分析法AHP計(jì)算每個(gè)影響因素對(duì)所屬能力項(xiàng)的貢獻(xiàn)度，累加計(jì)算出對(duì)應(yīng)能力項(xiàng)的 數(shù)值，將每個(gè)能力項(xiàng)的數(shù)值作為分量值建立能力特征向量； 步驟三：針對(duì)單個(gè)智能體，將其面向同一任務(wù)所建立的任務(wù)特征向量以及能力特征向 量進(jìn)行點(diǎn)乘，獲得該智能體面向該任務(wù)時(shí)的匹配值； 步驟四：針對(duì)同一任務(wù)，從所有智能體中，按從高到低依次選取匹配值大的智能體直到 所有智能體的匹配值之和滿足任務(wù)需求，則所選取的智能體形成聯(lián)盟作為面向該任務(wù)的協(xié) 同體。2. 如權(quán)利要求1所述的一種面向任務(wù)的協(xié)同多智能體聯(lián)盟形成方法，其特征在于，所 述能力項(xiàng)為n項(xiàng)，則步驟一具體為： 步驟101、建立nXn維的對(duì)比較表，該對(duì)比較表中記載每個(gè)能力項(xiàng)中兩兩之間的權(quán)值 的比值，由此形成對(duì)比較表矩陣； 步驟102、計(jì)算所述對(duì)比較表矩陣的特征值，取其最大特征值對(duì)應(yīng)的特征向量進(jìn)行歸一 化處理后作為任務(wù)特征向量。3. 如權(quán)利要求1或者2所述的一種面向任務(wù)的協(xié)同多智能體聯(lián)盟形成方法，其特征在 于，所述能力項(xiàng)有五項(xiàng)，分別為：通信能力、偵察能力、打擊能力、機(jī)動(dòng)能力以及能量。4. 如權(quán)利要求3所述的一種面向任務(wù)的協(xié)同多智能體聯(lián)盟形成方法，其特征在于，所 述所需的任務(wù)為偵察任務(wù)和打擊任務(wù)： 則面向偵察任務(wù)的對(duì)比較表矩￥則最大特征值A(chǔ)max= 5. 223， 根據(jù)一致性檢驗(yàn)公式：其中n為對(duì)比較表的維數(shù)，n= 5,RI為1. 12 ;則CR= 0. 05575〈0. 1滿足一致性檢驗(yàn)； 通過對(duì)A_對(duì)應(yīng)的特征向量進(jìn)行歸一化處理，取兩位有效數(shù)字，得到面向偵察任務(wù)的任務(wù) 特征向量； 則面向打擊任務(wù)的對(duì)比較表矩陣）丨IJ最大特征值A(chǔ)max= 5. 0651，根據(jù)一致性檢驗(yàn)公式1和2 ;公式中n= 5，RI為1. 12 ;則CR= 0. 01453〈0. 1滿足 一致性檢驗(yàn)；通過對(duì)對(duì)應(yīng)的特征向量進(jìn)行歸一化處理，取兩位有效數(shù)字，得到面向偵 察任務(wù)的任務(wù)特征向量。5. 如權(quán)利要求3所述的一種面向任務(wù)的協(xié)同多智能體聯(lián)盟形成方法，其特征在于，將 智能體作為節(jié)點(diǎn)建立關(guān)于多個(gè)智能體的無線網(wǎng)絡(luò)，則每個(gè)智能體作為網(wǎng)絡(luò)中節(jié)點(diǎn)，其通信 能力的影響因素包括受節(jié)點(diǎn)的度，通信質(zhì)量，移動(dòng)性三個(gè)因素影響： 所述節(jié)點(diǎn)的度為與當(dāng)前節(jié)點(diǎn)通信的鄰居節(jié)點(diǎn)的數(shù)量； 所述通信質(zhì)量為當(dāng)前節(jié)點(diǎn)接收到的平均信號(hào)強(qiáng)度； 所述移動(dòng)性為當(dāng)前節(jié)點(diǎn)與鄰居節(jié)點(diǎn)的相對(duì)運(yùn)動(dòng)狀態(tài)； 每個(gè)智能體的偵察能力的影響因素包括該智能體上所搭載的偵察載荷設(shè)備上與偵察 相關(guān)的參數(shù)，其中有偵察載荷設(shè)備的作用距離、最大搜索、總方位角、發(fā)現(xiàn)目標(biāo)概率、同時(shí)跟 蹤目標(biāo)數(shù)量、定位精度以及分辨率； 每個(gè)智能體的打擊能力的影響因素包括最大火力、彈藥容量、目標(biāo)距離以及首發(fā)命中 率； 每個(gè)智能體的機(jī)動(dòng)能力的影響因素包括地形高程以及地形通行性； 每個(gè)智能體的能量的影響因素包括油耗以及智能體上所搭載設(shè)備的電量、與目標(biāo)的距 離。