基于MMDP的无人作战飞机任务分配模型研究
基于突发任务多无人作战飞机攻击多目标研究
系
统
仿
真
学
报
200 150 100 50 0 -50 -100
Jan., 2007
n1 多目标攻击规划器
n2 协同路径规划
Research on Method of Multiple UCAVs Multi-target Attacking Path Planning Based on Pop-up Mission
MENG Bo-bo, GAO Xiao-guang, DING Lin
(Institute of Electronic Engineering, Northwestern Polytechnical University, Xi’ an 710072, China)
(6)
7L i /10 、9 L i /10 点处分别计算某一雷达对该边的威胁值，再
将计算结果合并[3]。其中 L i 是第 l i 边的长度。威胁代价计算 公式为
J i , j = Li ∑ (
j =1 n
文献[2-3]给出了协同规划的分解算法。 这里将分解算法 改进为以路径长度为协同变量进行的分解算法。 在路径规划 中，每架无人机计算出自己的最优路径，每条路径有一个对 协同规划求出 N 架无人机使得总体代价值 应的飞行代价 Ji。 最小的 Li，然后将 Li 传给每一架无人机。无人机根据 Li 和 各自规划的路径选择合适的速度飞行。可以看出，各架无人 称 Li 为协同变量， 总体代价值 机之间交流的内容是时间 Li， 为协同函数。Lmax 和 Lmin 的关系按照式(6)确定。改进后的分 解算法如图 1 所示：
[5]
Vi max = Vmax
(4) (5)
Vi min = Vmin
无人机集群任务分配技术研究综述
无人机集群任务分配技术研究综述
毕文豪;张梦琦;高飞;杨咪;张安
【期刊名称】《系统工程与电子技术》
【年(卷),期】2024(46)3
【摘要】任务分配是无人机集群实现高效遂行作战任务的关键技术。
随着无人机集群技术的发展和作战样式的转变,无人机集群的作战任务领域不断拓展,任务分配所涵盖的范围不断扩大,任务分配问题的规模和复杂性不断增加,这都对无人机集群任务分配技术提出了新的挑战。
本文对无人机集群作战理论、任务分配建模、任务预重分配算法、异构无人系统联合应用下任务分配的研究现状进行了全面的总结,凝练了目前无人机集群任务分配技术面临的通用化建模、面向多任务的任务预分配算法最优解求解、有限时间下面向突发事件的任务重分配算法寻优、路径规划紧耦合下面向大规模异构无人系统的协同任务分配等问题,并针对性地论述了未来无人机集群任务分配技术的若干发展方向,为提升无人机集群任务分配的求解质量和求解速度提供新的研究思路和解决途径,对于全面了解无人机集群任务分配技术具有重要参考意义。
【总页数】13页(P922-934)
【作者】毕文豪;张梦琦;高飞;杨咪;张安
【作者单位】西北工业大学航空学院;山东交通学院航空学院
【正文语种】中文
【中图分类】V249
【相关文献】
1.基于改进贪心算法的无人机集群协同任务分配
2.基于蜂群行为的无人机集群配送任务分配研究
3.基于混沌蚁群算法的集群无人机协同任务分配
4.基于序列生成对抗网络的无人机集群任务分配方法
5.基于混合群智能算法的无人机集群任务分配
因版权原因，仅展示原文概要，查看原文内容请购买。
基于DoDAF的直升机_无人机协同作战装备体系研究
基于DoDAF的直升机/无人机协同作战装备体系研究发布时间：2022-07-29T03:15:39.347Z 来源：《科学与技术》2022年6期作者：任超1，孙凤男2，田更伟1，庞建宇1[导读] 针对直升机/无人机协同作战装备体系论证需求，本文在对系统建模方法与工具系统分析的基础上，从分析作战通用流程任超1，孙凤男2，田更伟1，庞建宇1（1.61213部队，山西临汾041000；2.32142部队，河北保定071000）摘要：针对直升机/无人机协同作战装备体系论证需求，本文在对系统建模方法与工具系统分析的基础上，从分析作战通用流程入手，构建了基于DoDAF的作战装备体系研究框架，为下一步直升机/无人机协同作战装备体系的建立提供理论支持，对于开展其他复杂大系统的装备体系结构研究具有借鉴意义。
关键词∶直升机；无人机； DoDAF;装备体系1 前言直升机/无人机协同作战系统兼具机械化装备和信息化装备的优势，成为作战体系中重要的信息和火力节点，在信息支持、信息对抗、对地攻击和制空作战等任务领域占有重要地位。
无人机执行任务前，都要进行起飞前准备及作战过程中的飞机状态监控、信息及航路控制等，这些活动对应了无人机具备的某种能力。
而在能力需求分析中，会出现某些能力的重复定义或考虑不周等情况，因此有必要从联合作战和体系角度对无人机系统能力进行规范化梳理，按照整个作战活动要求梳理出能力体系。
本文在深入理解DoDAF思想的基础上，利用AM软件对通用无人机系统的作战视图开展研究，完成了全景视图A V-1、系统总体视图SV-1a和SV-1b、能力构想图CV-1、信息交换矩阵OV-3等视图产品的分析与设计，对理解有/无人机系统体系结构、研究直升机/无人机协同作战流程、探索其系统构成具有较大参考价值。
2 建模方法与工具DoDAF是一种由美国国防部开发、旨在创建跨越组织和国界系统架构的规范，为体系、复杂大系统的理解、比较、集成、互操作提供了共同的架构基础，还提供了开发和表达架构描述的规则和指南。
智能无人系统的动态任务分配研究
智能无人系统的动态任务分配研究在当今科技飞速发展的时代，智能无人系统正逐渐成为各个领域的重要力量，从工业生产到军事应用，从太空探索到日常生活服务，其身影无处不在。
而在智能无人系统的众多关键技术中，动态任务分配无疑是一个至关重要的研究课题。
智能无人系统，顾名思义，是指那些在没有人类直接干预的情况下，能够自主感知、决策和执行任务的系统。
这些系统通常由多个智能无人单元组成，如无人机群、无人车编队等。
在复杂多变的环境中，如何高效、合理地将任务分配给这些无人单元，以实现整体系统性能的最优，是动态任务分配需要解决的核心问题。
首先，让我们来思考一下为什么动态任务分配如此重要。
