一种带有直觉模糊信息的无人机空战机动博弈方法技术

本发明专利技术公布了一种带有直觉模糊信息的无人机空战机动博弈方法，所述方法首先建立无人机空战机动决策的策略集；其次，对可选机动策略按照威胁大小进行多属性直觉模糊评估，得到空战机动博弈的直觉模糊支付矩阵；然后，建立不确定环境下带有直觉模糊信息的空战机动博弈规划模型；最后，采用改进的差分进化算法对模型进行求解，得到在不确定环境下无人机的最优博弈机动策略。该方法主要解决了不确定环境下的无人机空战机动最优决策问题。

An air combat maneuvering game method for UAV with intuitionistic fuzzy information

The invention discloses a maneuvering game method for UAV air combat with intuitionistic fuzzy information. The method firstly establishes a maneuvering strategy set for UAV air combat; secondly, a multi-attribute intuitionistic fuzzy evaluation of the optional maneuvering strategy according to the threat size is carried out to obtain an intuitionistic fuzzy payment matrix for the maneuvering game in air combat. Finally, the improved differential evolution algorithm is used to solve the model, and the optimal maneuver strategy of UAV in uncertain environment is obtained. This method mainly solves the problem of UAV air combat maneuver optimal decision under uncertain environment.

【技术实现步骤摘要】
一种带有直觉模糊信息的无人机空战机动博弈方法
本专利技术属于无人机空战自主决策领域，特别是一种带有直觉模糊信息的无人机空战机动博弈方法。
技术介绍
无人作战飞机在空战过程中需要根据复杂的战场态势信息决策作出最优的战术方案或机动动作，无人机决策机制的优劣是能否顺利完成空战任务的关键。目前国内外对于无人机的自主决策已有了大量的成果，对于机动决策问题常采用的方法有影响图、神经网络、遗传算法、贝叶斯网络和博弈论等。其中博弈论方法由于充分考虑对抗双方之间的相互关系，更能客观地对空战态势进行预测分析，将博弈论应用到空战决策领域已成了一个热点研究方向。根据博弈论的分类不同对空战问题可有不同的分类，从信息的完备程度上看可分为完全信息空战博弈和不完全信息空战博弈，对有无合作可分为合作空战博弈和非合作空战博弈，从时间的连续性上又分为静态空战博弈和动态空战博弈。目前，基于博弈论的方法研究空战决策问题主要是在确定环境下进行，但由于在实际环境中，存在机载传感器误差和敌方干扰信号等因素的影响，无人机获取的态势信息往往具有模糊性，因此研究在不确定环境下无人机的空战决策更具有现实意义。另外，利用智能算法对纳什均衡求解可解决传统方法计算复杂、仅适用单一问题的缺点，当前对纳什均衡求解主要有遗传算法(GA)、粒子群优化(PSO)算法、模拟退火(SAA)等智能算法，这些不同的智能算法各有优势，但目前的研究成果还不能完全兼顾算法的全局搜索能力和进化速度。因此，仍有许多问题臻待解决。
技术实现思路
本专利技术的目的在于提供一种带有直觉模糊信息的无人机空战机动博弈方法，该方法可以有效解决不确定作战环境下的无人机空战机动最优决策问题。为实现上述目的，本专利技术采用以下技术方案：带有直觉模糊信息的无人机空战机动博弈方法，包括：第一步，假设空战对抗双方分别为红方和蓝方，无人机基本的机动动作组成空战博弈的机动策略集S，红方无人机的机动策略集为S1＝{α1，α2，…，αm}，蓝方无人机的机动策略集为S2＝{β1，β2，…，βn}。第二步，设C为机动策略评估的属性集，根据属性相对之间的重要程度建立属性标度矩阵R，得到空战属性的权重向量ω。第三步，对空战对抗双方的所有机动策略组合进行多属性直觉模糊评估，从而得到在属性ci下的直觉模糊矩阵再利用IFWA算子将集结为博弈的直觉模糊支付矩阵第四步，建立满足直觉模糊全序关系下的直觉模糊矩阵博弈模型并将其转化为非线性规划模型。