abstract: 本发明提供一种基于两阶段启发式搜索算法的大规模随机资源分配方法，涉及计算机领域。为有效求解大规模随机资源分配问题，本发明首先输入可用于分配的随机资源集合、待执行的任务集合、每个随机资源完成每个任务的概率和完成每个任务取得的收益；然后采用第一阶段启发式算法快速构造出初始随机资源分配方案；最后采用第二阶段启发式算法对初始随机资源分配方案进行优化，并据此对随机资源进行分配。其中第一阶段采用改进构造启发式规则的最大边际回报算法，通过构建任务相关边际回报表，设计新的启发式规则，极大的降低随机资源‑任务对的计算量；第二阶段采用全局交换优化算法，通过设计全局交换优化策略，对第一阶段求得的初始解进行再次优化。
-
公开(公告)号：CN112612206B
公开(公告)日：2022-11-08
申请号：CN202011356274.6
申请日：2020-11-27
Applicant: 合肥工业大学
IPC: G05B13/04
Abstract: 本发明提供了一种面向不确定事件的多智能体协同决策方法及系统。相比于现有技术，本发明实施例能够基于对抗双方的参数，构建相对态势优势，构建基本信度分配函数求解得到武器来源的基本信度分配，基于武器来源的基本信度分配，可设置智能体性能的可选值和对应的权重；并构建与智能体性能的可选值数量对应的子优化目标；进而构建对抗双方的智能体性能优势矩阵，再设计每个子优化目标的支付函数，即可构建对抗双方的用于评估总策略空间的高维矩阵；最终基于对抗双方的高维矩阵进行求解，输出纳什均衡解。本申请无需依赖雷达性能，在当雷达判定失效或雷达精度不高、能力不强时，也可实现武器来源的判断，进而进行决策。
-
公开(公告)号：CN113126651A
公开(公告)日：2021-07-16
申请号：CN202110269454.9
申请日：2021-03-12
Applicant: 合肥工业大学
IPC: G05D1/10
Abstract: 本发明提供多无人机协同对抗的智能决策装置和系统，涉及无人机空战领域。智能决策装置包括信息采集模块、友机信息交互模块、重决策触发模块和重决策执行模块，信息采集模块获取当前无人机的无人机状态数据；友机信息交互模块获取友方无人机的无人机状态数据；重决策触发模块基于所有的无人机状态数据判断重决策的触发以及重决策触发类型，并将重决策触发类型至重决策执行模块；重决策执行模块被配置为获取重决策类型对应的重决策方案，并基于重决策方案生成控制指令发送至友机信息交互模块，以使友机信息交互模块将控制指令发送至友方无人机。本发明可以增强无人机空战策略在执行时的适应性。
-
公开(公告)号：CN112612298A
公开(公告)日：2021-04-06
申请号：CN202011362555.2
申请日：2020-11-27
Applicant: 合肥工业大学
IPC: G05D1/10
Abstract: 本发明提供了一种对抗环境下多无人机战术决策的多目标博弈方法及装置，涉及战术决策技术领域。本发明将相对态势优势进行多目标表征(即把态势优势分解为多个子态势优势)，相比于传统的评价方法将多个子态势优势聚合为一个综合态势优势处理，本发明把四个子态势优势分别考虑为四个子优化目标，并据此设计支付函数，构建高维矩阵，全面反映态势优势中各个子态势优势的信息。使客观评价更加准确，且不会出现信息缺失的情形。
-
公开(公告)号：CN112612206A
公开(公告)日：2021-04-06
申请号：CN202011356274.6
申请日：2020-11-27
Applicant: 合肥工业大学
IPC: G05B13/04
Abstract: 本发明提供了一种面向不确定事件的多智能体协同决策方法及系统。相比于现有技术，本发明实施例能够基于对抗双方的参数，构建相对态势优势，构建基本信度分配函数求解得到武器来源的基本信度分配，基于武器来源的基本信度分配，可设置智能体性能的可选值和对应的权重；并构建与智能体性能的可选值数量对应的子优化目标；进而构建对抗双方的智能体性能优势矩阵，再设计每个子优化目标的支付函数，即可构建对抗双方的用于评估总策略空间的高维矩阵；最终基于对抗双方的高维矩阵进行求解，输出纳什均衡解。本申请无需依赖雷达性能，在当雷达判定失效或雷达精度不高、能力不强时，也可实现武器来源的判断，进而进行决策。
-
Patent Agency Ranking
公开(公告)号：CN112486200A
公开(公告)日：2021-03-12
申请号：CN202011101859.3
申请日：2020-10-15
Applicant: 合肥工业大学
IPC: G05D1/10