想象一个场景，在灾难救援中，需要一组无人机快速搜索受灾区域，寻找幸存者。
如果任务分配不合理，有的区域可能被多次重复搜索，而有的区域则被遗漏，这不仅浪费了宝贵的时间和资源，还可能导致救援行动的延误，威胁到幸存者的生命安全。
再比如，在物流配送中，无人车需要将货物准确、及时地送达各个目的地。
如果任务分配不当，可能会导致某些车辆过度劳累，而另一些车辆闲置，影响配送效率和成本。
那么，智能无人系统的动态任务分配面临哪些挑战呢？其一，环境的不确定性。
任务执行的环境可能会随时发生变化，比如天气突变、道路堵塞、通信中断等。
这些不确定性因素会影响无人单元完成任务的能力和效率，从而需要实时调整任务分配方案。
其二，任务的多样性和复杂性。
不同的任务可能具有不同的要求和优先级，有的任务需要尽快完成，有的任务需要高精度完成，有的任务则需要消耗较少的资源。
如何在众多不同类型的任务中进行权衡和分配，是一个难题。
其三，无人单元之间的协同性。
智能无人系统中的各个单元需要相互协作，共同完成任务。
但由于每个单元的性能和状态可能不同，如何确保它们之间的协同工作，避免冲突和重复劳动，也是动态任务分配需要考虑的重要因素。
为了解决这些挑战，研究人员提出了多种方法和策略。
一种常见的方法是基于优化算法的任务分配。
基于机器博弈的无人战斗机的空战建模与仿真的开题报告
基于机器博弈的无人战斗机的空战建模与仿真的开题报告一、研究背景和意义随着现代航空技术的飞速发展，无人机技术的跨越式进步，无人战斗机已成为当前火热的研究领域之一。
同时，机器博弈也是近年来受到广泛关注的研究方向，它可以应用于多个领域，如智能控制、自主决策、军事模拟等。
由此，将机器博弈的方法应用于无人战斗机进行空战建模和仿真具有重要的研究意义。
本研究旨在探究基于机器博弈的无人战斗机的空战建模和仿真，研究成果将有助于深入理解机器博弈的理论方法和应用，同时也有力地促进无人战斗机在军事模拟和作战中的应用。
二、研究内容和思路1. 学习机器博弈基础理论、空战策略和相关建模方法；2. 分析无人战斗机的空战特点、技术需求和作战模式；3. 制定基于机器博弈的无人战斗机空战建模和仿真方案；4. 完成无人战斗机的空战建模和空战仿真；5. 总结研究过程和成果，撰写论文。
三、研究方法和技术路线本研究采用以下研究方法：1. 科学文献综述法。
通过查阅学界和业界相关文献，总结和分析机器博弈的基础理论、无人战斗机的空战技术需求和作战特点，获得空战建模和仿真的技术知识；2. 合理制定仿真方案。
理论基础确立后，依据无人机的作战特点制定仿真方案，明确模型参数、输入输出以及仿真数据；3. 实验实现。
利用MATLAB或者Python等仿真软件实现建模和仿真，模拟无人战斗机的空战过程；4. 性能评估和优化。
对仿真结果进行性能评估与优化，找到模型存在的问题和不足之处并进行改进。
研究技术路线：1. 学习机器博弈的基础理论、空战策略和相关建模方法；2. 分析无人战斗机的空战特点、技术需求和作战模式，制定基于机器博弈的空战建模和仿真方案；3. 对仿真模型进行实现、仿真研究；4. 利用仿真结果对模型进行评估优化；5. 撰写论文。
四、预期成果1. 掌握机器博弈的基础理论和应用方法；2. 理解无人战斗机的空战特点和技术需求，掌握空战建模和仿真方法；3. 制定出基于机器博弈的无人战斗机的空战建模方案，并完成仿真；4. 对仿真结果进行分析和评估，优化空战建模模型；5. 撰写符合学术水平的学术论文。
基于博弈的差分进化和粒子群相结合的无人机任务分配
基于博弈的差分进化和粒子群相结合的无人机任务分配作者：***来源：《现代信息科技》2023年第17期摘要：無人机具有成本低、灵活性高、部署方便等优点，在军事和民用领域得到了广泛的应用，然而，无人机的智能化水平难以应对复杂不确定的任务环境。
为了提高无人机的智能性与协同能力，文章提出基于博弈的差分进化算法（Differential Evolution， DE）和粒子群算法（Particle Swarm Optimization， PSO）相结合的无人机任务分配，采用博弈论中的联盟博弈模型实现算法之间的相互协作。
事实上，在每一轮迭代和特定迭代之后，DE和PSO算法进入博弈环境，基于纳什议价理论共同进行博弈，以达到联盟博弈中的纳什均衡状态。
最后，通过仿真实验验证了所提算法的有效性。
关键词：粒子群算法；差分进化算法；联盟博弈；任务分配中图分类号：TP18 文献标识码：A 文章编号：2096-4706（2023）17-0055-06UAV Task Allocation Based on Game Differential Evolution andParticle Swarm OptimizationWANG Songbai（School of Information， North China University of Technology， Beijing 100144， China）Abstract： UAVs have the advantages of low cost， high flexibility， and easy deployment，and have been widely used in military and civilian fields. However， the intelligence level of UAVs is difficult to cope with complex and uncertain task environment. In order to improve the intelligence and collaboration capability of UAVs， this paper proposes a UAV task allocation based on game Differential Evolution （DE） and Particle Swarm Optimization （PSO）， which uses the coalitional game model in Game theory to achieve