-
公开(公告)号：CN113128021B
公开(公告)日：2022-10-25
申请号：CN202110269461.9
申请日：2021-03-12
Applicant: 合肥工业大学
IPC: G06F30/20 , G06F17/18 , G06F111/02
Abstract: 本发明提供一种多无人平台协同对抗的实时重决策方法和系统，涉及无人平台领域，包括：实时获取多无人平台协同对抗时的无人平台状态数据；计算无人平台状态数据的奖励回报；基于预先构建的Actor网络对无人平台状态数据进行处理，得到当前回合的多无人平台重决策方案；基于预先构建的Critic网络对无人平台状态数据进行处理，得到重决策价值函数；基于奖励回报和重决策价值函数计算TD误差；基于TD误差更新Actor网络和Critic网络；多无人平台执行多无人平台重决策方案，得到多无人平台协同对抗数据，并作为下一回合的无人平台状态数据。本发明可以得到最适应当前环境下的无人平台重决策方案。
-
公开(公告)号：CN112612207B
公开(公告)日：2022-10-25
申请号：CN202011362535.5
申请日：2020-11-27
Applicant: 合肥工业大学
IPC: G05B13/04
Abstract: 本发明提供了一种不确定环境下多目标博弈求解方法及系统，涉及战术决策技术领域。本发明针对现有方法无法对于多目标权重模糊的情况进行求解的问题，通过获取双方的支付矩阵以及每个优化目标的权重；对于任意双方选择的一对策略对构建偏序关系；并构建双方的全局偏序关系表征矩阵，再基于所述全局偏序关系表征矩阵构建精炼偏序关系表征矩阵；最后从精炼偏序关系表征矩阵中获取纯策略纳什均衡解；直至获得的纯策略纳什均衡数量是否小于预设数量。能够针对不同的权重情况，选择合适的偏序关系构建方法，进而实现无明确权重时的偏序关系的构建，最终输出纯策略纳什均衡解。
-
公开(公告)号：CN113126651B
公开(公告)日：2022-07-19
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：CN109508042B
公开(公告)日：2022-05-31
申请号：CN201910091128.6
申请日：2019-01-30
Applicant: 合肥工业大学
IPC: G05D1/10
Abstract: 本发明实施方式提供一种用于无人机编队智能决策的控制方法、系统及存储介质，属于无人机模拟对抗技术领域。控制方法包括：分析第一无人机群中的每架第一无人机的第一状态信息和第二无人机群中的每架第二无人机的第二状态信息，计算每架第一无人机的行动组合相对于每架第二无人机的行动组合的第一优势值，构建第一无人机矩阵；分析每个第二状态信息和每个第一状态信息，计算第二优势值，构建第二无人机矩阵；根据第一无人机矩阵和第二无人机矩阵构建第一无人机群和第二无人机群的博弈双矩阵；采用粒子群算法计算博弈双矩阵的纳什均衡；根据计算出的纳什均衡调控第一无人机群和第二无人机群进行模拟对抗。
-
公开(公告)号：CN113128699A
公开(公告)日：2021-07-16
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。
-
Patent Agency Ranking
公开(公告)号：CN110377052B
公开(公告)日：2020-07-03
申请号：CN201910661623.6
申请日：2019-07-22
Applicant: 合肥工业大学
IPC: G05D1/10
Abstract: 本申请提供了一种无人机编队协同目标分配的矩阵博弈方法及系统。本申请建立零和矩阵博弈模型，并通过求解模型的混合策略纳什均衡解来解决考虑无人机占位的无人机编队协同目标分配问题，具体地，首先确定对抗双方可能的占位策略，之后对抗双方基于双方无人机的占位策略决策己方每个无人机所对抗的目标，从而使己方协同目标分配时的期望优势值尽可能的大，期望劣势尽可能的小。即本申请能够为对抗中的某一方确定最有优势的博弈策略，解决了现有技术中的缺陷。
