兵工学报 ›› 2023, Vol. 44 ›› Issue (9): 2661-2671.doi: 10.12382/bgxb.2022.1181
所属专题: 智能系统与装备技术
收稿日期:
2022-11-30
上线日期:
2023-07-26
通讯作者:
基金资助:
GONG Yuanqiang1, ZHANG Yepeng1, MA Wanpeng2, XUE Xiao1,*()
Received:
2022-11-30
Online:
2023-07-26
摘要:
针对无人机蜂群中自主协同行为涌现机理难以解释的问题,提出一种多Agent系统中的自主协同行为涌现的分析方法,对系统的微观个体层、中观结构层和宏观网络层三个层面展开分析,自底向上地量化分析系统动态演化过程,揭示系统从微观到宏观的内在逻辑以及系统演变中的一些问题。通过计算实验方法构建无人机蜂群的计算实验模型,根据蜂群作战的关键特征设计无人机蜂群社团信息网络,引入公共物品博弈机制构建蜂群合作演化模型,并给出社团网络上蜂群的演化动力学过程。通过数值模拟,从无人机蜂群系统的不同层面量化分析蜂群协同行为的涌现现象,从而认识蜂群自主协同行为的涌现机理,并为无人机蜂群协同机制的优化提供决策支持。
中图分类号:
宫远强, 张业鹏, 马万鹏, 薛霄. 无人机蜂群中的群体智能涌现机理[J]. 兵工学报, 2023, 44(9): 2661-2671.
GONG Yuanqiang, ZHANG Yepeng, MA Wanpeng, XUE Xiao. Mechanisms of Group Intelligence Emergence in UAV Swarms[J]. Acta Armamentarii, 2023, 44(9): 2661-2671.
公共物品演化博弈 | 无人机蜂群自主协同机制 |
---|---|
空间结构种群 | 无人机蜂群 |
公共物品 | 作战资源(弹药、通信等) |
个体 | 无人机个体 |
合作策略(Collaboration, C) | 无人机选择向蜂群贡献资源 |
非合作策略(Defection, D) | 无人机拒绝向蜂群贡献资源 |
收益 | 无人机的作战效益 |
演化 | 多轮博弈中,无人机策略动态变化, 蜂群策略分布也在动态变化 |
博弈 | 无人机之间进行通信并根据收益 进行策略选择 |
表1 无人机蜂群协同与公共物品博弈之间的概念映射
Table 1 Conceptual mapping between UAV swarm collaboration and public goods game
公共物品演化博弈 | 无人机蜂群自主协同机制 |
---|---|
空间结构种群 | 无人机蜂群 |
公共物品 | 作战资源(弹药、通信等) |
个体 | 无人机个体 |
合作策略(Collaboration, C) | 无人机选择向蜂群贡献资源 |
非合作策略(Defection, D) | 无人机拒绝向蜂群贡献资源 |
收益 | 无人机的作战效益 |
演化 | 多轮博弈中,无人机策略动态变化, 蜂群策略分布也在动态变化 |
博弈 | 无人机之间进行通信并根据收益 进行策略选择 |
属性 | 属性描述 | 现实映射 |
---|---|---|
T | Agent的类型 | 无人机蜂群由多个子群组成 |
R | Agent具有的资源 | 无人机携带的作战资源 |
k | Agent的节点度 | 无人机通过链路进行通信 |
r | 协作因子 | 无人机合作会产生规模效益 |
s | Agent的策略 | 无人机可以选择合作/非合作策略 |
c | 选择合作策略的代价 | 无人机需要贡献自身资源 |
f | 收益 | 无人机获得任务反馈情况 |
ω | 选择强度 | 无人机更新策略的活跃度 |
α | 期望水平 | 无人机对于自身收益的预设期望 |
表2 无人机Agent的属性特征
Table 2 Attributes of a UAV agent
属性 | 属性描述 | 现实映射 |
---|---|---|
T | Agent的类型 | 无人机蜂群由多个子群组成 |
R | Agent具有的资源 | 无人机携带的作战资源 |
k | Agent的节点度 | 无人机通过链路进行通信 |