mutual cooperation among algorithms. In fact，after each iteration and a specific iteration， the DE and PSO algorithms enter the game environment and jointly engage in the game based on Nash bargaining theory to achieve the Nash equilibrium state in alliance games. Finally， the effectiveness of the proposed algorithm is verified through simulation experiments.Keywords： Particle Swarm Optimization; differential evolution algorithm; coalitional game; task allocation0 引言无人机具有成本低、灵活性高、部署方便、隐蔽性好等优点，在侦察打击、信息收集、搜索救援等军事和民用领域发挥着至关重要的作用[1，2]。
基于粒子群算法的多无人机任务分配
基于粒子群算法的多无人机任务分配作者：李士波来源：《软件导刊》2018年第07期摘要：多无人作战飞机任务分配是无人机协同控制的一项关键技术。
综合无人机后续攻击任务和影响无人机作战效能评估的各种因素，按照分阶段分配方法建立了多UCAV任务分配模型，并使用粒子群算法对建立的任务分配模型进行求解，将每个粒子的位置使用两个多维向量表示，两个向量分别采用两种不同方式同时进化。
该方法解决了分配模型复杂性带来的分配难题，取得了良好的分配效果。
关键词：任务分配；协同控制；无人作战飞机；粒子群优化DOI：10.11907/rjdk.173133中图分类号：TP319文献标识码：A文章编号：1672-7800（2018）007-0193-03Abstract：Multi-UCAVmissionallocationisthekeytechniqueforcoordinatecontrol.Consideringtheconsequentattackmissi onandthemainfactorsthataffectcombatefficiencyassessment，themissionallocationmodelthatbasedondifferentstagesisestablished.Particleswarmoptimizationalgorith misproposedtosolvetheproblem，eachparticle’spositionisexpressedintwomulti-dimensionvectorsandthevectorsevolveindifferentmannerssynchronously，theevolvevalueisusedincostevaluationsubsequently.Thismethodhassolvedtheallocationproblemthatbrou ghtaboutthecomplexityoftheallocationmodelandreceivedgoodallocationresults.KeyWords：missionallocation；coordinatecontrol；unmannedcombataerialvehicle；particleswarmoptimization（PSO）0引言无人作战飞机（UnmannedCombatAerialVehicles，UCAV）从事的任务具有很大的危险性和复杂性，因此通常采用多架无人机共同执行任务的策略[1-3]。
基于模糊PID的无人机编队控制
Ｊ Ｉ ＡＯ Ｌ ｉ ｎ － ｇ ｕ ａ ｎ，Ｓ ＨＩ Ｐ ｅ ｎ ｇ － ｆ ｅ ｉ ，Ｗ Ｅ Ｉ Ｗｅ ｎ — ｌ ｉ ｎ ｇ
（ Ｄ ｅ ｐ ａ ｒ ｔ ｍｅ ｎ ｔ ｏ ｆ Ｆ ｌ ｉ ｇ ｈ ｔ Ｃ ｏ ｎ ｔ ｒ ｏ ｌ ，Ｆ ｌ ｉ ｇ ｈ ｔ Ａ ｕ ｔ ｏ ｍ ａ ｔ ｉ ｃ Ｃ ｏ ｎ ｔ ｒ ｏ ｌ Ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ， Ｘ ｉ ’ ａ ｎ Ｓ ｈ ａ ｎ ｘ ｉ ７ １ ０ ０ ６ ５ ，Ｃ ｈ ｉ ｎ ａ ）
基于遗传算法的多UCAV动态任务分配研究
基于遗传算法的多UCAV动态任务分配研究梁国伟;王社伟;徐明仁;虞飞【摘要】为了使多无人作战飞机在复杂多变的动态战场环境下协同性、实时性更优,文章针对多无人作战飞机动态任务分配问题建立了一种扩展的多目标整数规划模型,同时设计了基于模糊集隶属度的混合重调度方法,并采用遗传算法进行求解;对无人作战飞机失效和出现新目标两种动态情况进行仿真实验,与完全重调度进行对比,得到基于模糊集隶属度的混合重调度方法在效率及稳定性方面明显优于完全重调度,说明设计的混合重调度方法及模型在解决多无人作战飞机动态任务分配问题上的有效性.【期刊名称】《计算机测量与控制》【年(卷),期】2015(023)009【总页数】6页(P3219-3224)【关键词】无人作战飞机;多目标整数规划模型;混合重调度;遗传算法【作者】梁国伟;王社伟;徐明仁;虞飞【作者单位】空军航空大学,长春130022;空军航空大学,长春130022;海军航空工程学院,山东烟台 264001;海军航空工程学院,山东烟台 264001【正文语种】中文【中图分类】V279近年来，多UCAV协同控制已经成为UCAV领域的一个研究热点，而任务分配是多机协同控制的重要研究内容之一［1-4］。
在多UCAV协同执行任务过程中，由于战场环境的复杂多变，可能会出现多种意外状况，导致UCAV无法按照预先的任务分配方案继续执行任务。
此时，必须按照当前的战场环境以及UCAV的状态，对分配方案进行动态地调整或者实行任务再分配，使得作战效果达到最优。