第五步，采用个体操作算子和遗传代数自适应策略改进差分进化算法(ImprovedDifferentialEvolution，IDE)，然后对非线性规划模型进行求解，从而得到空战机动博弈的最优策略。本专利技术具有以下优点：1.本专利技术充分考虑了战场信息的模糊性，利用直觉模糊多属性评估的方法得到不确定环境下的空战博弈模型支付矩阵，建立了支付值为直觉模糊形式的博弈模型，为研究在不确定环境下的空战机动博弈问题提供了新思路。2.本专利技术所提出的满足在直觉模糊全序关系下的纳什均衡条件更具有一般性，并将求解转化为一般的非线性规划更具简单性。3.通过引入个体操作算子和遗传代数自适应策略改进基本差分进化算法对模型求解，克服了传统算法进化后期迭代速度慢、精度低的缺点，使种群个体不仅有较好的全局搜索能力避免陷入局部最优解，又有较快的种群进化能力。附图说明图1为本专利技术的流程图。图2为模糊语言与直觉模糊数对应关系。图3为差分进化算法(DE)、粒子群算法(PSO)算法和改进差分进化算法(IDE)的计算结果对比。图4为红蓝双方单独改变策略100组的直觉模糊收益得分值。图5为差分进化算法(DE)、粒子群算法(PSO)算法和改进差分进化算法(IDE)适应度函数值对比。具体实施方式下面结合所附图对本专利技术的技术方案作具体说明：本专利技术的一种带有直觉模糊信息的无人机空战机动博弈方法，具体包括以下步骤：第一步，假设空战对抗双方分别为红方和蓝方，无人机基本的机动动作组成空战博弈的策略集，确定无人机的机动策略集为S＝{保持原定飞行、最大加速直飞、最大过载左转弯、最大过载右转弯、最大过载爬升、最大过载俯冲、最大减速飞行}。第二步，设C＝{A，R，V，H}为空战评估属性集，其中A为角度威胁因子；R为距离威胁因子；V为速度威胁因子；H为高度威胁因子。假设属性ci相对于属性cj的重要标度为rij，反之，属性cj相对于属性ci的重要标度rji为rij的倒数，即rij＝1/rij。可得到属性标度矩阵为从而得到空战各项属性的权重为则空战属性的权重向量为ω＝(ω1，ω2，…，ωq)。第三步，当红方无人机选择机动策略αi(i＝1，2，…，m)、蓝方选择机动策略βj(j＝1，2，…，n)时，由于空战信息的不确定性，用模糊语言描述策略的收益，在实际作战中需要将模糊语言转化为确定数值参与决策过程，可按照附图2将模糊语言转化为直觉模糊数aij＝(μij，vij)对机动策略进行直觉模糊评价，则在属性ci下红方的直觉模糊矩阵为定义1：设ai＝(μi，vi)(i＝1，2，…，n)为一组直觉模糊数，则称IFWA为直觉模糊加权集结算子，具体为其中，ω＝(ω1，ω2，…，ωn)为直觉模糊数ai的权重向量，满足条件0≤ωj≤1，由IFWA算子将直觉模糊矩阵集结为博弈的直觉模糊支付矩阵具体为其中，α1，α2，…，αm为红方无人机采取的机动策略；β1，β2，…，βn为蓝方无人机采取的机动策略；aij＝(μij，vij)表示当红方无人机选择机动策略αi和蓝方无人机选择机动策略βj时的直觉模糊收益，j＝1，2，…，n。相应地，红方的收益就为蓝方的损失。第四步，建立满足直觉模糊全序关系下的直觉模糊矩阵博弈模型并将其转化为非线性规划模型，具体为定义2：设为直觉模糊支付矩阵，局中人P1、P2分别以概率xi和yj选取纯策略αi∈S1和βj∈S2，称分别为局中人P1、P2的混合策略空间，相应的称x＝(x1，x2，…，xm)T、y＝(y1，y2，…，yn)T分别为局中人P1、P2的混合策略，为直觉模糊二人零和矩阵对策。根据直觉模糊数的运算法则，称为直觉模糊期望收益函数。定义3：设为直觉模糊数，和分别为a1和a2的得分值，和分别为a1和a2的精确度。若δ(a1)＜δ(a2)，则a1小于a2，记为若δ(a1)＝δ(a2)，且h(a1)＝h(a2)，则a1和a2相等；若δ(a1)＝δ(a2)，且h(a1)＞h(a2)，则a1大于a2，记为若δ(a1)＝δ(a2)，且h(a1)＜h(a2)，则a1小于a2，记为定义4：设为直觉模糊期望支付函数，若存在(x*，y*)，对都有成立，则称混合策略(x*，y*)为满足直觉模糊矩阵博弈的均衡策略。局中人P1的最优策略是使自己的直觉模糊期望收益最大，即max(ρ，σ)；局中人P2的最优策略是尽量减少自己的损失，即min(η，γ)。局中人都在对方的纯策略下，选择混合策略使自己的收益最大，则博弈问题转化为求解以下两非线性规划模型：和其中，εk是混合策略中第k个分量为1的纯策略。第五步，采用个体操作算子和遗传代数自适应策略改进差分进化算法，然后对非线性规划模型进行求解，从而得到空战机动博弈的最优策略，具体为首先对差分进化算法操作算子的个体自适应改进。个体操作算子包括个体变异算子和个体交叉算子，本文档来自技高网...