Abstract: 本发明提供一种多无人机协同对抗在线重决策方法，涉及无人机领域。包括以下步骤：获取多个无人机协同执行无人机空战方案时的无人机空战数据；对无人机空战数据进行关联处理；基于无人机空战时发生的紧急事件判断重决策的被动触发，并分析重决策被动触发的类型；基于关联后的无人机空战数据判断重决策的主动触发，并分析重决策主动触发的类型，重决策触发的类型包括：战术重决策、任务重决策和行为重决策；对重决策被动触发的类型和重决策主动触发的类型进行冲突消解处理，得到无人机空战方案重决策类型；基于无人机空战方案重决策类型对无人机空战方案进行重决策处理。本申请可以增强无人机空战方案在执行时的适应性。
-
公开(公告)号：CN110443473A
公开(公告)日：2019-11-12
申请号：CN201910661663.0
申请日：2019-07-22
Applicant: 合肥工业大学
Abstract: 本申请提供一种对抗环境下多无人机协同目标分配方法及系统，其中，基于对抗双方可能的占位策略和目标分配策略，决策己方每个无人机所对抗的目标，建立零和矩阵博弈模型，通过求解模型的混合策略纳什均衡解来解决对抗环境下多无人机协同目标分配问题。进一步地，对零和矩阵博弈模型进行求解时，建立可扩展博弈的博弈矩阵并求解得到当前混合策略纳什均衡，再以变占位迭代搜索的方式，求解博弈双方对对方执行可扩展矩阵博弈均衡解的第三博弈策略和第四博弈策略，并利用迭代的方法确定用于求解的对抗中的某一方确定最有优势的博弈策略的可扩展博弈的博弈矩阵，求解确定的可扩展博弈的博弈矩阵，能够有效降低计算量，提高计算效率。
-
公开(公告)号：CN107832939A
公开(公告)日：2018-03-23
申请号：CN201711058020.4
申请日：2017-10-27
Applicant: 合肥工业大学
IPC: G06Q10/06
CPC classification number: G06Q10/06393
Abstract: 本发明提供了一种无人平台空中对抗推演方法及装置。该方法包括：101，分别获取当前时刻第一无人平台和第二无人平台的状态向量；102，根据状态向量判断两无人平台是否满足发射要求，若否则根据预设的机动动作决策方法分别计算两无人平台的最优机动动作，转步骤103；若是则对应无人平台发射导弹，其导弹数量减少，转步骤104；103，根据机动动作编码方法对两无人平台的最优机动动作分别生成第一指令和第二指令，发送给对应的无人平台，返回步骤101；104，根据终止条件判定方法判断推演进程，若满足则无人平台空中对抗推演结束，否则转步骤101。本发明实施例通过多组模拟实验数据，对无人平台智能决策算法进行评价。
-
公开(公告)号：CN116774721A
公开(公告)日：2023-09-19
申请号：CN202310259965.1
申请日：2023-03-14
Applicant: 合肥工业大学
IPC: G05D1/10
Abstract: 本发明提供一种多无人机博弈对抗的目标分配方法和系统。通过生成零和博弈矩阵模型并获取严格博弈集合。基于严格博弈集合获取纳什均衡解，基于纳什均衡解选取第一初始策略和第二初始策略。基于第二初始策略获取第一无人机编队的第一最优反应策略，基于第一初始策略获取第二无人机编队的第二最优反应策略。如果第一最优反应策略和/或第二最优反应策略不存在于严格博弈集合中，则更新严格博弈集合，并重新获取纳什均衡解。如果第一最优反应策略和第二最优反应策略均存在于严格博弈集合中，则将纳什均衡解确定为多无人机博弈对抗的目标分配方案。本发明通过获取每个无人机编队的最优反应策略，提高多无人机目标分配的效率。
-
公开(公告)号：CN113128699B
公开(公告)日：2022-11-15
申请号：CN202110269462.3
申请日：2021-03-12
Applicant: 合肥工业大学
Abstract: 本发明提供一种快速收敛的多无人机协同对抗强化学习方法，涉及无人机领域，包括：获取多无人机协同对抗时的无人机状态数据；计算无人机状态数据的奖励回报；基于预先构建的强化学习网络对无人机状态数据进行处理，得到多无人机重决策方案；基于奖励回报更新强化学习网络；基于多无人机重决策方案获取多无人机协同对抗数据，并作为下一回合的无人机状态数据，以使更新后的强化学习网络对下一回合的无人机状态数据进行处理，以得到下一回合的多无人机协同对抗重决策方案。本发明将奖励回报设定为多无人机协同对抗参数奖励回报或多无人机协同对抗规则奖励回报，可以解决稀疏奖励的问题，使得多无人机在强化学习时可以快速收敛。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.03 seconds)