目前，已有学者应用拍卖机制［5］，在线滚动策略［6］等对多UCAV的任务重分配问题进行了求解，本文建立了一种扩展的多目标整数规划模型，提出了基于模糊集隶属度的混合重调度方法，然后利用遗传算法［7，8］对多UCAV的作战任务进行任务重分配。
1.1 问题描述假设UCAV编队在一个二维空间执行任务，UCAV执行任务前已预先获知战场地形以及存在于战场中的一系列目标位置。
基于模糊PID的无人机姿态控制器的设计_陈鹏
第35卷第1期2015年2月弹箭与制导学报Journal of Projectiles，Ｒockets，Missiles and GuidanceVol．35No．1Feb2015基于模糊PID的无人机姿态控制器的设计*陈鹏，段凤阳，张庆杰，郑志成，肖伟（空军航空大学飞行器控制系，长春130022）摘要：针对某型无人机控制器在非线性条件下动态性能欠佳的问题，把容易实现、鲁棒性好的PID控制法与智能模糊控制算法结合，设计出自适应模糊PID无人机姿态控制器。
针对隶属度函数过度依赖专家经验的问题，运用遗传算法来优化隶属度函数，使控制效果达到优化。
经过仿真验证，所设计的控制器不但有PID控制精度高、易于实现的优点，还有模糊控制器超调小、动态响应快等优点，并且提高了跟踪和抗干扰性能，可以完成准确快速的姿态控制。
关键词：模糊PID；无人机；姿态控制器；优化隶属函数中图分类号：V249．1文献标志码：ADesign of UAV Attitude Controller Based on Fuzzy PIDCHEN Peng，DUAN Fengyang，ZHANG Qingjie，ZHENG Zhicheng，XIAO Wei（Department of Aviation Controlling，Aviation University of Air Force，Changchun130022，China）Abstract：The design of adaptive fuzzy PID UAV attitude control uses common PID control method and fuzzy control algorithm，since the membership function is over dependent on expert experience；genetic algorithm is used to optimize the membership function，the optimal control effect．The dynamic performance and robustness of the controller are greatly improved compared with traditional attitude controller，which is proved by simulation．Keywords：fuzzy PID；UAV；attitude controller；optimization of membership function0引言在科技发展的浪潮中，不断有新的控制理论被提出，而经典的PID控制作为最有效的控制方法还是占据了90%以上的应用领域［1］，常规气动布局的飞机用PID方法来实现飞行姿态控制的应用亦是非常广泛［2］。
基于拍卖方法的多UAV任务分配
基于拍卖方法的多UA V任务分配姜荣凯，王志胜南京航空航天大学自动化学院，南京（210016）E-mail：jrk79@摘要：任务分配是多无人飞机（UA V）协同控制的核心和有效保证。
针对多UA V系统分布式的特点，将拍卖的分配方法引入多UA V的任务分配中，通过招标、投标、中标过程实现动态分布式的任务分配和任务重分配。
将无人机任务负载系数作为约束条件引入任务分配过程，通过平衡系统中各个UA V的负载系数达到控制整个任务分配过程的目的。
仿真实验表明，这种通过任务负载系数控制的拍卖形式的任务分配方法能够快速有效的实现多UA V 多任务系统的任务分配和重分配，同时能在系统的任务效能和UA V任务负载之间取得平衡。
关键词：多UA V系统；任务分配；拍卖；负载系数0 引言无人飞机（Unmanned Aerial Vehicle,UA V）是一种先进的高自主性系统，由于任务的复杂性，未来的UA V系统需要实现对多架UA V的协同控制。
目前多UA V协同任务控制的研究方法主要分为集中式与分布式控制。
集中式控制方法[1-5]能够从全局对问题进行求解和优化，但主要适用于任务开始前的预先规划，而难以适应任务执行过程中的动态任务控制。
近年来分布式控制方法得到了快速的发展.在多机器人系统领域得到了广泛的应用[6,7]。
在多无人机协同任务控制研究上也体现出了突出的优势[8]。
与集中式控制系统相比，.分布式的多UA V系统具有以下优点：充分发挥UA V的自治性.使得通信量减小；.能够降低对通信的依赖性;；计算分布在系统的各个计算节点，从而能够实现对态势变化的快速反应;；系统具有很强的鲁棒性和容错性；可扩展性好；UA V平台自主能力的不断提高为分布式协同控制方法提供了良好的基础和应用前景。
多UA V的分布式协同控制己成为国外受到广泛关注的热点研究问题[9-11]。
在Multi-UA V系统中，某一具体任务究竟由哪架UA V执行，本文提出了一种拍卖的方法对任务进行规划与分配，即所有能执行该任务的UA V作为竞标者对各自当前状态和执行该任务所需的代价进行综合考虑，得到申请执行该任务的标值，任务的拍卖者从系统的整体考虑（系统的优化指标）选出竞标值最大的一个，那么该竞标值所对应的UA V即为拍卖胜出者。
基于粒子群算法的多无人机任务分配
基于粒子群算法的多无人机任务分配
李士波
【期刊名称】《软件导刊》
【年(卷),期】2018(017)007
【摘要】多无人作战飞机任务分配是无人机协同控制的一项关键技术.综合无人机后续攻击任务和影响无人机作战效能评估的各种因素,按照分阶段分配方法建立了多UCAV任务分配模型,并使用粒子群算法对建立的任务分配模型进行求解,将每个粒子的位置使用两个多维向量表示,两个向量分别采用两种不同方式同时进化.该方法解决了分配模型复杂性带来的分配难题,取得了良好的分配效果.