【技术保护点】
1.一种带有直觉模糊信息的无人机空战机动博弈方法，其特征在于，包括以下步骤：第一步，假设空战对抗双方分别为红方和蓝方，无人机基本的机动动作组成空战博弈的机动策略集S，红方无人机的机动策略集为S1＝{α1，α2，…，αm}，蓝方无人机的机动策略集为S2＝{β1，β2，…，βn}。第二步，设C为机动策略评估的属性集，根据属性相对之间的重要程度建立属性标度矩阵R，得到空战属性的权重向量ω。第三步，对空战对抗双方的所有机动策略组合进行多属性直觉模糊评估，从而得到在属性ci下的直觉模糊矩阵

【技术特征摘要】
1.一种带有直觉模糊信息的无人机空战机动博弈方法，其特征在于，包括以下步骤：第一步，假设空战对抗双方分别为红方和蓝方，无人机基本的机动动作组成空战博弈的机动策略集S，红方无人机的机动策略集为S1＝{α1，α2，…，αm}，蓝方无人机的机动策略集为S2＝{β1，β2，…，βn}。第二步，设C为机动策略评估的属性集，根据属性相对之间的重要程度建立属性标度矩阵R，得到空战属性的权重向量ω。第三步，对空战对抗双方的所有机动策略组合进行多属性直觉模糊评估，从而得到在属性ci下的直觉模糊矩阵再利用IFWA算子将集结为博弈的直觉模糊支付矩阵第四步，建立满足直觉模糊全序关系下的直觉模糊矩阵博弈模型并将其转化为非线性规划模型。第五步，采用个体操作算子和遗传代数自适应策略改进差分进化算法，然后对非线性规划模型进行求解，从而得到空战机动博弈的最优策略。2.如权利要求1所述的带有直觉模糊信息的无人机空战机动博弈方法，其特征在于，所述第二步空战属性的权重向量ω确立，具体为，假设C为机动策略评估的属性集，q为属性个数，属性ci∈C(i＝1，2，…，q)相对于属性cj∈C(j＝1，2，…，q)的重要程度为rij，反之属性cj相对于属性ci的重要程度为rij的倒数，即rij＝1/rij，则属性标度矩阵为从而得到空战各项属性的权重为则空战属性的权重向量为ω＝(ω1，ω2，…，ωq)。3.如权利要求1所述的带有直觉模糊信息的无人机空战机动博弈方法，其特征在于，所述第三步的直觉模糊矩阵具体为其中，直觉模糊数为当红方无人机选择机动策略αi{αi∈S1|i＝1，2，…，m}和蓝方无人机选择机动策略βj{βj∈S2|j＝1，2，…，n}时在空战属性ci下的直觉模糊收益。4.如权利要求1所述的带有直觉模糊信息的无人机空战机动博弈方法，其特征在于，所述第三步的直觉模糊支付矩阵具体为定义1：设ai＝(μi，vi)(i＝1，2，…，n)为一组直觉模糊数，则称IFWA为直觉模糊加权集结算子，具体为其中，ωi(i＝1，2，…，n)为直觉模糊数ai(i＝1，2，…，n)的权重，满足条件0≤ωi≤1，由IFWA算子将直觉模糊矩阵集结为博弈的直觉模糊支付矩阵具体为其中，α1，α2，…，αm为...

【专利技术属性】
技术研发人员：丁勇，李世豪，高振龙，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32