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
在林业研究中,胸径-树高二元联合分布多由相同边缘分布构造,而林分的胸径与树高的实际分布状况可能有所差异。为降低这种差异带来的影响,依据佳木斯市孟家岗林场的115块长白落叶松人工林数据,选择适用条件低、适应范围广的Copula函数方...在林业研究中,胸径-树高二元联合分布多由相同边缘分布构造,而林分的胸径与树高的实际分布状况可能有所差异。为降低这种差异带来的影响,依据佳木斯市孟家岗林场的115块长白落叶松人工林数据,选择适用条件低、适应范围广的Copula函数方法拟合落叶松胸径-树高二元联合分布模型。首先选择威布尔(Weibull)、广义威布尔(G-Weibull)、逻辑斯蒂(Logistic)、轻量逻辑斯蒂(Logit-Logistic)、伽马(Gamma)、对数正态(Log-Normal)6个分布函数作为备选基础模型,根据K-S(kolmogorov smirnov test)检验与半参数估计结果筛选并构建Copula胸径-树高二元联合分布模型,再通过负对数似然(negative log-likelihood,NLL)、Sn拟合优度统计量和似然比检验(likelihood ratio test,LRT)与二元对数logistic分布函数和二元Weibull分布函数进行比较,最后使用雷诺误差指数(error index of Reynolds,EI)对模型预测能力进行评估。结果表明,基于Copula函数的二元分拟合结果与模型(EI=0.3184)预估能力皆优于二元Weibull分布(EI=0.6381)和二元对数Logistic分布(EI=0.9490),说明此方法构建胸径-树高二元联合Copula分布模型能够很好地描述落叶松人工林胸径树高联合分布,以Copula方法构建树高-胸径联合分布是可行的。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。
文摘在林业研究中,胸径-树高二元联合分布多由相同边缘分布构造,而林分的胸径与树高的实际分布状况可能有所差异。为降低这种差异带来的影响,依据佳木斯市孟家岗林场的115块长白落叶松人工林数据,选择适用条件低、适应范围广的Copula函数方法拟合落叶松胸径-树高二元联合分布模型。首先选择威布尔(Weibull)、广义威布尔(G-Weibull)、逻辑斯蒂(Logistic)、轻量逻辑斯蒂(Logit-Logistic)、伽马(Gamma)、对数正态(Log-Normal)6个分布函数作为备选基础模型,根据K-S(kolmogorov smirnov test)检验与半参数估计结果筛选并构建Copula胸径-树高二元联合分布模型,再通过负对数似然(negative log-likelihood,NLL)、Sn拟合优度统计量和似然比检验(likelihood ratio test,LRT)与二元对数logistic分布函数和二元Weibull分布函数进行比较,最后使用雷诺误差指数(error index of Reynolds,EI)对模型预测能力进行评估。结果表明,基于Copula函数的二元分拟合结果与模型(EI=0.3184)预估能力皆优于二元Weibull分布(EI=0.6381)和二元对数Logistic分布(EI=0.9490),说明此方法构建胸径-树高二元联合Copula分布模型能够很好地描述落叶松人工林胸径树高联合分布,以Copula方法构建树高-胸径联合分布是可行的。