【总页数】4页(P193-195,213)
【作者】李士波
【作者单位】山东金特装备科技发展有限公司,山东济南250117
【正文语种】中文
【中图分类】TP319
【相关文献】
1.基于改进粒子群算法的多无人机任务分配研究 [J], 国博;王社伟;陶军
2.基于改进量子粒子群算法的多无人机任务分配 [J], 邓可;连振江;周德云;李枭扬
3.基于粒子群算法的多无人机任务分配 [J], 李士波
4.基于自适应遗传算法的多无人机协同任务分配 [J], 王树朋;徐旺;刘湘德;邓小龙
5.基于改进PGA-PSO的多无人机协同雷达侦察任务分配 [J], 狄城弘;周陬;顾宇;周兰兰
因版权原因，仅展示原文概要，查看原文内容请购买。
基于UMOP模型的无人机任务分配问题研究
基于UMOP模型的无人机任务分配问题研究
薛明浩;王族统;端木京顺
【期刊名称】《电光与控制》
【年(卷),期】2016(023)010
【摘要】为解决无人机任务的分配问题,通过对飞行时间、作战威胁以及耗油量等非决定性因素进行综合考虑和建模分析,将其抽象为不确定变量;建立了带有专家信度的不确定多目标规划(UMOP)模型,并给出了相应的求解方法.最后,通过实例验证了该模型的有效性.
【总页数】5页(P13-17)
【作者】薛明浩;王族统;端木京顺
【作者单位】空军工程大学装备管理与安全工程学院,西安710043;空军工程大学装备管理与安全工程学院,西安710043;空军工程大学装备管理与安全工程学院,西安710043
【正文语种】中文
【中图分类】V279
【相关文献】
1.基于AMPSO算法的无人机任务分配问题研究 [J], 董海霞;邹杰
2.一种改进的基于时间约束的无人机任务分配模型 [J], 王辉;陈红林
3.基于Agent的多无人机任务分配模型 [J], 罗贺;王国强;胡笑旋;夏维
4.基于MILP模型的多无人机对地攻击任务分配 [J], 倪谣;周德云;马云红;贺宝财
5.基于改进合同网的无人机群协同\r实时任务分配问题研究 [J], 张梦颖;王蒙一;王晓东;宋勋
因版权原因，仅展示原文概要，查看原文内容请购买。
作战无人机系统的人、机功能动态分配模拟仿真
作战无人机系统的人、机功能动态分配模拟仿真
张炜;李道春;宋笔锋
【期刊名称】《人类工效学》
【年(卷),期】2005(011)001
【摘要】研究了人的处境意识在作战无人机的任务管理和操作环节中的作用和地位,应用软件编程构建了目标判别任务条件下,基于人的监视效率变化的人-机界面自动调节环节.初步实现了作战无人机任务管理过程中的人、机功能动态分配仿真,并进行了模拟实验.结果表明具有自动调节功能的界面更有利于保持操作人员的处境意识水平.
【总页数】3页(P5-7)
【作者】张炜;李道春;宋笔锋
【作者单位】西北工业大学航空学院,陕西,西安,710072;西北工业大学航空学院,陕西,西安,710072;西北工业大学航空学院,陕西,西安,710072
【正文语种】中文
【中图分类】TB18;R857.2
【相关文献】
1.有人机与无人机协同作战系统关键技术研究 [J], 杜壮;刘刚
2.有人机／无人机协同作战系统关键技术研究 [J], 刘纪文;袁胜智;漆云海;叶文
3.有人机/无人机协同作战系统关键技术 [J], 蔡俊伟;龙海英;张昕
4.基于灰关联分析的疆区多功能无人机作战能力需求分析 [J], 朱虎;胡锦强
5.智能化作战条件下的无人机系统应用及其关键技术 [J], 张明杰;盛耀威
因版权原因，仅展示原文概要，查看原文内容请购买。
基于MILP模型的多无人机对地攻击任务分配
基于MILP模型的多无人机对地攻击任务分配
倪谣;周德云;马云红;贺宝财
【期刊名称】《火力与指挥控制》
【年(卷),期】2008(033)011
【摘要】针对多无人机空对地攻击优化问题,给出了基于时序的混合整数线性规划(MILP)任务分配模型,该模型不仅描述简洁、直接,而且可以通过对约束条件的修正来满足实际问题需要.同时,利用LINGO软件进行了仿真求解,仿真结果表明,该模型不仅可以找到最短的任务执行时间,而且能够合理安排任务时序,使任务能够紧凑而有序地进行,有助于提高无人机任务执行效率和生存能力.
