-
题名针对区域防御的多无人机序列捕捉算法
- 1
-
-
作者
何子琦
李博宸
王成罡
宋磊
-
机构
上海交通大学电子信息与电气工程学院
-
出处
《兵工学报》
北大核心
2025年第4期279-291,共13页
-
基金
上海交通大学深蓝计划项目(SL2022MS010)
国防科技重点实验室基金项目(2022JCJQLB03308)
国家自然科学基金项目(62303316)。
-
文摘
针对区域防御任务中多个入侵者的拦截问题,考虑追捕任务间时序关系与总体拦截效能,提出一种多无人机序列捕捉算法。基于任务的长期规划收益与短期执行效果构建任务的时序收益与空间收益,分别作为任务分配和任务执行的优化目标,实现复杂博弈问题的动态实时求解。基于可达集方法描述攻防双方优势程度并构建任务时序收益,引入深度Q网络对其进行估计进而引导任务分配;基于任务空间收益求解单攻击者追逃博弈问题,给出连续动作空间任务执行的最优控制策略。仿真结果表明,所提算法通过优化任务时空收益能够实现多无人机间的有效合作,提升防御方的捕获成功率,并具有较强的可扩展性。
-
关键词
多无人机
时空任务收益
序列捕捉
时序任务分配
深度Q网络
-
Keywords
multi-unmanned aerial vehicle
temporal and spatial rewards
sequential capture
sequential task allocation
deep Q-network
-
分类号
V279
[航空宇航科学与技术—飞行器设计]
-
-
题名基于任务评估反馈的异构无人机动态任务分配
- 2
-
-
作者
张友安
何子琦
李博宸
宋磊
-
机构
烟台南山学院智能科学与工程学院
上海交通大学电子信息与电气工程学院
-
出处
《航空兵器》
CSCD
北大核心
2024年第6期78-85,共8页
-
基金
装备预研教育部联合基金项目(8091B022235)
国家自然科学基金项目(62203299)。
-
文摘
异构无人机在动态战场环境下的任务分配是实现无人机快速战斗力生成的关键技术之一。针对现有异构无人机的任务分配方法难以响应战场不确定性带来的任务需求变化和潜在的求解可行性问题,提出一种基于任务评估反馈的动态任务分配方法。通过设计任务评估反馈模块实现对无人机任务执行效能的实时监控,并利用事件触发机制响应动态环境中变化的任务需求,基于深度Q网络实现异构无人机分配,利用任务分配和执行解耦以及动作过滤机制缓解传统强化学习稀疏奖励导致训练难以收敛的问题,形成动态快速的任务实时响应方案。仿真结果表明,提出方法可有效应对不确定战场环境带来的任务失效,最终实现比现有方法更优的任务完成率。
-
关键词
无人机
任务分配
战场不确定性
任务评估
稀疏奖励
深度Q网络
强化学习
-
Keywords
UAVs
task allocation
battlefield uncertainty
task evaluation
sparse rewards
deep Q-learning network
reinforcement learning
-
分类号
TJ760.1
[兵器科学与技术—武器系统与运用工程]
V43
[航空宇航科学与技术—航空宇航推进理论与工程]
-
