基于强化竞争学习鸽群优化的多无人机博弈决策
Decision-making of multi-UAV combat game via enhanced competitive learning pigeon-inspired optimization作者机构:北京航空航天大学自动化科学与电气工程学院仿生自主飞行系统研究组北京100083 鹏城实验室深圳518000
出 版 物:《中国科学:技术科学》 (Scientia Sinica(Technologica))
年 卷 期:2024年第54卷第1期
页 面:136-148页
核心收录:
学科分类:11[军事学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 082503[工学-航空宇航制造工程] 0835[工学-软件工程] 0825[工学-航空宇航科学与技术] 1109[军事学-军事装备学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:科技创新2030-“新一代人工智能”重大项目(编号:2018AAA0100803) 国家自然科学基金项目(批准号:U20B2071,T2121003,91948204,U1913602)资助
摘 要:多无人机(multi-unmanned aerial vehicle, multi-UAV)博弈决策是无人机博弈对抗领域的关键性技术难题.本文提出了一种强化竞争学习鸽群优化(enhanced competitive learning pigeon-inspired optimization, ECPIO)算法,以解决多无人机博弈决策问题.建立了六自由度无人机模型以及无人机博弈态势评估模型,据此计算博弈双方无人机的收益矩阵.采用非合作博弈模型,将多无人机博弈决策问题建模为基于混合策略纳什均衡的目标函数寻优问题,采用强化竞争学习鸽群优化求取目标函数的最优解,通过引入强化竞争学习策略可有效降低优化结果陷入局部最优的概率.最后,通过将所提出的强化竞争学习鸽群优化算法与基本鸽群优化、基本粒子群优化、竞争粒子群优化以及反向学习粒子群优化算法的仿真对比实验,验证了所提方法解决多无人机博弈决策问题的可行性与有效性.