【总页数】4页(P62-65)
【作者】倪谣;周德云;马云红;贺宝财
【作者单位】西北工业大学电子信息学院,陕西,西安,710072;西北工业大学电子信息学院,陕西,西安,710072;西北工业大学电子信息学院,陕西,西安,710072;西安通信学院,陕西,西安,710106
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于MILP的多无人机对敌防空火力压制 [J], 颜骥;李相民;刘波;刘立佳
2.多无人机对地攻击任务分配算法 [J], 周小程;严建钢;谢宇鹏;翟鸿君
3.基于贝叶斯优化算法的UCAV编队对地攻击协同任务分配 [J], 张安;史志富;刘
海燕;何艳萍
4.基于Agent的多无人机任务分配模型 [J], 罗贺;王国强;胡笑旋;夏维
5.基于自适应遗传算法的多无人机协同任务分配 [J], 王树朋;徐旺;刘湘德;邓小龙因版权原因，仅展示原文概要，查看原文内容请购买。
无人作战飞机任务系统技术研究
文章编号:1671-637Ⅹ(2006)01-0055-05无人作战飞机任务系统技术研究张 红, 卢广山, 朱荣刚(中国一航洛阳电光设备研究所,河南洛阳 471009)摘 要: 先进的任务系统是UCAV执行作战任务的核心。
本文从功能层、物理层和技术实现层三个层面论述了UCAV任务系统方案:在功能层上,该方案采用操控/自主攻击方式,既可由地面控制站操作员操纵,执行作战任务,也可由UC AV任务系统对目标进行自动识别、威胁判断、攻击排序及火力分配,自主完成攻击及对威胁的规避任务;或者由操作员指定攻击目标后,任务系统自动规划飞行轨迹和飞行操作指令,由飞控系统控制UC AV自主飞行到最佳攻击区域完成对目标的攻击。
在物理层上,任务系统由机载任务系统、地面控制站两大部分组成。
在技术实现层上,涉及的关键技术主要有任务规划技术、传感器数据处理与信息融合技术、传感器管理技术、态势评估与战术决策技术、自主攻击技术等。
关 键 词: 无人作战飞机; 任务系统中图分类号: V271.4 文献标识码: AStudy on mission system of UCAVsZHANG Hong, LU Guang-shan, ZHU Rong-gang(Luoyang Institute of Electro-optical Equipment,A VICⅠ,Luoyang471009,China)A bstract: Advanced mission system is the core for operation of Unmanned Combat Aerial Vehicles(U-C AVs).The authors analyze the scheme of the mission system in three levels of functional,physical and tech-nical realization.In functional level,c ontrolled/autonomous attacking mode is used,in which the UCAV can be controlled by the operator at the ground station for executing operational task,and also can realize automatic tar get recognition,threat evaluation,attacking sequencing and fire po wer distributing,complete target attack-ing and threat evading autonomously.Another operation mode in this level is:the operator designates the target to be attacked,and the mission system will plan the flight route and flight operation instruction automatically, control the UCAV autonomously by the flight control system for flying to the optimum area for attacking.At the physical level,the mission system is composed of two parts of airborne mission system and the ground control station.At technical realization level,the main critical technologies include mission plan,sensor data process-ing and information fusion,sensor management,situation evaluation and tactical decision-making,and au-tonomous attacking etc.Key Words: UCAV; mission system0 引言UC AV是指无人在机上驾驶、可自主控制或遥收稿日期:2005-03-01 修定日期:2005-09-02作者简介:张红(1973-),男,河南固始人,高工,主要研究方向为机载火控系统总体设计与武器系统作战效能分析。
基于不完备区间信息的多无人机任务分配
