(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111654848.2 (22)申请日 2021.12.3 0 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 明振军　丁伟　阎艳　王国新　 郝佳　姚丽亚　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 刘芳 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种无人机集群过程行为建模与协同优化 方法及系统 (57)摘要 本发明涉及一种无人机集群过程行为建模 与协同优化方法及系统。 该方法包括对无人机集 群体系采用自顶向下逐层分解的策略进行层次 分解， 确定个人决策层、 群体行为层和顶层设计 层； 利用NetLogo仿真平台获取无人机集群体系 的样本数据； 利用BPNN分别建立个体决策与群体 行为和群体行为与顶层设计的函数映射关系； 以 任务完成度、 设计成本和设计效率为优化目标， 以个人决策层的参数范围为约束条件， 基于两个 函数映射关系构建多目标优化的目标函数； 基于 NSGA‑Ⅱ对多目标优化的目标函数进行全局搜 索， 确定全局最优解。 本发明能够有效地实现无 人机集群的行为预测， 避免了决策陷入局部最 优， 有助于探索影 响顶层设计的底层最优决策参 数。 权利要求书2页 说明书7页 附图6页 CN 114492735 A 2022.05.13 CN 114492735 A 1.一种无 人机集群过程行为建模与协同优化方法， 其特 征在于， 包括： 对无人机集群体系采用自顶向下逐层分解的策略进行层次分解， 确定个人决策层、 群 体行为层和顶层设计层； 个人决策层的参数包括： 攻击能力、 防御能力、 移动能力、 通讯能力 以及避障能力； 群体行为层的参数包括： 群体规模、 群体密度、 聚类系数以及平均距离； 顶层 设计层的参数包括： 任务完成度、 设计成本以及设计效率； 利用NetLo go仿真平台获取无人机集群体系的样本数据； 所述样本数据包括： 个人决策 层的参数、 群 体行为层的参数以及顶层设计层的参数； 利用反向传播神经网络BPNN分别建立个体决策与群体行为的函数映射关系和群体行 为与顶层设计的函数映射关系； 以顶层设计层的参数中的任务完成度、 设计成本和设计效率为优化目标， 以个人决策 层的参数范围为约束 条件， 基于个体决策与群体行为的函数映射关系和群体行为与 顶层设 计的函数映射关系构建多目标优化的目标函数； 基于第二代非支配排序遗传算法NSGA ‑Ⅱ对多目标优化的目标函数进行全局搜索， 确 定全局最优解。 2.根据权利要求1所述的一种无人机集群过程行为建模与协同优化方法， 其特征在于， 所述利用NetL ogo仿真平台获取 无人机集群 体系的样本数据， 之后还 包括： 对所述样本数据进行归一 化处理。 3.根据权利要求1所述的一种无人机集群过程行为建模与协同优化方法， 其特征在于， 所述利用反向传播神经网络BPNN分别建立个体决策与群体行为的函数映射关系和群体行 为与顶层设计的函数映射关系， 具体包括： 以个人决策层的参数为BPNN的输入， 以群体行为层的参数为BPNN的输出， 建立个体决 策与群体行为的函数映射关系； 以群体行为层的参数为BPNN的输入， 以顶层设计层的参数为BPNN的输出， 建立个体决 策与群体行为的函数映射关系。 4.根据权利要求3所述的一种无人机集群过程行为建模与协同优化方法， 其特征在于， 所述利用反向传播神经网络BPNN分别建立个体决策与群体行为的函数映射关系和群体行 为与顶层设计的函数映射关系， 具体包括： 利用公式 确定BPNN的输入输出关系； 其中， xi表示输入值； yk表示期望值； 表示输入层i和隐含层j之间的权值； 表示 隐含层j和输出层k之间的权值； aj表示隐含层j的阈值； bk表示输出层k的阈值， n表示隐含层 节点数， m表示输入层节点数， k表示输出层节点数。 5.根据权利要求1所述的一种无人机集群过程行为建模与协同优化方法， 其特征在于， 所述以顶层设计层的参数中的任务完成度、 设计成本和设计效率为优化 目标， 以个人决策 层的参数范围为约束 条件， 基于个体决策与群体行为的函数映射关系和群体行为与 顶层设 计的函数映射关系构建多目标优化的目标函数， 具体包括：权　利　要　求　书 1/2 页 2 CN 114492735 A 2利用公式 构建多目标优化的目标函数； 其中， Z1表示任务完成度， Z2表示设计成本， Z3表示设计效率， p， q为常数。 6.一种无 人机集群过程行为建模与协同优化系统， 其特 征在于， 包括： 层次分解模块， 用于对无人机集群体系采用自顶向下逐层分解的策略进行层次分解， 确定个人决策层、 群体行为层和顶层设计层； 个人决策层的参数包括： 攻击能力、 防御能力、 移动能力、 通讯能力以及 避障能力； 群体行为层的参数包括： 群体规模、 群体密度、 聚类系数 以及平均距离； 顶层设计层的参数包括： 任务完成度、 设计成本以及设计效率； 样本数据获取模块， 用于利用NetLogo仿真平台获取无人机集群体系的样本数据； 所述 样本数据包括： 个人决策层的参数、 群 体行为层的参数以及顶层设计层的参数； 函数映射关系建立模块， 用于利用反向传播神经网络BPNN分别建立个体决策与群体行 为的函数映射关系和群 体行为与顶层设计的函数映射关系； 多目标优化的目标函数构建模块， 用于以顶层设计层的参数中的任务完成度、 设计成 本和设计效率为优化 目标， 以个人决策层的参数范围为约束条件， 基于个体决策与群体行 为的函数映射关系和群 体行为与顶层设计的函数映射关系构建多目标优化的目标函数； 全局最优解确定模块， 用于基于第二代非支配排序遗传算法NSGA ‑Ⅱ对多目标优化的 目标函数进行全局搜索， 确定全局最优解。 7.根据权利要求6所述的一种无人机集群过程行为建模与协同优化系统， 其特征在于， 还包括： 数据归一 化模块， 用于对所述样本数据进行归一 化处理。 8.根据权利要求6所述的一种无人机集群过程行为建模与协同优化系统， 其特征在于， 所述函数映射关系建立模块具体包括： 函数映射关系第一建立单元， 用于以个人决策层的参数为BPNN的输入， 以群体行为层 的参数为BPN N的输出， 建立个 体决策与群 体行为的函数映射关系； 函数映射关系第二建立单元， 用于以群体行为层的参数为BPNN的输入， 以顶层设计层 的参数为BPN N的输出， 建立个 体决策与群 体行为的函数映射关系。权　利　要　求　书 2/2 页 3 CN 114492735 A 3