4]智能体搭载不同的设备会具备不同程度的侦察能力，该里假定智能体搭载了电子 信号侦察设备，合成孔径雷达（SAR)，CCD相机=种负载设备。
[0095] 电子侦察设备可W对电磁波进行捕获、识别，在远距离、大范围内对电磁目标进行 定位，并具有一定的电磁战能力（实施电子干扰和电子防御）和机载警戒功能，但定位精度 不高；SAR既能对固定目标进行定位成像，也能对运动的目标进行检测、跟踪和定位；CCD相 机能够对目标进行检测、跟踪、定位和高分辨率成像，但是作用距离十分有限。=项侦察设 备的参数如表4所示。
[0096] 表4各侦察载荷设备的参数
[0097]
[009引将表4中的设备参数转化为精确数值的数据，数据如表5所示
[0099] 表5各侦察载荷的侦察能力的数值表示
[0100]
[0102] 为了计算作用距离，最大捜索总方位角等因素对设备能力的影响程度，通过层次 分析法（AH巧来进行计算。首先按照层次分析法（AH巧对六个因素做对比较矩阵，如表6 所示
[0103] 表6影响因素对比较表
[0104]
[0105] 通过对上表构成的对比较矩阵特征值的计算，可W得到最大特征值Am。,= 6. 5576,则可得
[0106] CI= 0. 111 (12)
[0107] CR= 0. 0895 < 0. 01 (13)
[010引将特征值A6. 5576对应的特征向量进行归一化处理后，得到向量
[0109] A = [0. 1073,0. 2157,0. 4327,0. 1105,0. 0699,0. 0699]t (14)
[0110] 将向量A与表5的矩阵相乘，可W得到S项设备对侦察能力的贡献度Ui= 0.5589、 U2= 0.3857、U3= 0.9081 ;归一化处理后，得Ui= 0.3、U2= 0.2、U3= 0.5。
[0111] 在现实战场环境中，SAR和电子侦察设备会受到敌方信号的干扰，设干扰系数为 P印哺P柳，则面向侦察任务的智能体协同侦察能力为
[0112]Pd=U1XP sar+U2XP 加+叫(15)
[0113] 如图2所示，面向打击任务时，智能体与打击目标之间的距离会对智能体的侦察 能力产生一定的影响，侦察设备发现目标的概率与距离呈指数衰减形式，设为e
[0114] 该里规定一个"标准发现距离"，=种负载设备中，电子信号侦察设备的最大发现 距离为E。，则距离目标D处的发现概率为€；2^二;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;CCD相机最大发现距离为C。，则距 离目标D处的发现概率为公為=￡?(-化。
[0115] 则智能体面向打击任务的协同侦察能力为
[0116]
[0117] 步骤四：面向侦察、打击任务的智能体打击协同能力的计算
[0118] 智能体的协同打击能力也与任务的不同的有着紧密的联系，如图1、图2所示，影 响智能体打击能力的因素有很多，如最大火力，弹药容量，目标距离，首发命中率等。
[0119] 面向侦察任务时，没有目标位置因素影响，可构造智能体的协同打击能力如下式 所示
[0120]
(17)
[0121]式中Fm"为作战系统中火力最强的智能体表现出的火力值，即为系统中单体智能 体火力的绝对最大火力，W此为基准对任一智能体做火力归一化处理，fmax为当前智能体最 大的火力值，fwt为弹药容量，弹药容量直接关系到智能体的打击能力，0为首发命中率。
[0122] 当面向打击任务时，智能体的打击能力需考虑目标与智能体的距离，距离处于智 能体射程的位置直接关系到智能体的打击能力，加入距离信息后有
[0126] 式中，D二UX为导弹最大攻击距离之为导弹不可逃逸区最大距离。
[0127] 步骤五：面向侦察、打击任务的智能体协同机动能力的计算（与任务无关）
[0128] 在机动过程中用到的环境数据主要有高程（间接表现为地形坡度对机动的影 响），通行性因素等。基于W上因素，建协同机动能力数学模型，如下式所示。
[0129]
(20)
[0130] 其中，Vmay为作战系统内的所有智能体单体的最大速度值，为当前智能体的最 大速度，a为坡度对速度的影响系数，0为通行性因素。
[0131] 用a来描述坡度对速度的影响，坡度范围在[0, 30°]，坡度对速度的影响在 [0, 1]范围内，可W利用线性插值的方法来取某一个坡度对速度的影响，如下式所示
[0132]
[0133] 式中丫为当前坡度的正切值。
[0134] 选取0为通行性影响因子，在不同的路况下对速度的影响程度不同，通行性级别 和向相应的量化0的对应关系如表7所示。
[0135] 表7通行性级别与通行性因子间的对应关系
[0136]
阳I37] 步骤六:面向侦察、占击任i的智能体4同能量能占的计算
[013引智能体油耗和设备的电量直接关系到智能体的续航能力，也是智能体能力需要考 虑的一个方面。智能体能量方面的能力也是随着任务的不同，而有不同的度量方式。
[0139] 面向侦察任务时，智能体能量的数学模型如下式所示。
[0140]
(23)
[0141] 式中，Ilf。为智能体剩余油量可W行驶的路程，Lmax为作战系统中所有智能体单体 能行驶的最大路程。e^t为智能体剩余电量值，6。"为智能体电子设备满电量值。
[0142] 面向打击任务时，智能体需要考虑与目标的距离因素，模型变换如下式所示
[0143]
(24)
[0144] 该时候，智能体协同能力是关于剩余油耗的增函数，是关于距离d的减函数。
[0145] 步骤^；：;面向侦察、打击任务的智能体任务匹配值的计算
[0146] 此时有侦察任务向量Wd= [0. 13, 0. 43, 0. 11，0. 16, 0. 17] T，有打击任务向 量胖。=[0. 13, 0. 43, 0. 11，0. 16, 0. 17] T，智能体面向侦察任务的协同能力向量为 户= 鲁，f，氣]，面向打击任务的协同能力向量为P' =[PwPd'，Pa'，Pm，Pe']。
[0147] 则该智能体i对侦察任务和打击任务的匹配值分别为ti=PXWd和t/ =P'XW。。
[0148] 步骤八：面向任务的联盟形成；根据任务需求，依据步骤走中计算出的匹配值，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；
[0149]
[0150] 综上，W上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在 本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护 范围之内。
【主权项】
1. 一种面向任务的协同多智能体联盟形成方法，其特征在于，包括如下步骤： 步骤一：建立任务特征向量：确定需要执行的任务，以智能体的多个能力项作为所述 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； 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