基于不完备区间信息的多无人机任务分配陈侠;胡显伟【摘要】在无人机作战系统中,多无人机(UCAV)任务分配问题是一个重要研究课题.给出了一种不完备信息环境下的多无人机任务分配方法.首先考虑了任务分配的各项指标,并分析指标中的不完备信息,然后通过建立区间可能度公式,采用粒子群方法(PSO),给出了多无人机任务分配方法.最后通过仿真实验验证了该方法的可行性和有效性,可以有效且合理地解决不确定环境下的多无人机任务分配问题.【期刊名称】《沈阳航空航天大学学报》【年(卷),期】2015(032)004【总页数】7页(P50-56)【关键词】多无人机;不完备信息;粒子群算法;任务分配【作者】陈侠;胡显伟【作者单位】沈阳航空航天大学自动化学院,沈阳110136;沈阳市化工学校化机系,沈阳110122【正文语种】中文【中图分类】TP391.9随着作战环境的日益复杂,无人机作战任务也日益多样化，多机作战能够实现攻击多个敌方目标，且提高其杀伤概率，因而将成为未来空战的主流趋势。
而多无人机任务分配是研究空战问题的重要课题，目前任务分配研究方法主要有：多旅行商问题模型[1]、车辆路径问题模型[2]、动态网络流模型[3]、混合整数线性规划模型[4]。
多UCAV(Unmanned Combat Aerial Vehicles)协同任务分配求解方法主要包含多目标整数规划、分支定界、网络流量优化方法、蚁群算法[5]、遗传算法[6-7] 、基于市场竞拍机制算法[4]、粒子群优化算法[8]等。
虽然各国对于多无人机任务分配问题取得了大量的科研成果，可是在已经获得的成果中，我们获得的战场信息往往都是确定的。
然而实际上，由于无人机在战场环境中受到各种干扰及传感器精度的限制，获得的信息大多是不完全信息，在数学上将其描述成不完备信息。
所以，在不确定环境情况下，需要把不完备的信息转化成完备信息。
因此，基于不完备信息的多UCAV任务分配是一个新的重要课题。
一种基于模体的无人机集群智能任务规划方法
一种基于模体的无人机集群智能任务规划方法
王维平;王涛;李小波;刘佳杰
【期刊名称】《系统仿真学报》
【年(卷),期】2018(30)4
【摘要】由于无人机集群中通信受到制约,无人机集群配系需要随着任务的改变而变化。
如何在有限通信下进行无人机集群的智能任务规划成为研究的热点和难点问题。
基于功能建立了无人机集群作战网络模体模型框架,提出了6类不同功能类型的基础模体模型;通过能力需求和信息需求将作战任务映射到完成这项任务需要的模体种类和数量;利用"多维动态列表调度法"进行无人机集群的任务规划策略的自动生成。
使用定制的NSGA-Ⅱ算法通过改变任务执行顺序,对作战时间和连接改变量进行任务规划策略的自动优化选择。
通过一个案例对本文所提出的方法进行了初步验证。
【总页数】10页(P1211-1220)
【作者】王维平;王涛;李小波;刘佳杰
【作者单位】国防科技大学系统工程学院
【正文语种】中文
【中图分类】C935
【相关文献】
1.异构无人机集群的分布式多智能体任务规划
2.无人机集群任务规划方法研究
3.一种无人机集群对抗多耦合任务智能决策方法
4.基于智能体的无人机集群弹性均衡度量与仿真评估方法
5.无人机集群协同搜索跟踪任务规划方法
因版权原因，仅展示原文概要，查看原文内容请购买。
无人机任务分配综述
无人机任务分配综述陈侠;乔艳芝【期刊名称】《沈阳航空航天大学学报》【年(卷),期】2016(033)006【摘要】As part of mission planning,task allocation is an important guarantee for the unmanned aerial ve-hicle( UAV)to accomplish military tasks and has been an active research topic in UAV combat systems. First,the basic concept of UAV task allocation was introduced. Then,thetask allocation of UAV was sum-marized from centralized,distributed and hierarchical distributed allocations. Finally,the key technologies and future development trend of UAV task allocation were analyzed. Suggestion on the future study was put for-ward in terms of the cooperative task allocation of heterogeneous multi-type UAV,task allocation under un-certain conditions,static game,dynamic game,dynamic real-time task allocation,and multi-factor integrated task allocation.%任务分配是无人机完成军事任务的重要保证，是任务规划的重要组成部分，一直是无人机作战系统的重要研究课题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｔ ｈ ｅ ｂ ｅ ｓ ｔ ｔ ａ ｓ ｋ ａ ｓ ｓ ｉ ｇ ｎ ｍｅ ｎ ｔ ｐ ｏ ｌ ｉ ｃ ｙ ｉ ｎ ａ ｌ ｌ ｏ ｐ ｔ ｉ ｏ ｎ ａ ｌ ｄ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ｓ ｅ ｔ ｓ ．Ｎ ｕ ｍｅ ｉ ｒ ｃ ｌ ａ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｖ ｅ ｉ ｒ ｉ ｆ ｅ ｓ ｔ ｈ ｅ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｎ ｅ ｓ ｓ ｏ ｆ ｔ ｈ ｅ ａ ｌ ｇ ｏ ｉ ｒ ｔ ｈ ｍ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ Ｍｕ ｌ ｔ ｉ — ａ ｇ ｅ ｎ ｔ Ｍａ ｒ ｋ ｏ ｖ ｄ Ｕｎ ｍａ ｎ ｎ ｅ ｄ ｃ ｏ ｍｂ ａ ｔ ａ ｅ ｒ ｉ ｌ ａ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｓ Ｄｙ ｎ ａ ｍｉ ｃ ｔ ａ ｓ ｋ ａ ｌ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ
