一种面向任务的协同多智能体联盟形成方法
【技术领域】
[0001] 本发明属于智能机器人技术领域，具体设及一种面向任务的多智能体协同特征能 力值的计算方法。
【背景技术】
[0002] 在多智能体系统中，如何通过有效协同来完成指定的任务是一个重要的工作，作 为多智能体系统中的一种基本的问题求解机制、协作方法，联盟形成技术已经成为多智能 体中的一个研究热点。联盟形成后获取联盟能力值即联盟内所有Agent协同的能力，因此， 如何科学地计算各智能体协同的能力是一个很重要的问题。
[0003] 多智能体协同分配任务的过程中，需要知道各智能体面向不同任务的协同能力， 即本发明要讨论的内容。文献（习兴华，方洋旺，肖冰松，毛东辉.基于多智能体联盟的 多机协同空战任务分配[J].北京航空航天大学学报，2014, 09:1268-1275.)中将任务分成 单个智能体可W完成的不可再分的最小任务目标单元，然后通过数学建模计算出单个智能 体的能力，利用特征函数计算智能体和具体目标之间的成本收益，并通过离散粒子群优化 算法来形成联盟。但在现实环境中，一个任务可能并不能分解成单个智能体可W完成的任 务集合，只有联盟才能完成一个任务，该时候就需要计算多智能体面向任务的协同能力，作 为多智能体联盟的数据依据。
【发明内容】
[0004] 有鉴于此，本发明提供了一种面向任务的协同多智能体联盟形成方法，该方法结 合任务环境和智能体自身的状态建立智能体特征能力的向量；通过计算智能体特征能力在 任务向量上的投影来完成智能体协同能力与任务匹配值的计算，达到了能够满足任务需求 的联盟形成效果，提高了联盟形成效率。
[0005] 为了达到上述目的，本发明的技术方案包括如下步骤：
[0006] 步骤一；建立任务特征向量；确定需要执行的任务，W智能体的多个能力项作为 任务特征向量的基，依据需要执行的任务的侧重点，设定各能力项的权值，建立各能力项的 权值对比较表，利用层次分析法AHP构建任务特征向量。
[0007] 步骤二；建立能力特征向量；结合需要执行的任务，建立各能力项的影响因素模 型，并通过层次分析法AHP计算每个影响因素对所属能力项的贡献度，累加计算出对应能 力项的数值，将每个能力项的数值作为分量值建立能力特征向量。
[0008] 步骤针对单个智能体，将其面向同一任务所建立的任务特征向量W及能力特 征向量进行点乘，获得该智能体面向该任务时的匹配值。
[0009] 步骤四；针对同一任务，从所有智能体中，按从高到低依次选取匹配值大的智能体 直到所有智能体的匹配值之和满足任务需求，则所选取的智能体形成联盟作为面向该任务 的协同体。
[0010] 进一步地，能力项为n项，则步骤一具体为；
[0011] 步骤101、建立nXn维的对比较表，该对比较表中记载每个能力项中两两之间的 权值的比值，由此形成对比较表矩阵。
[0012] 步骤102、计算对比较表矩阵的特征值，取其最大特征值对应的特征向量进行归一 化处理后作为任务特征向量。
[0013] 进一步地，能力项有五项，分别为：通信能力、侦察能力、打击能力、机动能力W及 能量。
[0014] 进一步地，所需的任务为侦察任务和打击任务：
[0015] 则面向侦察任务的对比较表矩阵为
，则最大特征值= 5. 223,根据一致性检验公式：
[001引其中n为对比较表的维数，n = 5, RI为1. 12 ;则CR = 0. 05575<0. 1满足一致性 检验；通过对Am。,对应的特征向量进行归一化处理，取两位有效数字，得到面向侦察任务 的任务特征向量。
[0019] 则面向打击任务的对比较表矩阵j
，则最大特征值 5. 0651，根据一致性检验公式1和2 ;公式中n = 5，RI为1. 12 ;则CR = 0. 01453<0. 1满足 一致性检验；通过对Am。,对应的特征向量进行归一化处理，取两位有效数字，得到面向侦 察任务的任务特征向量。
[0020] 进一步地，将智能体作为节点建立关于多个智能体的无线网络，则每个智能体作 为网络中节点，其通信能力的影响因素包括受节点的度，通信质量，移动性=个因素影响：
[0021] 节点的度为与当前节点通信的邻居节点的数量。
[0022] 通信质量为当前节点接收到的平均信号强度。
[0023] 移动性为当前节点与邻居节点的相对运动状态。
[0024] 每个智能体的侦察能力的影响因素包括该智能体上所搭载的侦察载荷设备上与 侦察相关的参数，其中有侦察载荷设备的作用距离、最大捜索、总方位角、发现目标概率、同 时跟踪目标数量、定位精度W及分辨率。
[0025] 每个智能体的打击能力的影响因素包括最大火力、弹药容量、目标距离W及首发 命中率。
[0026] 每个智能体的机动能力的影响因素包括地形高程W及地形通行性。
[0027] 每个智能体的能量的影响因素包括油耗W及智能体上所搭载设备的电量、与目标 的距离。
[002引进一步地，对于其中一个节点Vi，节点的度为D巧;其中怕|为邻居节点 ' 7 个数。
[0029]通信质量如aw为
[0030] 其中曲='、'xmin(化化?57(V/,)) ;S表示接收灵敏度，0"",。,,表示 两个相邻节点Vi和VJ之间的链路通信质量，RSSI(VU)和RSSI(vw)分别表示两相邻节点Vi和Vj.彼此检测到的信号强度。
[003。 移动性的计算方法为；若节点Vi检测到节点Vj在t时刻和t-1时刻的信号强 度分别为心和，那么两相邻节点Vi和Vj.之间的相对运动状态表示为
[003引由的符号状态就得到两相邻节点之间的相对运动状态，任意节点的移动性 是其相对于所有邻居节点的平均运动状态：
[003引 当前智能体通信能力为Cv, =WX1)￡祭,.+叫X终气+巧XM々,。
[0034] 其中，参数《1，为经验设定的归一化权重因子。
[00巧]进一步地，智能体上搭载的侦察载荷设备为电子信号侦察设备，合成孔径雷达SAR，CCD相机=种负载设备。
[0036] 将该=种负载设备中的作用距离、最大捜索总方位角、发现目标概率、同时跟踪目 标数量、定位精度W及分辨率6种参数量化为数据形式，组成一个3X6的矩阵A。
[0037] 设定6种参数对侦察能力的影响权值，然后建立6种参数的对比较表，该表中记载 每个参数两两之间的权值的比值，由此形成6种参数的对比较表矩阵，计算该矩阵的最大 特征值并进行AHP-致性检验，若满足一致性检验，则将该最大特征值对应的特征向量进 行归一化后获得向量B。
[0038] 将A与B相乘，得到=项设备对侦察能力的贡献度并进行归一化，获得对应电子信 号侦察设备，合成孔径雷达SAR，CCD相机S种负载设备的贡献度Ui、U2、U3。
[0039] 在面向侦察任务时，检测获得电子信号侦察设备和SAR受到敌方信号 的干扰，设干扰系数为P"d和Psat,则该智能体面向侦察任务时的侦察能力为
[0040] 在面向打击任务时，S种负载设备中，电子信号侦察设备的最大发现距离为向，贝。 距离目标D处的发现概率为=(?< ;合成孔径雷达SAR的最大发现距离为S。，则距 离目标D处的发现概率为f ; CCD相机最大发现距离为c。