r | 协作因子 | 无人机合作会产生规模效益 |
s | Agent的策略 | 无人机可以选择合作/非合作策略 |
c | 选择合作策略的代价 | 无人机需要贡献自身资源 |
f | 收益 | 无人机获得任务反馈情况 |
ω | 选择强度 | 无人机更新策略的活跃度 |
α | 期望水平 | 无人机对于自身收益的预设期望 |
无人机属性 | 属性设置 |
---|---|
蜂群规模 | 无人机蜂群的初始数量N=100 |
无人机种类 | 不同功能的无人机种群数量M=5,新生成的 无人机随机加入一个无人机子群 |
无人机初始策略 | 随机选择合作策略C或非合作策略D |
作战成本 | 无人机在每次博弈中选择合作策略的 行为成本c=1 |
选择强度 | 为了不失一般性,本文设定选择强度ω=1 |
节点平均度 | 节点内连接m=2,外连接n=1,平均度 ≈4 |
协作因子 | r=10 |
无人机蜂群规模 | 无人机蜂群的初始数量N=100 |
表3 实验参数设置
Table 3 Experimental parameter setting
无人机属性 | 属性设置 |
---|---|
蜂群规模 | 无人机蜂群的初始数量N=100 |
无人机种类 | 不同功能的无人机种群数量M=5,新生成的 无人机随机加入一个无人机子群 |
无人机初始策略 | 随机选择合作策略C或非合作策略D |
作战成本 | 无人机在每次博弈中选择合作策略的 行为成本c=1 |
选择强度 | 为了不失一般性,本文设定选择强度ω=1 |
节点平均度 | 节点内连接m=2,外连接n=1,平均度 ≈4 |
协作因子 | r=10 |
无人机蜂群规模 | 无人机蜂群的初始数量N=100 |
图8 内部连接和外部连接的相对关系对合作水平的影响
Fig.8 The impact of the relative relationship between the value of internal connections and the value of external connections on the level of cooperation
[1] |
|
[2] |
|
[3] |
doi: 10.1016/j.amc.2009.03.090 URL |
[4] |
doi: 10.1016/j.chemolab.2015.08.020 URL |
[5] |
|
[6] |
梁晓龙, 张佳强, 吕娜. 无人机集群[M]. 西安: 西北工业大学出版社, 2018:1-6.
|
|
|
[7] |
王华, 赵东杰, 杨海涛, 等. 大数据时代下网络群体智能研究方法[J]. 计算机与现代化, 2015(2): 1-6.
|
|
|
[8] |
|
[9] |
郭斌. 论智能物联与未来制造——拥抱人机物融合群智计算时代[J]. 人民论坛学术前沿, 2020(13): 32-42. DOI: 10. 16619/j. cnki.rmltxsqy. 2020. 13. 004.
|
|
|
[10] |
赵健, 张鑫褆, 李佳明, 等. 群体智能2.0研究综述[J]. 计算机工程, 2019, 45(12): 1-7.
doi: 10.19678/j.issn.1000-3428.0056410 |
doi: 10.19678/j.issn.1000-3428.0056410 |
|
[11] |
|
[12] |
张婷婷, 宋爱国, 蓝羽石. 集群无人系统自适应结构建模与预测[J]. 中国科学:信息科学, 2020, 50(3):16-19.
|
|
|
[13] |
|
[14] |
|
[15] |
doi: 10.1109/TII.2022.3173053 URL |
[16] |
doi: 10.1109/TII.9424 URL |
[17] |
|
[18] |
doi: 10.1109/TCSS.2021.3125287 URL |
[19] |
doi: 10.1109/TCSS.2021.3121323 URL |
[20] |
薛霄, 于湘凝, 周德雨, 等. 计算实验方法的溯源、现状与展望[J]. 自动化学报, 2023, 49(2):246-271.