（ Ｍｕ ｈ ｉ — Ａ ｇ ｅ ｎ ｔ Ｍａ ｒ ｋ Ｏ Ｖ Ｄ ｅ ｃ ｉ ｓ ｉ ｏ ｎ Ｐ ｒ ｏ ｃ ｅ ｓ ｓ ） 的动态任务分配模型 ； 系统 中状态信息 、 目标 的出现和 收益值 等均服从概 率分布 ； 改进 的 ＭＭ— Ｄ Ｐ寻优算 法以多 Ｕ Ｃ Ａ Ｖ在有 限时 间内执行任务 收益值最 大为评价 函数 ， 并应用遗传算法在所有可选决策集 中确定最优任务分 配策
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ， Ａ ｉ ｒ Ｆ ｏ ｒ ｃ ｅ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｘ ｉ ’ ａ ｎ ７ １ ０ ０ ３ ８ ，Ｓ ｈ ａ ａ ｎ ｘ ｉ ，Ｃ ｈ ｉ ｎ ａ ） 。 （ Ｄ ｅ ｐ ａ ｎ ｎ ￣ ｎ ｔ ｆＴ ｏ ｒ ａ ｉ ｎ ｉ ｎ ｇ ， Ａ ｉ ｒ Ｆ ｏ ｒ ｃ ｅ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｘｉ ’ ａ ｎ ７ １ ０ ０ ５ １ ， Ｓ ｈ ａ ａ ｎ ｘ ｉ ，Ｃ ｈ ｉ ｎ ａ ） （ Ｒ ｅ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ａ ｔ ｉ ｖ ｅ Ｏ ｆ ｆ ｗ ｅ ｆｔ ｏ ｈ ｅ Ｐ Ｉ Ａ’ ｓ Ａ Ｆ ｏ ｒ ｃ ｅ ， Ｚ ｈ ｅ ｎ ｇ ｚ ｈ ｏ ｕ ４ ５ ０ ０ ０ ６， Ｈ ｅ ｎ ａ ｎ ，Ｃ ｈ ｉ ｎ ａ ）
李月娟 吕永健 常迁臻 朱李云。
（ 空军工程大学航空航天工程学 院 （ 空军工程大学训练部 （ 空军驻郑州地 区军事代表室 陕西 西安 ７ １ ０ ０ ３ ８ ） 河南 郑州 ４ ５ ０ ０ ０ ６ ） 陕西 西安 ７ １ ０ ０ ５ １ ）
摘
要
针对 多无人作 战飞机 动态任 务分配问题 ， 以马 尔科夫决策过程理论 为基 础， 建立基于 多智 能体马 尔科夫决策过 程 ＭＭＤ Ｐ
（ ＭＭＤ Ｐ ）ｉ ｓ ｂ ｕ ｉ ｌ ｔ ａ ｉ ｍ ｉ ｎ ｇ ａ ｔ ｔ ｈ ｅ ｄ ｙ ｎ ａ ｍｉ ｃ ｔ ａ ｓ ｋ ａ ｌ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｏ ｆ ｍｕ ｌ ｔ ｉ ｐ ｌ ｅ ｕ ｎ ｍ ａ ｎ ｎ ｅ ｄ ｃ ｏ ｍ ｂ ａ ｔ ａ ｅ ｉ ｒ ａ ｌ ｖ ｅ ｈ ｉ ｃ ｌ ｅ（ Ｕ Ｃ Ａ Ｖ） ．Ｓ ｔ ａ ｔ ｕ ｓ ｍ ｅ ｓ ｓ ａ ｇ ｅ ｓ ，
ＲＥＳ ＥＡＲＣＨ ｏＮ Ｔ ＡＳ Ｋ ＡＬＬｏ ＣＡＴＩ ｏＮ Ｍ ｏＤＥＬ ＦｏＲ ＵＣＡＶ Ｂ ＡＳ ＥＤ ｏＮ Ｍ Ｍ ＤＰ
Ｌ ｉ Ｙ ｕ ｅ ｊ ｕ ａ ｎ Ｌ ｔ ｉ Ｙ ｏ ｎ ｇ ｊ ｉ ａ ｎ Ｃ ｈ ａ ｎ ｇ Ｑ ｉ ａ ｎ ｚ ｈ ｅ ｎ Ｚ ｈ ｕ Ｌ ｉ ｙ ｕ ｎ
ｔ ａ ｒ ｇ ｅ ｔ ａ ｐ ｐ ｅ ａ ｒ ａ ｎ ｃ ｅ ａ ｎ ｄ ｐ ｒ ｏ ｉ ｆ ｔ ｖ ａ ｌ ｕ ｅ ｉ ｎ ｔ ｈ ｅ ｓ ｙ ｓ ｔ ｅ ｍ ａ ｒ ｅ ｌ ａ ｌ ｓ ｕ ｂ ｊ ｅ ｃ ｔ ｅ ｄ ｔ ｏ ｔ ｈ ｅ ｐ ｒ ｏ ｂ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｄ ｉ ｓ ｔ ｉ ｒ ｂ ｕ ｔ ｉ ｏ ｎ ．Ｔ ｈ ｅ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ Ｍ ＭＤ Ｐ ｏ ｐ ｔ ｉ ｍｉ ｓ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｉ ｒ ｔ ｈ ｍ
第３ ０卷 第 ７期
２ ０ １ ３年 ７ 月
计 算机应 用与软件
Ｃｏ ｍｐ ｕｔ ｅ ｒ Ａｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ａ ｎ ｄ Ｓ ｏ ｆ ｔ ｗａ ｒ ｅ
Ｖｏ Ｌ ３ ０ Ｎｏ ． ７
Ｊ ｕ １ ．２ ０ １ ３
基 于 ＭＭＤ Ｐ的 无 人 作 战 飞 机 任 务 分 配 模 型 研 究
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ Ｏ ｎ ｔ ｈ ｅ ｂ ａ ｓ ｉ ｓ ｏ ｆ Ｍａ ｒ ｋ ｏ ｖ ｄ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｔ ｈ ｅ ｏ ｒ ｙ，ａ ｄ ｙ ｎ ａ ｍｉ ｃ ｔ ａ ｓ ｋ ａ ｌ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ ｍｏ ｄ ｅ ｌ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｍｕ ｈ ｉ — ａ ｇ ｅ ｎ ｔ Ｍａ ｒ ｋ ｏ ｖ ｄ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ
略； 数值仿真验证 了算法 的有效性 。 关键 词 中图分类号 多智能体 马尔科夫决策过程 无人作 战飞机 Ｔ Ｐ ３ Ｖ ２ ７ ９ 文献标识码 Ａ 动态任 务分 配 Ｄ Ｏ Ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ — ３ ８ ６ ｘ ． ２ ０ １ ３ ． ０ ７ ． ０ ７ ３