摘要：针对单智能体在民用和军用领域无法完成现实场景下复杂任务的问题,本文综述了零空间行为融合算法。阐述零空间行为融合算法的设计思想与数学模型,介绍零空间行为融合算法的文献计量分析。综述了零空间算法的研究进展,包括编队速度饱和、行为转换不连续、行为优先级分配和多种算法结合方面的改进工作,并分析当前研究存在的问题。研究表明:零空间行为融合算法在多智能体编队控制领域,提高算法的自适应性、考虑动力学特性、异构编队和行为函数优化是该算法未来的发展方向。

摘要：水面无人艇(unmanned surface vehicle,USV)是一种重要的海洋自主机器人,当前正被广泛研究并逐渐应用于实际.然而USV的安全航行问题仍严重制约其自主性能的提高,尤其是在复杂海况下的危险规避问题亟待解决.以Sarsa在线策略强化学习算法为基础,提出了USV在复杂海况下的自适应危险规避决策模型,并以渐进贪心策略作为行为探索策略,证明了USV自适应危险规避决策过程能够以概率1收敛到最优行为策略.论证结果表明,采用在线策略强化学习算法提升USV在复杂海况下的危险规避性能是可行的.

摘要：针对AUV软件在部分可观环境中的故障修复问题,依据部分可观马尔科夫决策过程理论,提出基于POMDP模型和微重启技术的AUV软件故障修复方法。根据AUV分层结构特点设计了多层次的微重启修复方法,构建了AUV软件自修复POMDP模型,同时采用基于点的值迭代算法求解生成修复策略使系统在部分可观环境下能够以较低的修复代价执行修复动作。仿真实验验证了算法有效性和模型适用性。

摘要：自主水下机器人(Autonomous Underwater Vehicle,AUV)是海洋开发与探索的有效工具.为提高AUV在复杂海洋环境、任务多变以及通信受限等不确定条件下的自适应性和任务执行的可靠性,首先,研究并设计了基于分层思想的AUV任务规划与重规划体系结构;其次,针对不同的层次分别提出了基于与或分解树的使命规划、基于有限状态机的任务规划;然后,阐述了分层重规划的意义并设计了分层重规划监督决策的具体算法;最后,仿真实验表明了所设计的分层体系结构及分层任务规划与重规划监督决策算法,能显著提高AUV不确定条件下的自适应性和自主完成任务可靠性.

摘要：群集智能是指复杂的集体智能来自简单个体之间以及个体同环境之间的相互作用.通常对群集智能的研究主要借助于群居生物行为的观察.蚁群觅食行为是研究简单个体产生复杂行为的一个典型的例子.首先建立群体觅食宏观序参数模型.模型考虑了食物源的量和分布以及环境噪声对个体决策的随机影响.给出2个食物源下系统模型的数值解,表明在较大的噪声影响下,系统有一定的概率会脱离最优解,到达次优解.在Starlogo仿真平台下的实验结果表明,觅食蚂蚁的数量同任务完成时间以及碰撞频率之间呈现出幂指数关系.这对自组织系统和群集智能的研究有一定的理论意义,并可以用来指导设计更加有效、适应、可靠的智能系统.