|
|
|
[21] |
doi: 10.26599/IJCS.2022.9100026 URL |
[22] |
|
[23] |
|
[24] |
|
[25] |
TAN JONATHAN H W,
doi: 10.1016/j.econlet.2006.12.031 URL |
[26] |
王龙. 多智能体协调控制的演化博弈方法[J]. 系统科学与数学, 2016, 36(3):302-318.
doi: 10.12341/jssms12735 |
|
|
[27] |
doi: 10.1103/PhysRevE.58.69 URL |
[28] |
doi: 10.1109/TSMC.6221021 URL |
[29] |
|
[30] |
纪广, 郝建国, 张振伟. 面向无人机作战的虚拟孪生系统设计方案[J]. 兵工学报, 2022, 43(8): 1902-1912.
|
doi: 10.12382/bgxb.2021.0408 |
[1] | 李军, 陈士超. 无人机蜂群关键技术发展综述[J]. 兵工学报, 2023, 44(9): 2533-2545. |
[2] | 刘兴宇, 郭荣化, 任成才, 闫超, 常远, 周晗, 相晓嘉. 基于身份匈牙利算法的无人机蜂群分布式目标分配方法[J]. 兵工学报, 2023, 44(9): 2824-2835. |
[3] | 王康, 司鹏, 陈莉, 李忠新, 吴志林. 基于改进沙猫群算法的无人机三维航迹规划[J]. 兵工学报, 2023, 44(11): 3382-3393. |
[4] | 毕文豪, 王炤晰, 吴伟, 张安. 基于公共品博弈的无人机集群自主协同机制[J]. 兵工学报, 2023, 44(11): 3407-3421. |
[5] | 沈宇婷, 孟新, 高跃清. 面向无人集群目标分配的层次化信息传播方法[J]. 兵工学报, 2023, 44(10): 3006-3025. |
[6] | 孙海文, 于邵祯, 江源, 周末, 唐嘉钰, 李丹. 海上无人机蜂群目标威胁评估方法[J]. 兵工学报, 2022, 43(S2): 32-39. |
[7] | 王刚, 王志屹, 张恩宁, 马润年, 陈彤睿. 多阶段平台动态防御的Markov演化博弈模型及迁移策略[J]. 兵工学报, 2021, 42(8): 1690-1697. |
[8] | 陈晓楠, 胡建敏, 池本亮, 崔洋. 复杂作战网络体系博弈与重构方法[J]. 兵工学报, 2021, 42(5): 1111-1120. |
[9] | 王超, 郭基联, 符凌云. 基于拓扑势的作战体系网络节点重要度评估方法[J]. 兵工学报, 2020, 41(8): 1658-1664. |
[10] | 李尔玉, 龚建兴, 黄健. 基于功能链的融合网络功能抗毁性评估[J]. 兵工学报, 2019, 40(7): 1450-1459. |
[11] | 刘彦, 陈春良, 昝翔, 陈伟龙. 考虑双层耦合复杂网络的装备重要度评估方法[J]. 兵工学报, 2018, 39(9): 1829-1840. |
[12] | 陈春良, 昝翔, 张仕新, 曹艳华, 陈伟龙. 基于多维关系复杂网络的装备重要度评估方法[J]. 兵工学报, 2017, 38(6): 1168-1177. |
[13] | 邢彪, 曹军海, 宋太亮, 陈守华, 董原生. 基于复杂网络的装备保障体系协同保障模型研究[J]. 兵工学报, 2017, 38(2): 374-382. |
[14] | 高龙, 曹军海, 宋太亮, 邢彪, 闫旭. 基于复杂网络理论的装备保障体系演化模型[J]. 兵工学报, 2017, 38(10): 2019-2030. |
[15] | 徐玉国, 邱静,刘冠军. 基于复杂网络的装备维修保障协同效能优化设计[J]. 兵工学报, 2012, 33(2): 244-251. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||