基于貝葉斯信息更新方法,提出了一個無人機(jī)目標(biāo)搜索的動態(tài)策略模型,并給出了相應(yīng)算法。該模型是在一般貝葉斯先驗(yàn)假設(shè)下給出的,不需要現(xiàn)有相關(guān)文獻(xiàn)中均勻分布的假設(shè)。在無人機(jī)搜索行動中,可以實(shí)施貝葉斯干預(yù),利用新獲取的目標(biāo)搜索區(qū)域的額外信息,實(shí)時(shí)地改進(jìn)搜索策略。數(shù)值實(shí)驗(yàn)中,假設(shè)目標(biāo)處于搜索區(qū)域的分布為正態(tài)分布,實(shí)驗(yàn)結(jié)果表明,相比較均勻分布假設(shè),在正態(tài)分布假設(shè)下發(fā)現(xiàn)概率更大,而且貝葉斯干預(yù)后的累計(jì)發(fā)現(xiàn)概率不會降低。 

【文章來源】：山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,39(06)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

均勻分布下每階段發(fā)現(xiàn)概率

圖2 均勻分布下每階段發(fā)現(xiàn)概率從表2和表3中可以看出，加入貝葉斯干預(yù)后，第一階段的發(fā)現(xiàn)概率是相同的，說明貝葉斯干預(yù)對干預(yù)前一階段的發(fā)現(xiàn)概率沒有影響；而第二階段與第三階段的發(fā)現(xiàn)概率均有增加，這是由于加入貝葉斯干預(yù)后，概率分布重新調(diào)整，干預(yù)后新加入的區(qū)域比原區(qū)域目標(biāo)存在的概率大，因此發(fā)現(xiàn)概率也增大，累計(jì)發(fā)現(xiàn)概率也會增大。圖3給出了有貝葉斯干預(yù)和無貝葉斯干預(yù)情況下的累計(jì)發(fā)現(xiàn)概率對比。

在3.1節(jié)實(shí)驗(yàn)中加入貝葉斯干預(yù)，即在完成第一階段搜索之后，加入一個新的信息NF(-6,13;8,8;0),pF=0.52>pA，則更新F區(qū)域?yàn)榈诙A段搜索區(qū)域，A區(qū)域?yàn)榈谌A段搜索區(qū)域，此時(shí)每個階段的發(fā)現(xiàn)概率如表3。圖2 均勻分布下每階段發(fā)現(xiàn)概率

【參考文獻(xiàn)】：
期刊論文
[1]多無人機(jī)協(xié)同運(yùn)動目標(biāo)搜索問題研究[J]. 王勛,姚佩陽,梅權(quán).  電光與控制. 2016(08)
[2]基于貝葉斯信息更新的失事飛機(jī)發(fā)現(xiàn)概率模型[J]. 周長銀,趙玉堂,孫亞星.  數(shù)學(xué)建模及其應(yīng)用. 2015(02)
[3]海上搜救中發(fā)現(xiàn)概率的研究[J]. 吳翔,周江華.  中國安全生產(chǎn)科學(xué)技術(shù). 2015(01)
[4]多無人機(jī)協(xié)同搜索隨機(jī)目標(biāo)決策[J]. 軒永波,黃長強(qiáng),吳文超,王勇,翁興偉,李望西.  控制與決策. 2013(05)
[5]基于蒙特卡洛方法的海上搜尋區(qū)域確定模型[J]. 姜華林,孫昭晨,李黎,劉波,吳俊萍.  水道港口. 2011(04)
[6]海上搜尋區(qū)域確定的計(jì)算機(jī)輔助方法[J]. 胡志武,畢曙光,耿鶴軍.  上海海事大學(xué)學(xué)報(bào). 2008(02)
[7]海上搜救中搜尋區(qū)域確定方法研究[J]. 于衛(wèi)紅,賈傳熒.  中國航海. 2006(02)

碩士論文
[1]海上搜尋最佳區(qū)域研究[D]. 王博研.大連海事大學(xué) 2016
[2]海上搜尋中目標(biāo)發(fā)現(xiàn)概率的研究[D]. 周濤.大連海事大學(xué) 2011



本文編號：3608177