[发明专利]基于分层模糊推理的遗传优化智能决策方法及装置

说明书

本发明提供一种基于分层模糊推理的遗传优化智能决策方法及装置，该方法包括：将网电对抗中影响决策输出的各状态变量、网电层决策的各输出变量和物理层决策的各输出变量分别在其论域内进行模糊化得到多个模糊集，对其进行数字符号编码得到模糊推理的前件和后件，形成战术规则数据库；在每一战斗回合中，重复执行以下步骤直至满足终止条件：确定当前决策周期的输入变量及其动态权重，根据战术规则数据库，分层次模糊推理出网电域的动作决策和物理域的动作决策，并更新下一决策周期的输入变量；基于全局对抗回报函数计算全局对抗回报值，并进行遗传优化算法的战术优化，更新战术规则数据库。本发明可以实现智能决策在网电对抗领域的初步探索性应用。

技术领域

本发明涉及无人集群系统协同技术领域，尤其涉及一种基于分层模糊推理的遗传优化智能决策方法及装置。

背景技术

网电对抗是作战的一个新兴领域，其具有贯穿陆、海、空、天全域对抗的特点，是指在无线和有线侦察、攻击和防御等多种手段的作用下，实现对物理域对抗的赋能，为物理域能量实施打击争取宝贵的时间窗，增强物理域能量打击效能。相比于电子对抗，网电对抗具有打击更加精准、能量利用更加高效的特点，但是，现阶段智能技术在该领域的研究仍处于空白状态。

在联合跨域协同作战、大面积战场侦察、电子对抗、多领域协同信息共享等军事领域，网电对抗具有极其重要的应用前景。无人集群现在也越来越多的代替人类通过自组织集群协同方式，渗透到敌人内部，进行隐蔽侦察和突然打击，能解决单一无人系统无法完成或解决的问题，极大提高任务完成的效率和范围，实现了对场景的极大赋能，改变了传统单一个体的工作方式。借鉴该对抗形式，探索其在网电对抗领域的应用，实现隐蔽、精准、高效的对敌打击具有十分重要的意义。

发明内容

本发明提供一种基于分层模糊推理的遗传优化智能决策方法及装置，用以解决现有技术中现阶段智能技术在网电对抗领域的研究仍处于空白状态的缺陷，可以实现智能决策在网电对抗领域的初步探索性应用。

本发明提供基于分层模糊推理的遗传优化智能决策方法，包括：

将网电对抗中影响决策输出的各状态变量、网电层决策的各输出变量以及物理层决策的各输出变量分别在其论域内进行模糊化，得到多个模糊集，并将所述多个模糊集进行数字符号编码，得到模糊推理的前件和后件，形成战术规则数据库；

在每一战斗回合中，重复执行以下步骤，直至满足一方获胜的条件或者达到一个战斗回合的最大步长：针对每个决策周期，确定当前决策周期的输入变量和每个所述输入变量的动态权重，根据所述战术规则数据库，按照网电域和物理域分层次模糊推理出网电域的动作决策和物理域的动作决策，并更新下一决策周期的输入变量；

基于全局对抗回报函数计算当前战斗回合的战局情况对应的全局对抗回报值，并基于所述全局对抗回报值进行遗传优化算法的战术优化，更新所述战术规则数据库，所述全局对抗回报函数用于按照分层评价的方式计算不同战局情况的全局对抗回报值。

根据本发明提供的一种基于分层模糊推理的遗传优化智能决策方法，所述网电对抗中影响决策输出的各状态变量包括：智能体与障碍物和目标的相对距离、智能体与目标的视线角以及目标组件的状态；所述网电对抗中网电层决策的各输出变量包括：雷达功率变量和雷达频率变量；所述网电对抗中物理层决策的各输出变量包括：智能体的期望位置变量和智能体的偏航角变量。

根据本发明提供的一种基于分层模糊推理的遗传优化智能决策方法，所述确定当前决策周期的输入变量，包括：

获取群体中各智能体、各目标以及各障碍物的状态信息；其中，所述群体中各智能体包括：至少一个第一智能体和至少一个第二智能体，所述各目标包括：至少一个第一目标和至少一个第二目标；

基于所述第一智能体的状态信息与每个所述障碍物的状态信息分别计算所述第一智能体与每个所述障碍物之间的距离；