【技术实现步骤摘要】
本专利技术涉及多无人艇协同控制领域，尤其是涉及一种基于机器学习与改进遗传算法的多无人作战艇协同控制优化方法。
技术介绍
1、在现代军事科技的迅猛发展中，无人作战艇的广泛应用已成为提升战场态势感知、精确打击能力及快速反应速度的关键手段。随着技术的不断成熟，智能化协同控制策略在复杂多变的军事任务中扮演着日益重要的角色。然而，尽管国内外研究在船舶智能任务分配与自适应编队
取得了显著突破，现有方法和系统在实际应用中仍面临诸多挑战。
2、在智能体任务分配领域中，目前的任务分配机制通过不同方法实现uuv任务序列的生成仍存在一定的局限性，例如模型数据不全，忽视智能体的历史表现和任务执行经验的累积等。在自适应编队领域，如何适应各种复杂场景，找到最优的编队参数设置，仍然是智能体自适应编队技术的重要难题。
3、cn115421492a公开了一种水面无人艇集群巡逻任务分配方法，usv集群求取出发点与所有巡逻点的连线夹角并进行均分分组；通过改进遗传算法求解tsp的方式，进行迭代求解；得到每艘usv求解n组任务目标的解决方案，通过投...
【技术保护点】
1.一种基于机器学习与改进遗传算法的多无人作战艇协同控制优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习与改进遗传算法的多无人作战艇协同控制优化方法，其特征在于，所述无人艇状态数据包括位置、速度、电池电量和已完成任务数量，环境数据包括温度、湿度、风速和风向。
3.根据权利要求1所述的一种基于机器学习与改进遗传算法的多无人作战艇协同控制优化方法，其特征在于，所述步骤S1中，预处理包括以下步骤：
4.根据权利要求1所述的一种基于机器学习与改进遗传算法的多无人作战艇协同控制优化方法，其特征在于，所述步骤S1中...
【技术特征摘要】
1.一种基于机器学习与改进遗传算法的多无人作战艇协同控制优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习与改进遗传算法的多无人作战艇协同控制优化方法，其特征在于，所述无人艇状态数据包括位置、速度、电池电量和已完成任务数量，环境数据包括温度、湿度、风速和风向。
3.根据权利要求1所述的一种基于机器学习与改进遗传算法的多无人作战艇协同控制优化方法，其特征在于，所述步骤s1中，预处理包括以下步骤：
4.根据权利要求1所述的一种基于机器学习与改进遗传算法的多无人作战艇协同控制优化方法，其特征在于，所述步骤s1中，将检查和校正后的任务操作参数加密传输给无人艇具体为：
5.根据权利要求1所述的一种基于机器学习与改进遗传算法的多无人作战艇协同控...
【专利技术属性】
技术研发人员：薛杰，杨培杰，李倩冰，胡昊，宋元明，贺斯琪，阳浩，李沛轩，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。