6. 如權(quán)利要求5所述的一種面向任務(wù)的協(xié)同多智能體聯(lián)盟形成方法，其特征在于，對(duì) 于其中一個(gè)節(jié)點(diǎn)Vi，節(jié)點(diǎn)的度為='Ll;其中|隊(duì)|為鄰居節(jié)點(diǎn)個(gè)數(shù)， ' 7 所述通信質(zhì)量Quavi3其s表示接收靈敏度，表示兩個(gè) 相鄰節(jié)點(diǎn)vJPv」之間的鏈路通信質(zhì)量，RSSI(vy和RSSI(Vji)分別表示兩相鄰節(jié)點(diǎn)\和Vj彼此檢測到的信號(hào)強(qiáng)度； 所述移動(dòng)性的計(jì)算方法為：若節(jié)點(diǎn)Vi檢測到節(jié)點(diǎn) '在t時(shí)刻和t-1時(shí)刻的信號(hào)強(qiáng) 度分別為i?%/;和，那么兩相鄰節(jié)點(diǎn) '和v』之間的相對(duì)運(yùn)動(dòng)狀態(tài)表示為由的符號(hào)狀態(tài)就得到兩相鄰節(jié)點(diǎn)之間的相對(duì)運(yùn)動(dòng)狀態(tài)，任意節(jié)點(diǎn)的移動(dòng)性是其 相對(duì)于所有鄰居節(jié)點(diǎn)的平均運(yùn)動(dòng)狀態(tài)：當(dāng)前智能體通信能力）其中，參數(shù)?2,為經(jīng)驗(yàn)設(shè)定的歸一化權(quán)重因子。7. 如權(quán)利要求5所述的一種面向任務(wù)的協(xié)同多智能體聯(lián)盟形成方法，其特征在于，所 述智能體上搭載的偵察載荷設(shè)備為電子信號(hào)偵察設(shè)備，合成孔徑雷達(dá)SAR，CCD相機(jī)三種負(fù) 載設(shè)備； 將這三種負(fù)載設(shè)備中的作用距離、最大搜索總方位角、發(fā)現(xiàn)目標(biāo)概率、同時(shí)跟蹤目標(biāo)數(shù) 量、定位精度以及分辨率6種參數(shù)量化為數(shù)據(jù)形式，組成一個(gè)3X6的矩陣A; 設(shè)定6種參數(shù)對(duì)偵察能力的影響權(quán)值，然后建立6種參數(shù)的對(duì)比較表，該表中記載每個(gè) 參數(shù)兩兩之間的權(quán)值的比值，由此形成6種參數(shù)的對(duì)比較表矩陣，計(jì)算該矩陣的最大特征 值并進(jìn)行AHP-致性檢驗(yàn)，若滿足一致性檢驗(yàn)，則將該最大特征值對(duì)應(yīng)的特征向量進(jìn)行歸 一化后獲得向量B; 將A與B相乘，得到三項(xiàng)設(shè)備對(duì)偵察能力的貢獻(xiàn)度并進(jìn)行歸一化，獲得對(duì)應(yīng)電子信號(hào)偵 察設(shè)備，合成孔徑雷達(dá)SAR，(XD相機(jī)三種負(fù)載設(shè)備的貢獻(xiàn)度Ul、u2、u3; 在面向偵察任務(wù)時(shí)，檢測獲得電子信號(hào)偵察設(shè)備和SAR受到敵方信號(hào)的干擾，設(shè)干擾 系數(shù)為P^和P，則該智能體面向偵察任務(wù)時(shí)的偵察能力為Pd=UlXpw+u2Xperi+u3; 在面向打擊任務(wù)時(shí)，所述三種負(fù)載設(shè)備中，電子信號(hào)偵察設(shè)備的最大發(fā)現(xiàn)距離為&，則 距離目標(biāo)D處的發(fā)現(xiàn)概率為=e(_D/￡〇);合成孔徑雷達(dá)SAR的最大發(fā)現(xiàn)距離為\，則距 離目標(biāo)D處的發(fā)現(xiàn)概率為; (XD相機(jī)最大發(fā)現(xiàn)距離為Q，則距離目標(biāo)D處的 發(fā)現(xiàn)概率為^^二#^^ ; 則該智能體面向打擊任務(wù)的偵察能力為8. 