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
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。
