公开(公告)号：CN119225402A

公开(公告)日：2024-12-31

申请号：CN202411338314.2

申请日：2024-09-25

Applicant: 江淮前沿技术协同创新中心 ,  合肥工业大学

Inventor： 罗贺 ,  王菲菲 ,  兰斌 ,  马滢滢 ,  王国强 ,  闫刚 ,  焦桂芬 ,  陈宇轩 ,  邵永正

IPC: G05D1/46 ,  G05D1/695 ,  G05D109/20

Abstract: 本发明提供一种多无人机目标分配的攻防策略博弈方法和系统。获取第一无人机编队和第二无人机编队的多无人机编队信息，以根据无人机信息生成多个无人机的策略对，并根据策略对生成多无人机编队的策略组集合，策略对可以包括当前无人机、攻防策略和策略目标；攻防策略包括攻击策略、规避策略和干扰策略。通过计算各无人机在不同攻防策略下的概率分布，从而构建收益矩阵，进一步生成零和博弈矩阵模型。基于该零和博弈矩阵模型，求解多无人机目标分配的攻防策略博弈方案。本发明充分考虑了无人机的三种攻防策略，求解攻防策略博弈方案，从而提高了无人机目标分配问题的求解质量。

公开(公告)号：CN119690101A

公开(公告)日：2025-03-25

申请号：CN202411788978.9

申请日：2024-12-06

Applicant: 合肥工业大学

Inventor： 罗贺 ,  陈宇轩 ,  王国强 ,  李晓多 ,  杨康 ,  岳子轩 ,  焦桂芬 ,  邵永正

IPC: G05D1/46 ,  G05D1/695

Abstract: 本发明提供一种多无人机自适应智能决策的强化学习方法和系统。本发明获取用于指示多架无人机的决策方案的无人机编队防御策略，决策方案包括防御动作和飞行方向；防御动作包括空中巡逻、呼叫友机和本机撤退。控制防御方无人机编队执行无人机编队防御策略，并获取处于巡逻状态的巡逻无人机，获取巡逻无人机的探测结果。根据探测结果生成决策方案更新模型并求解，并根据模型解更新巡逻无人机的决策方案。根据更新后的决策方案更新无人机编队防御策略，并控制防御方无人机编队执行更新后的无人机编队防御策略。通过无人机的探测结果可以更新无人机的决策方案，从而实时调度无人机编队执行任务时的规模，提高了防御效果。

公开(公告)号：CN119647631B

公开(公告)日：2025-05-20

申请号：CN202510176233.5

申请日：2025-02-18

Applicant: 合肥工业大学

Inventor： 罗贺 ,  陈宇轩 ,  王国强 ,  李晓多 ,  杨康 ,  岳子轩 ,  焦桂芬 ,  邵永正

IPC: G06N20/00 ,  G05D1/695

Abstract: 本发明提供一种基于强化学习的无人机智能决策方法、系统及存储介质，涉及无人机技术领域。本发明中，一方面，通过无人机的探测结果可以更新无人机的决策方案，从而实时调度无人机编队执行任务时的规模，提高了防御效果。另一方面，设计基于微分博弈获取的界栅奖励，确保奖励机制能够准确反映博弈双方的目标达成情况，并通过强化学习的不断迭代优化，使得无人机能够逐步学习到在复杂环境下的有效无人机编队防御策略。

公开(公告)号：CN118963410A

公开(公告)日：2024-11-15

申请号：CN202411005769.2

申请日：2024-07-25

Applicant: 江淮前沿技术协同创新中心 ,  合肥工业大学

Inventor： 王国强 ,  王浩丞 ,  兰斌 ,  罗贺 ,  马滢滢 ,  闫刚 ,  陈宇轩 ,  焦桂芬 ,  邵永正

IPC: G05D1/695 ,  G05D109/20

Abstract: 本发明提供一种混合无人机编队协同博弈的智能决策方法和系统。获取博弈参与方数据，包括攻击型无人机信息、干扰型无人机信息、攻击方策略集合、防御目标信息、防御系统信息和防御方策略集合。计算严格博弈矩阵，以及基于严格博弈矩阵获取初始混合策略纳什均衡。根据所述初始混合策略纳什均衡选取概率最大的初始攻击方策略和初始防御方策略。生成所述初始攻击方策略的攻击方邻居策略集合，生成所述初始防御方策略的防御方邻居策略集合。通过邻居策略集合计算收益最大的混合策略纳什均衡，从而得到了最佳攻击方策略。实现对攻击型无人机和干扰型无人机协同工作时的博弈决策。

公开(公告)号：CN119647631A

公开(公告)日：2025-03-18

申请号：CN202510176233.5

申请日：2025-02-18

Applicant: 合肥工业大学

Inventor： 罗贺 ,  陈宇轩 ,  王国强 ,  李晓多 ,  杨康 ,  岳子轩 ,  焦桂芬 ,  邵永正

IPC: G06N20/00 ,  G05D1/695

Abstract: 本发明提供一种无人机智能决策的强化学习方法、系统及存储介质，涉及无人机技术领域。本发明中，一方面，通过无人机的探测结果可以更新无人机的决策方案，从而实时调度无人机编队执行任务时的规模，提高了防御效果。另一方面，设计基于微分博弈获取的界栅奖励，确保奖励机制能够准确反映博弈双方的目标达成情况，并通过强化学习的不断迭代优化，使得无人机能够逐步学习到在复杂环境下的有效无人机编队防御策略。

公开(公告)号：CN119225403A

公开(公告)日：2024-12-31

申请号：CN202411338317.6

申请日：2024-09-25

Applicant: 江淮前沿技术协同创新中心 ,  合肥工业大学

Inventor： 罗贺 ,  王菲菲 ,  兰斌 ,  马滢滢 ,  王国强 ,  闫刚 ,  焦桂芬 ,  陈宇轩 ,  邵永正

IPC: G05D1/46 ,  G05D1/695 ,  G05D109/20

Abstract: 本发明提供一种多无人机攻防博弈的快速求解方法和系统。该方法通过零和博弈矩阵模型计算严格博弈矩阵，求得纳什均衡解。根据纳什均衡解选取第一无人机编队的第一初始策略组和第二无人机编队的第二初始策略组，基于攻防策略概率和第二初始策略组求解第一无人机编队的第一最优策略组，再基于攻防策略概率和第一初始策略组求解第二无人机编队的第二最优策略组。如果所计算的第一最优策略组和/或第二最优策略组不在严格博弈矩阵中，则更新严格博弈矩阵，重新求得纳什均衡解。如果该最优策略组均在所述严格博弈矩阵中，则根据纳什均衡解设置多无人机编队的策略组。本发明通过引入攻防策略，提高多无人机目标分配方案的求解效率。