基于生物群体智能行为的无人机目标围捕策略.pdfVIP

基于生物群体智能行为的无人机目标围捕策略

摘要

随着现代科学技术的不断发展，无人机具备了体积小、灵活性高以及隐蔽性好等性

能优势。在近几年发生的纳卡冲突和俄乌冲突战争中，无人机在电子对抗和火力打击等

方面起到了至关重要的作用，对战局的走向起到了极大的影响。无人机集群作战的效率

更高，稳定性更强，更适合在复杂的战场环境中执行任务，是一种全新的现代化作战模

式，许多国家已经投入了大量资源到相关领域的研究之中。协同围捕是无人机集群作战

的典型场景之一，是指集群中的无人机通过相互协作，实现对目标的合围控制。本文针

对无人机集群作战中的协同围捕问题进行了研究，主要研究内容如下：

首先，提出了一种基于生物群智行为的无人机集群目标围捕策略。无人机集群在作

战的过程中，由于战场环境的复杂性，每架无人机往往在获取周围环境信息、与其他单

位相互通信交流等方面存在一定的局限性。因此，借鉴自然界中生物群智行为的分布式

和自组织等特征，并将其应用到集群协同控制的研究中，具有十分重要的意义。本文对

自然界中一些典型的生物群体运动行为进行研究和分析，将群体中个体与其他个体的交

互行为，以及个体和所在周围局部环境的交互行为进行数学建模，再结合无人机集群作

战任务的实际特点，将其应用到目标围捕策略之中。

其次，将多智能体深度强化学习应用到无人机集群的目标围捕问题之中。根据生物

群智行为的运动特点，对多智能体深度确定性策略梯度(Multi-AgentDeepDeterministic

PolicyGradient，MADDPG)算法中的奖励函数进行设计，引导无人机对目标进行合围。

针对算法无法有效利用重要样本数据的问题，在采样过程中引入了优先经验回放机制，

提高了学习效率。

最后，通过仿真实验对本文提出的算法进行验证。本文提出的围捕策略均基于生物

的群智行为，集群中的无人机无需获取到环境中的全局信息，仅需要感知到自身周围的

局部环境信息，且在相互之间不进行通信交流的情况下，即可成功实现对逃逸目标的控

制，完成围捕任务，适用于战场上的复杂环境。实验结果表明本文提出的围捕策略具有

较强的鲁棒性，能够有效地围捕逃逸目标。

关键词：群集智能；目标围捕；强化学习；分布式结构

基于生物群体智能行为的无人机目标围捕策略

ABSTRACT

Withthecontinuousdevelopmentofmodernscienceandtechnology,unmannedaerial

vehicle(UAV)hasperformanceadvantagessuchassmallsize,highflexibility,andgood

concealment.Inrecentyears,intheNagorno-KarabakhconflictandtheRussia-Ukraineconflict,

UAVsplayedacrucialroleinelectroniccountermeasuresandfirestrikes,andhadagreat

impactonthedirectionofthewarsituation.UAVclusterwarfarehashigherefficiency,stronger

stability,andismoresuitableforexecutingtasksincomplexbattlefieldenvironments.Itisa

newmoderncombatmode,andmanycountrieshaveinvestedalargeamountofresourcesinto

researchinrelatedfields.CollaborativeroundupisoneofthetypicalscenariosofUAVcluster

operations,whichreferstothemutualcooperatio