區(qū)域偵察是無(wú)人機(jī)研究領(lǐng)域的一個(gè)重要分支。由于實(shí)際任務(wù)和環(huán)境十分復(fù)雜,區(qū)域偵察控制方法必須具備較快的計(jì)算速度、較強(qiáng)的自主性和智能性。人工智能因具有學(xué)習(xí)能力強(qiáng)、效率高、融合度高等特性被應(yīng)用于區(qū)域偵察任務(wù)中。本文系統(tǒng)介紹了區(qū)域偵察問(wèn)題的背景并綜述了基于人工智能解決該問(wèn)題的方法,主要分為構(gòu)造并優(yōu)化目標(biāo)函數(shù)的啟發(fā)式算法和求解最優(yōu)價(jià)值或策略的深度強(qiáng)化學(xué)習(xí)方法這兩類。通過(guò)對(duì)上述方法的全方位比較,發(fā)現(xiàn)深度強(qiáng)化學(xué)習(xí)因具有自學(xué)習(xí)和在線學(xué)習(xí)的性能,能很好地適應(yīng)復(fù)雜、未知環(huán)境進(jìn)而能快速、準(zhǔn)確解決區(qū)域偵察問(wèn)題。此外,本文還探討了無(wú)人機(jī)區(qū)域偵察技術(shù)的發(fā)展趨勢(shì)及深度強(qiáng)化學(xué)習(xí)面臨的挑戰(zhàn)。 

【文章來(lái)源】：航空科學(xué)技術(shù). 2020,31(10)

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

區(qū)域偵察任務(wù)環(huán)境示意圖

螞蟻是自然界中的一種微小、弱勢(shì)的群體，單獨(dú)的螞蟻沒有太多智能行為，但當(dāng)多個(gè)螞蟻一起工作時(shí)，它們可以沿著最優(yōu)的路徑尋找、搬運(yùn)食物，具有良好的協(xié)同性、智能性。具體蟻群尋找最優(yōu)路徑的過(guò)程如圖3所示。圖3(a）表示蟻群遇到一個(gè)分叉路口，需要做出選擇；圖3(b）表示上下兩條路徑長(zhǎng)度是不等的，螞蟻隨機(jī)選擇一條；圖3(c）表示選擇下面這條路的螞蟻先到達(dá)目的地，沿原路返回并釋放更多的信息素；圖3(d）表示下面路徑積累的信息素比上面路徑更多，螞蟻傾向于選擇下面這條路，也就是信息素多的路徑（圖3中的虛線表示信息素）。同樣，將蟻群尋找最優(yōu)路徑的想法應(yīng)用到無(wú)人機(jī)區(qū)域偵察上面，能優(yōu)化各個(gè)無(wú)人機(jī)的路徑，減少能量損失。

許友平[31]用粒子群算法求解目標(biāo)搜索階段的航路規(guī)劃問(wèn)題，使無(wú)人機(jī)在較短的時(shí)間內(nèi)遍歷任務(wù)區(qū)域，從而偵察到更多的目標(biāo)，降低區(qū)域信息的不確定度。參考文獻(xiàn)[32]用粒子群算法為每架無(wú)人機(jī)規(guī)劃航路，在求解過(guò)程中，將其他無(wú)人機(jī)考慮進(jìn)目標(biāo)函數(shù)，從而實(shí)現(xiàn)多無(wú)人機(jī)的協(xié)同搜索，如圖4所示。該文獻(xiàn)除了將探測(cè)收益考慮在內(nèi)，由于無(wú)人機(jī)轉(zhuǎn)彎相比直飛更消耗燃料，為鼓勵(lì)直飛還將直飛收益也考慮進(jìn)收益函數(shù)中。于是優(yōu)化的目標(biāo)函數(shù)是：

【參考文獻(xiàn)】：
期刊論文
[1]多無(wú)人機(jī)協(xié)同搜索區(qū)域劃分與路徑規(guī)劃[J]. 戴健,許菲,陳琪鋒.  航空學(xué)報(bào). 2020(S1)
[2]結(jié)合先驗(yàn)知識(shí)的深度Q神經(jīng)網(wǎng)絡(luò)算法研究[J]. 褚偉,茹琦,任明侖.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(07)
[3]人因工程在無(wú)人機(jī)中的應(yīng)用及展望[J]. 蔣浩,高鑫.  航空科學(xué)技術(shù). 2019(05)
[4]基于Voronoi圖質(zhì)心的多無(wú)人機(jī)協(xié)同區(qū)域搜索算法[J]. 朱利,符小衛(wèi).  無(wú)人系統(tǒng)技術(shù). 2019(02)
[5]小型無(wú)人機(jī)協(xié)同覆蓋偵察路徑規(guī)劃[J]. 高春慶,寇英信,李戰(zhàn)武,徐安,李游,常一哲.  系統(tǒng)工程與電子技術(shù). 2019(06)
[6]強(qiáng)化學(xué)習(xí)研究綜述[J]. 馬騁乾,謝偉,孫偉杰.  指揮控制與仿真. 2018(06)
[7]無(wú)人機(jī)災(zāi)情巡查區(qū)域搜索的建模與求解[J]. 孫純嶺,李影,任磊磊,高發(fā)榮.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2018(15)
[8]一種改進(jìn)CSA算法的UAV多任務(wù)區(qū)偵察決策問(wèn)題研究[J]. 張耀中,陳嵐,張蕾,謝松巖.  電光與控制. 2018(05)
[9]一類適應(yīng)度函數(shù)的遺傳算法編碼[J]. 朱春媚,莫鴻強(qiáng).  計(jì)算機(jī)應(yīng)用. 2017(07)
[10]人工智能的現(xiàn)狀及今后的發(fā)展趨勢(shì)展望[J]. 王宇樓.  科技展望. 2016(22)

碩士論文
[1]基于遺傳算法和深度強(qiáng)化學(xué)習(xí)的多無(wú)人機(jī)協(xié)同區(qū)域監(jiān)視的航路規(guī)劃[D]. 李艷慶.西安電子科技大學(xué) 2018
[2]基于多群體蟻群算法的多無(wú)人機(jī)協(xié)同搜索方法研究[D]. 薛政鋼.河南大學(xué) 2018
[3]不同信息條件下的多無(wú)人機(jī)協(xié)同區(qū)域搜索航跡規(guī)劃研究[D]. 溫永祿.北京理工大學(xué) 2016
[4]混合自進(jìn)化遺傳算法的矢量場(chǎng)校正研究[D]. 李翠翠.哈爾濱工程大學(xué) 2016
[5]無(wú)人機(jī)對(duì)地偵察/攻擊航路規(guī)劃軟件系統(tǒng)的研制與開發(fā)[D]. 許友平.南京航空航天大學(xué) 2013
[6]無(wú)人機(jī)區(qū)域偵察航路規(guī)劃研究[D]. 鄭宏捷.國(guó)防科學(xué)技術(shù)大學(xué) 2011



本文編號(hào)：3503398