-
公开(公告)号：CN110414685A
公开(公告)日：2019-11-05
申请号：CN201910534695.4
申请日：2019-06-20
Applicant: 合肥工业大学
Abstract: 本申请提供一种多无人机任务分配的纳什均衡博弈智能决策方法及系统，本申请根据监测区域和监测时刻，确定监测方的多个第一监测策略和攻击方的多个攻击策略，之后根据第一监测策略和执行每个第一监测策略的概率，确定监测方的多个第二监测策略；最后基于监测方的多个第二监测策略、攻击方的多个攻击策略和监测发现概率，从第二监测策略中筛选目标监测策略对攻击方进行监测。上述技术方案利用斯坦克尔伯格博弈模型进行求解，解决了现有技术中无法在攻击方能够观测已实施的巡逻策略的前提下，制定有效的巡逻策略来以最大的概率发现攻击方的技术问题。
-
公开(公告)号：CN110412999A
公开(公告)日：2019-11-05
申请号：CN201910534670.4
申请日：2019-06-20
Applicant: 合肥工业大学
IPC: G05D1/10
Abstract: 本发明提供一种对抗环境下多无人机任务分配的博弈智能决策方法及系统，本发明根据监测方的第一监测策略与攻击方的攻击策略中相同的监测区域，确定监测方的多个第二监测策略；之后基于包括一个第一监测策略和一个攻击策略的策略对的未被发现概率，从攻击策略中筛选目标攻击策略，最后基于第二监测策略、目标攻击策略和监测发现概率，从第二监测策略中筛选目标监测策略对攻击方进行监测。上述技术方案利用斯坦克尔伯格博弈模型求解，解决无法在攻击方能够观测已实施的巡逻策略的前提下，制定有效的巡逻策略来以最大的概率发现攻击方的技术问题，同时通过对监测方的监测策略进行处理，对攻击方的策略进行筛选降低了计算量，提高了计算效率。
-
公开(公告)号：CN110134138A
公开(公告)日：2019-08-16
申请号：CN201910277475.8
申请日：2019-04-08
Applicant: 合肥工业大学
IPC: G05D1/10
Abstract: 本发明实施方式提供一种对抗环境下无人机智能决策的纳什均衡博弈方法及系统，属于无人机的智能决策技术领域。纳什均衡博弈方法包括：生成第一无人机和第二无人机行为决策时的状态向量XR、XB；建立第一无人机和第二无人机的行为决策策略集合SR、SB；将第一无人机和第二无人机执行不同类型行为决策策略时的攻击有效性影响因素进行融合，设计第一无人机和第二无人机行为决策策略的支付函数；根据设计的无人机双方的支付函数计算策略集合SR与策略集合SB中任意一对行为决策策略对应的第一无人机的支付值和第二无人机的支付值，从而生成第一无人机和第二无人机博弈的双矩阵F；计算无人机双方行为决策的最优方案；选择第一无人机的行为决策策略。
-
公开(公告)号：CN110058608A
公开(公告)日：2019-07-26
申请号：CN201910276849.4
申请日：2019-04-08
Applicant: 合肥工业大学
IPC: G05D1/10
Abstract: 本发明实施方式提供一种多无人机协同对抗的控制方法、系统及存储介质，属于无人机的决策技术领域。控制方法包括：获取第一无人机编队的无人机数量、第二无人机编队的无人机数量、每个第一无人机的状态和每个第二无人机的状态；根据第一无人机的数量、第二无人机的数量、每个第一无人机的状态和每个第二无人机的状态计算每个第一无人机相对于每个第二无人机的优势值，以构成第一无人机编队相对于第二无人机编队的优势矩阵；建立多无人机协同目标分配模型；根据优势矩阵和多无人机协同目标分配模型进行求解以计算出第一无人机编队的最优协同目标分配方案；根据最优协同目标分配方案控制第一无人机编队对抗第二无人机编队。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.029 seconds)
