[发明专利]组网雷达资源管控方法及装置、计算机可读存储介质

说明书

本发明公开了一种组网雷达资源管控方法、装置及存储介质。包括：S110、根据战场威胁态势信息，构建目标威胁状态矩阵；S120、分别初始化雷达节点状态空间、雷达节点动作空间、组网雷达目标跟踪动作空间值函数矩阵、混合策略和平均策略，并初始化规划时刻；S130、构造回报函数；S140、在预设的t时刻，根据混合策略选取动作并执行；S150、在预设的t+1时刻，更新组网雷达目标跟踪动作空间值函数矩阵；S160、更新混合策略以及平均策略；S170、判断是否满足预设停止条件，若是，则完成组网雷达资源管控，若否，则继续执行步骤S140。降低了资源管控问题规模，各雷达节点可分布、自主地进行资源管控决策，提升了组网雷达系统的自主性、决策的鲁棒性和系统的可靠性。

技术领域

本发明涉及控制与信息技术领域，特别涉及一种组网雷达资源管控方法、一种组网雷达资源管控装置以及一种计算机可读存储介质。

背景技术

当代信息化、智能化战争对雷达装备目标探测的可靠性和精度要求日益提高，但系统设计复杂、研制周期冗长、研制成本高昂、设备升级困难等因素给单雷达装备性能的大幅提升带来了困难，采用多雷达组网已成为雷达探测技术发展的新趋势。

组网雷达是将不同波段、体制和工作模式的雷达通过网络进行互联，通过协同管理与控制中心或各雷达节点自主决策，对网络中各节点雷达资源的优化配置，从而使组网雷达系统协作完成对多目标的跟踪、搜索等任务。组网雷达系统具备可交互、自组织、自适应等特性，可看作多智能体系统。

资源管控问题是组网雷达系统性能提升的核心问题，是一种多对多的优化问题，依据管控目标函数，通过对网络内各雷达单元的跟踪序列、工作模式等资源对多项任务的调配，实现组网雷达系统的跟踪或探测性能最优。如在组网雷达协同多目标跟踪任务中，组网雷达系统应合理管控各雷达单元所跟踪的空中目标，使得对所有来袭目标进行全覆盖，同时达到最优的跟踪精度。资源的最优管控，对建设具有更强适应性、更好可靠性、更高的体系协同跟踪、搜索、抗干扰能力，具有重大意义，也已成为当前雷达技术的重要研究方向之一。

网络化雷达的资源管理，也即多智能体系统的资源管理，较好的一种方法是专利文献《基于多智能体进化算法的资源受限项目调度方法》(中国专利申请号201210454380.7，公开号CN 103020730 A)提出的基于多智能体进化算法的资源调度方法。该方法将多智能体系统与进化计算相结合，用于求解资源受限项目的调度问题，是一种有效的求解资源受限项目调度问题的方法。

现有技术一所提出的方法仅根据多智能体系统的任务需求进行分布式优化，而优化性能依赖于算法参数的选取，对不同资源管理任务无法自适应，资源调度系统的能力无法在任务的执行过程中演进和提升，在灵活性、自主性、智能性方面有所欠缺。

在多智能体的资源管理方面，另一种相关方法是专利文献《基于多智能体强化学习的大规模服务组合优化方法》(中国专利申请号201310161238.8，公开号CN 103248693A)提出的基于强化学习中Q学习算法的自适应服务组合优化方法。该方法将强化学习与智能体概念相结合，定义强化学习的状态集为服务的前置后置条件，动作集为Web服务本身，采用Q学习方法选择当前状态下的最优动作，并可通过不断训练至Q值收敛，获得最优策略。

现有技术二所提出的方法在多智能体协同中仍采用单体Q学习算法，而Q学习面向马尔可夫决策过程(Markov Decision Process，MDP)，其中假设状态的转移概率函数与时间无关。而多智能体系统中，智能体必须与其他智能体交互，违背了MDP的基本静态假设，使得Q学习的应用变得较为困难，学习效果也不甚理想。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，提出了一种组网雷达资源管控方法、一种组网雷达资源管控装置以及一种计算机可读存储介质。

为了实现上述目的，本发明的第一方面，提供了一种组网雷达资源管控方法，包括：