摘要：随着无人机技术的发展,无人机集群对抗已成为国内外研究热点.现有决策算法的研究主要集中于同构无人机集群对抗场景,且当应用于更复杂对抗场景时,存在奖励函数设计难度大、决策实时性难以满足等问题.为此,本文针对异构无人机集群对抗的实时机动决策问题展开研究.首先,构建了一个长机–僚机异构无人机集群的对抗仿真环境,其中,长机和僚机具有不同的机动和攻击能力,且对胜负具有不同影响力.其次,本文提出了一种基于多智能体强化学习的分布式无人机集群协同机动控制算法,并设计了一套结合课程学习和自博弈的策略训练与优化方法.通过设计简单的稀疏奖励结合课程学习方法即可学到异构无人机集群协同机动策略;引入自博弈对抗方式,使得对手无人机的策略更具针对性,以提升对抗的强度,从而进一步优化机动策略,使其更贴近实际需求.最后,仿真验证了本文所提方法的有效性和可扩展性.

摘要：针对当前海空集群对抗智能指挥控制决策研究缺乏有效的算法研究平台的问题,设计了深度强化学习算法研究平台。首先分析了应用需求,其次对平台组成、硬件架构进行了设计描述,最后针对想定设计、算法训练和算法评价进行了子流程设计。平台设计采用仿真内核和显示模块分离、并行与分布式运行的模式,支持深度强化学习算法的快速训练和决策控制效果的验证评价,避免直接进行海空装备实物实验耗费大量时间和面临未知风险,有效提高了算法研发效率。

摘要：集群系统在拒止环境中显现出突出的应用潜力,敌我双方集群系统之间的对抗将是未来主要作战形态之一.针对资源有限或决策受限的集群对抗场景中,双方智能体决策变量相互耦合以及存在约束的情况,基于多联盟非合作博弈理论建立集群对抗模型,通过设计多联盟非合作博弈理论的纳什均衡搜索算法得到分布式集群的最优策略.定义了一种基于时变编队跟踪的干扰与反干扰场景,验证了该算法仿真结果的有效性.

摘要：无人机集群系统是现代信息化战争体系对抗中重要的新质作战力量,是未来网络化、智能化作战的关键发展方向.随着无人集群系统装备实战化技术的突破,给现有的体系对抗带来了极大的挑战,大规模无人机集群系统反制与对抗问题是未来体系对抗的研究难点.结合集群对抗的典型任务场景与作战流程,分析了群体动力学演化控制、敌方集群统计特征识别推断和集群对抗态势效能评估的关键问题.探讨了对应的集群对抗关键技术,包括基于有限观测信息的对手建模、面向集群对抗的不完全信息动态博弈和结合虚拟领导者的集群牵制控制.结合集群对抗作战特点与任务需求分析了集群对抗问题在理论研究与实际应用中的难点与挑战.

摘要：本文将多agent系统引入到大规模无人机集群对抗决策系统中,给出了基于多agent系统的大规模无人机集群对抗决策方法.将机群中的每个无人机视为一个独立agent,建立了无人机运动模型,为无人机设计了独立的个体行为集,并针对每种行为给出了决策方法.通过每个个体无人机对其邻域环境的作用,涌现出宏观的集群对抗(作战)效果.使用MATLAB仿真软件对所设计的大规模无人机集群对抗方法进行了仿真,验证了所设计的基于多agent系统的大规模无人机集群对抗决策方法的有效性.