一种基于SWOT分析和行为树的多智能体无人对抗系统的决策方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115900433A(43)申请公布日2023.04.04(21)申请号202211568902.6(22)申请日2022.12.08(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)发明人邓方周轩孙智昊郑豪张乐乐陈杰(74)专利代理机构北京理工大学专利中心11120专利代理师张丽娜(51)Int.Cl.F41A33/00(2006.01)G06N5/01(2023.01)G06N5/043(2023.01)权利要求书2页说明书6页附图2页(54)发明名称一种基于SWOT分析和行为树的多智能体无人对抗系统的决策方法(57)摘要本发明公开了一种基于SWOT分析和行为树的多智能体无人对抗系统的决策方法，可以用于真实的多智能体无人自主对抗系统，使用SWOT分析法帮助行为树选择非异常动作类型，实现简单且具有良好的可解释性和一定的自适应能力，避免了传统方法需要人工设计条件节点的限制；设计了分布式的通信和计算框架，实现了去中心化，合理分配计算资源，符合高维状态下真实多智能体无人对抗即时决策系统的应用背景；设计了层次的行为决策结构，具有决策精度递增的特点，有利于智能体自发实现行为自组织，有利于提高真实多智能体无人系统中即时决策的鲁棒性。CN115900433ACN115900433A权利要求书1/2页1.一种基于SWOT分析和行为树的多智能体无人对抗系统的决策方法，其特征在于步骤包括：步骤1：搭建分布式通信网络，并根据所搭建的分布式通信网络实时获取通信数据；步骤2：搭建分布式状态黑板，并将步骤1中实时获取的通信数据输入到所搭建的分布式状态黑板中；步骤3：构建行为树；步骤4：构建SWOT态势分析模块；步骤5：将实时获取的通信数据的处理结果更新步骤2中的分布式状态黑板中；步骤6：执行步骤3构建的行为树；步骤7：使用步骤4中所构建的SWOT态势分析模块将当前对抗态势进行分类，并将当前对抗态势分类结果更新至分布式状态黑板上，并根据对抗态势分类结果选择行为树中的动作节点；步骤8：根据步骤7中所选择的行为树中的动作节点，计算智能体运动目标位置的决策方案；步骤9：根据步骤7中所选择的行为树中的动作节点，计算动作节点中的打击目标、运行姿态和目标姿态角决策方案；步骤10：将步骤8中的决策方案和步骤9中的决策方案发送到底层控制器和规划器并更新分布式状态黑板，完成基于SWOT分析和行为树的多智能体无人对抗系统的决策。2.根据权利要求1所述的一种基于SWOT分析和行为树的多智能体无人对抗系统的决策方法，其特征在于：所述的步骤1中，通信数据包括同队多智能体间的交互状态数据、对抗系统状态信息以及观测获得的敌方状态数据；同队多智能体间的交互状态数据中包括规划状态结果数据。3.根据权利要求1或2所述的一种基于SWOT分析和行为树的多智能体无人对抗系统的决策方法，其特征在于：所述的步骤3中，构建行为树的具体方法为：通过基于xml的可视化行为树编辑器自动生成json文件，并对所生成的json文件进行解析，完成行为树的构建。4.根据权利要求3所述的一种基于SWOT分析和行为树的多智能体无人对抗系统的决策方法，其特征在于：所述的步骤4中，所构建的SWOT态势分析模块中包括形势评价函数和战力评价函数，其中，形势评价函数用于衡量输赢趋势，战力评价函数用于衡量战斗能力。5.根据权利要求4所述的一种基于SWOT分析和行为树的多智能体无人对抗系统的决策方法，其特征在于：所述的步骤5中，通信数据处理结果包括通用代价地图集和每个智能体的战力值。6.根据权利要求5所述的一种基于SWOT分析和行为树的多智能体无人对抗系统的决策方法，其特征在于：所述的步骤7中，使用形势评价函数和战力评价函数将当前对抗态势分类为ST、SO、WT、WO四种状态。7.根据权利要求6所述的一种基于SWOT分析和行为树的多智能体无人对抗系统的决策方法，其特征在于：2CN115900433A权利要求书2/2页所述的步骤8中，计算智能体运动目标位置的决策方案的具体方法为：根据通用代价地图集和选择的动作节点类型，为各层代价地图分配对应动作的权重系数，将各层代价地图进行加权求和后获得对应的动作的目标位置代价地图，通过启发式搜索算法搜索代价最小的网格点并进行坐标系转化，获得该智能体运动目标位置的决策方案。8.根据权利要求7所述的一种基于SWOT分析和行为树的多智能体无人对抗系统的决策方法，其特征在于：所述的步骤9中，计算动作节点中的打击目标、运行姿态和目标姿态角决策方案的具体为：根据距离指标和每个智能体的战力值，构建攻击目标代价函数，并根据构建的攻击目标代价函数计算满足一致性条件的目标攻击对象的id；构建车辆姿态决策行为树，并根据构建的车辆姿态