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； 步骤三：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以及能力特征向 量进行点乘，获得该智能体面向该任务时的匹配值； 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。2. 如权利要求1所述的一种面向任务的协同多智能体联盟形成方法，其特征在于，所 述能力项为n项，则步骤一具体为： 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； 步骤102、计算所述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。3. 如权利要求1或者2所述的一种面向任务的协同多智能体联盟形成方法，其特征在 于，所述能力项有五项，分别为：通信能力、侦察能力、打击能力、机动能力以及能量。4. 如权利要求3所述的一种面向任务的协同多智能体联盟形成方法，其特征在于，所 述所需的任务为侦察任务和打击任务： 则面向侦察任务的对比较表矩￥則最大特征值Amax= 5. 223， 根据一致性检验公式：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A_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； 则面向打击任务的对比较表矩阵）丨IJ最大特征值Amax= 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。5. 如权利要求3所述的一种面向任务的协同多智能体联盟形成方法，其特征在于，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，移动性三个因素影响： 所述节点的度为与当前节点通信的邻居节点的数量； 所述通信质量为当前节点接收到的平均信号强度； 所述移动性为当前节点与邻居节点的相对运动状态； 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、最大搜索、总方位角、发现目标概率、同时跟 踪目标数量、定位精度以及分辨率； 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、目标距离以及首发命中 率； 每个智能体的机动能力的影响因素包括地形高程以及地形通行性； 每个智能体的能量的影响因素包括油耗以及智能体上所搭载设备的电量、与目标的距 离。6. 如权利要求5所述的一种面向任务的协同多智能体联盟形成方法，其特征在于，对 于其中一个节点Vi，节点的度为='Ll;其中|队|为邻居节点个数， ' 7 所述通信质量Quavi3其s表示接收灵敏度，表示两个 相邻节点vJPv」之间的链路通信质量，RSSI(vy和RSSI(Vji)分别表示两相邻节点\和Vj彼此检测到的信号强度； 所述移动性的计算方法为：若节点Vi检测到节点 '在t时刻和t-1时刻的信号强 度分别为i?%/;和，那么两相邻节点 '和v』之间的相对运动状态表示为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：当前智能体通信能力）其中，参数?2,为经验设定的归一化权重因子。7. 如权利要求5所述的一种面向任务的协同多智能体联盟形成方法，其特征在于，所 述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相机三种负 载设备； 将这三种负载设备中的作用距离、最大搜索总方位角、发现目标概率、同时跟踪目标数 量、定位精度以及分辨率6种参数量化为数据形式，组成一个3X6的矩阵A; 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; 将A与B相乘，得到三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，(XD相机三种负载设备的贡献度Ul、u2、u3; 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^和P，则该智能体面向侦察任务时的侦察能力为Pd=UlXpw+u2Xperi+u3; 在面向打击任务时，所述三种负载设备中，电子信号侦察设备的最大发现距离为&，则 距离目标D处的发现概率为=e(_D/￡〇);合成孔径雷达SAR的最大发现距离为\，则距 离目标D处的发现概率为; (XD相机最大发现距离为Q，则距离目标D处的 发现概率为^^二#^^ ; 则该智能体面向打击任务的侦察能力为8. 如权利要求5所述的一种面向任务的协同多智能体联盟形成方法，其特征在于，面 向侦察任务时，智能体的打击能力）丄max 式中Fmax为火力最强的智能体表现出的火力值，fmaxS当前智能体最大的火力值， 为弹药容量，9首发命中率；当面向打击任务时，智能体的打击能力为 其中fdist为距离优势，表示为)_TX为智能体最大攻击距离；为智 能体不可逃逸区最大距离。9. 如权利要求5所述的一种面向任务的协同多智能体联盟形成方法，其特征在于， 所述地形高程为地形坡度对机动的影响系数a，通行性为0，则智能体的机动能力为实中，V_为所有智能体的最大速度值，v_为当前智能体的最大速度， ￥ max a为坡度对速度的影响系数，0为通行性； 其中以Y为当前坡度的正切值，贝0的取值为，当地形为公路时取1，当地形为土路时取〇. 8,当地形为草地时取0. 6,当 地形为丘陵时取0. 4,当地形为沙地时取0. 3,当地形为林地时取0. 1。10. 如权利要求5所述的一种面向任务的协同多智能体联盟形成方法，其特征在于，所 述能量的计算为： 面向侦察任务时，智能体能量为t1，llfe;t为智能体 剩余油量可以行驶的路程，L_为所有智能体能行驶的最大路程，eleft为智能体剩余电量 值，为智能体电子设备满电量值； 面向打击任务时，智能体能量为：为与目标的距离。
【专利摘要】本发明公开了一种面向任务的协同多智能体联盟形成方法，包括如下步骤：首先确定需要执行的任务，以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，建立各能力项的权值对比较表，利用AHP方法构建任务特征向量；然后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；将所建立的任务特征向量以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；最后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。
【IPC分类】G06Q10/06
【公开号】CN104951898
【申请号】CN201510381498
【发明人】方浩, 卢少磊, 陈杰, 任伟, 杨庆凯, 尉越, 王雪源, 李俨, 商成思, 邵光远
【申请人】北京理工大学
【公开日】2015年9月30日
【申请日】2015年7月2日