摘要
追逃场景下对抗生成模仿学习的无人机围捕资源分配方法,旨在确定多对多追逃场景下各个追捕者无人机的追击目标,从而解决围捕资源分配问题。该方法首先针对多对多追无人机逃场景建立系统模型并进行符号声明。随后引入阿波罗尼斯圆的概念,建立用于无人机围捕资源分配的势博弈模型。接着,提出了一种基于线性规划的最优围捕资源分配方案求解算法。最后,提出了一种基于对抗生成模仿学习的无人机围捕资源分配算法。本发明设计的算法,不受追逃双方无人机数量与初始状态的影响,可以采用线性规划算法寻找势博弈下的纳什均衡,并基于对抗生成模仿学习自适应学习最优围捕资源分配方案,最终实现多对多无人机追逃场景下围捕资源的实时动态分配调度。
技术关键词
无人机
生成器网络
资源分配方法
阿波罗尼斯圆
深度强化学习算法
矩阵
求解算法
线性规划算法
场景构建系统
资源分配算法
决策
坐标系
策略
概念
差分算法
训练算法
系统为您推荐了相关专利信息
船舶零部件
三维模型
运输方法
无人机
图像处理单元
无人机协同感知
多无人机协同
融合特征
视角
图像
训练神经网络模型
智能评估方法
植被
智能评估系统
图像采集设备
分配CPU资源
硬件资源分配方法
分区
内存
资源分配模块