如權(quán)利要求5所述的一種面向任務(wù)的協(xié)同多智能體聯(lián)盟形成方法，其特征在于，面 向偵察任務(wù)時(shí)，智能體的打擊能力）丄max 式中Fmax為火力最強(qiáng)的智能體表現(xiàn)出的火力值，fmaxS當(dāng)前智能體最大的火力值， 為彈藥容量，9首發(fā)命中率；當(dāng)面向打擊任務(wù)時(shí)，智能體的打擊能力為 其中fdist為距離優(yōu)勢，表示為)_TX為智能體最大攻擊距離；為智 能體不可逃逸區(qū)最大距離。9. 如權(quán)利要求5所述的一種面向任務(wù)的協(xié)同多智能體聯(lián)盟形成方法，其特征在于， 所述地形高程為地形坡度對(duì)機(jī)動(dòng)的影響系數(shù)a，通行性為0，則智能體的機(jī)動(dòng)能力為實(shí)中，V_為所有智能體的最大速度值，v_為當(dāng)前智能體的最大速度， ￥ max a為坡度對(duì)速度的影響系數(shù)，0為通行性； 其中以Y為當(dāng)前坡度的正切值，貝0的取值為，當(dāng)?shù)匦螢楣窌r(shí)取1，當(dāng)?shù)匦螢橥谅窌r(shí)取〇. 8,當(dāng)?shù)匦螢椴莸貢r(shí)取0. 6,當(dāng) 地形為丘陵時(shí)取0. 4,當(dāng)?shù)匦螢樯车貢r(shí)取0. 3,當(dāng)?shù)匦螢榱值貢r(shí)取0. 1。10. 如權(quán)利要求5所述的一種面向任務(wù)的協(xié)同多智能體聯(lián)盟形成方法，其特征在于，所 述能量的計(jì)算為： 面向偵察任務(wù)時(shí)，智能體能量為t1，llfe;t為智能體 剩余油量可以行駛的路程，L_為所有智能體能行駛的最大路程，eleft為智能體剩余電量 值，為智能體電子設(shè)備滿電量值； 面向打擊任務(wù)時(shí)，智能體能量為：為與目標(biāo)的距離。
【專利摘要】本發(fā)明公開了一種面向任務(wù)的協(xié)同多智能體聯(lián)盟形成方法，包括如下步驟：首先確定需要執(zhí)行的任務(wù)，以智能體的多個(gè)能力項(xiàng)作為任務(wù)特征向量的基，依據(jù)需要執(zhí)行的任務(wù)的側(cè)重點(diǎn)，建立各能力項(xiàng)的權(quán)值對(duì)比較表，利用AHP方法構(gòu)建任務(wù)特征向量；然后結(jié)合需要執(zhí)行的任務(wù)，建立各能力項(xiàng)的影響因素模型，并通過AHP計(jì)算每個(gè)影響因素對(duì)所屬能力項(xiàng)的貢獻(xiàn)度，累加計(jì)算出對(duì)應(yīng)能力項(xiàng)的數(shù)值，將每個(gè)能力項(xiàng)的數(shù)值作為分量值建立能力特征向量；將所建立的任務(wù)特征向量以及能力特征向量進(jìn)行點(diǎn)乘，獲得該智能體面向該任務(wù)時(shí)的匹配值；最后從高到低依次選取匹配值大的智能體直到所有智能體的匹配值之和滿足任務(wù)需求，則所選取的智能體形成聯(lián)盟。
【IPC分類】G06Q10/06
【公開號(hào)】CN104951898
【申請(qǐng)?zhí)枴緾N201510381498
【發(fā)明人】方浩, 盧少磊, 陳杰, 任偉, 楊慶凱, 尉越, 王雪源, 李儼, 商成思, 邵光遠(yuǎn)
【申請(qǐng)人】北京理工大學(xué)
【公開日】2015年9月30日
【申請(qǐng)日】2015年7月2日