在多无人机协同突防过程中,针对无人机需完成目标分配与探干侦动作选择的任务决策存在模型构建难,对模型求解方法复杂度高的问题,提出一种蒙特卡罗树搜索(Monte Carlo tree search,MCTS)的改进方法实现多无人机多任务联合决策。首先,考...在多无人机协同突防过程中,针对无人机需完成目标分配与探干侦动作选择的任务决策存在模型构建难,对模型求解方法复杂度高的问题,提出一种蒙特卡罗树搜索(Monte Carlo tree search,MCTS)的改进方法实现多无人机多任务联合决策。首先,考虑无人机与雷达对抗中的角度、距离等态势要素,以及当前无人机动作执行成功概率和雷达状态有效概率,构建多无人机目标分配与探干侦动作统一决策数学模型。其次,提出搜索次数自适应调整的改进MCTS算法对模型求解,实现大规模解空间在线快速寻优。仿真结果表明,改进算法使多雷达系统对无人机的威胁程度下降约16.8%,相比多臂赌博机算法效果提升约5.08%,决策时间约0.23 s,比传统MCTS缩短约45.7%,有助于提升无人机战场生存率。展开更多
为提升高速公路合流区交通运行效率及驾乘人员舒适性,在保障安全的前提下,面向人工驾驶车辆(Human Driven Vehicles,HDV)和智能网联车辆(Connected and Autonomous Vehicles,CAV)混行的异质交通流环境,提出高速公路CAV合流次序优化与轨...为提升高速公路合流区交通运行效率及驾乘人员舒适性,在保障安全的前提下,面向人工驾驶车辆(Human Driven Vehicles,HDV)和智能网联车辆(Connected and Autonomous Vehicles,CAV)混行的异质交通流环境,提出高速公路CAV合流次序优化与轨迹规划方法.首先,以车辆通行时间和延误作为合流区交通运行效率表征指标,建立合流次序优化函数,采用并调整蒙特卡洛树搜索(Monte Carlo Tree Search,MCTS)算法,获得最优合流次序;其次,依据合流次序,建立最小化加速度和急动度的CAV合流轨迹规划(Minimize Acceleration and Jerk Trajectory Planning,MAJTP)函数,运用最优控制理论,求解车辆纵向最优轨迹解析解,进而形成高速公路合流区CAV协同控制方法;最后,联合运用SUMO软件和PYTHON库,对本文所提方法进行交通仿真验证.仿真结果表明:在CAV渗透率分别为0.2、0.4、0.6和0.8时,相较于先进先出(First In First Out,FIFO)算法,基于MCTS算法的合流次序优化方法累积延误分别降低5.75%、8.84%、12.24%和11.06%;相较于最小化加速度的车辆轨迹规划(Minimize Acceleration Trajectory Planning,MATP)方法,MAJTP方法平均急动度更趋近于零,驾乘人员舒适性有所提升,验证了方法的有效性.研究成果可为高速公路合流区交通运行管控研究提供理论支持.展开更多
文摘在多无人机协同突防过程中,针对无人机需完成目标分配与探干侦动作选择的任务决策存在模型构建难,对模型求解方法复杂度高的问题,提出一种蒙特卡罗树搜索(Monte Carlo tree search,MCTS)的改进方法实现多无人机多任务联合决策。首先,考虑无人机与雷达对抗中的角度、距离等态势要素,以及当前无人机动作执行成功概率和雷达状态有效概率,构建多无人机目标分配与探干侦动作统一决策数学模型。其次,提出搜索次数自适应调整的改进MCTS算法对模型求解,实现大规模解空间在线快速寻优。仿真结果表明,改进算法使多雷达系统对无人机的威胁程度下降约16.8%,相比多臂赌博机算法效果提升约5.08%,决策时间约0.23 s,比传统MCTS缩短约45.7%,有助于提升无人机战场生存率。
文摘为提升高速公路合流区交通运行效率及驾乘人员舒适性,在保障安全的前提下,面向人工驾驶车辆(Human Driven Vehicles,HDV)和智能网联车辆(Connected and Autonomous Vehicles,CAV)混行的异质交通流环境,提出高速公路CAV合流次序优化与轨迹规划方法.首先,以车辆通行时间和延误作为合流区交通运行效率表征指标,建立合流次序优化函数,采用并调整蒙特卡洛树搜索(Monte Carlo Tree Search,MCTS)算法,获得最优合流次序;其次,依据合流次序,建立最小化加速度和急动度的CAV合流轨迹规划(Minimize Acceleration and Jerk Trajectory Planning,MAJTP)函数,运用最优控制理论,求解车辆纵向最优轨迹解析解,进而形成高速公路合流区CAV协同控制方法;最后,联合运用SUMO软件和PYTHON库,对本文所提方法进行交通仿真验证.仿真结果表明:在CAV渗透率分别为0.2、0.4、0.6和0.8时,相较于先进先出(First In First Out,FIFO)算法,基于MCTS算法的合流次序优化方法累积延误分别降低5.75%、8.84%、12.24%和11.06%;相较于最小化加速度的车辆轨迹规划(Minimize Acceleration Trajectory Planning,MATP)方法,MAJTP方法平均急动度更趋近于零,驾乘人员舒适性有所提升,验证了方法的有效性.研究成果可为高速公路合流区交通运行管控研究提供理论支持.
