蒙特卡洛樹搜索方法及其在隱身飛機自主任務(wù)規(guī)劃中的應(yīng)用.pdf

1、隱身飛機在線自主任務(wù)規(guī)劃方法研究對于提高隱身飛機作戰(zhàn)能力有著十分重要的應(yīng)用價值和研究意義。隱身飛機由于其自身需要保持隱身能力的特性，在作戰(zhàn)過程中要求隱身飛機盡量不發(fā)射無線電波，不使用雷達，但是隨著防空武器裝備的發(fā)展，隱身飛機作戰(zhàn)任務(wù)表現(xiàn)出高度的復(fù)雜性，作戰(zhàn)任務(wù)的難度、飛機受到的威脅、以及作戰(zhàn)強度逐漸增加，使得隱身飛機自主任務(wù)規(guī)劃面臨的任務(wù)環(huán)境更加復(fù)雜，是一個動態(tài)的、不確定的環(huán)境。論文以隱身飛機對地面目標作戰(zhàn)任務(wù)為背景，以解決其自主任務(wù)規(guī)

2、劃問題為目的，立足于對隱身飛機自主任務(wù)規(guī)劃的理論和方法進行研究，主要研究內(nèi)容如下：
　　1、隱身飛機自主任務(wù)規(guī)劃問題分析與建模。對隱身飛機的作戰(zhàn)任務(wù)進行了分析，通過分析隱身飛機作戰(zhàn)過程中的不確定性，得到隱身飛機自主任務(wù)規(guī)劃的序貫決策特性。綜合考慮問題特性，對隱身飛機在線規(guī)劃問題進行建模，建立了基于部分可觀馬爾科夫過程(Partially Observable Markov Decision Processes, POMDP）的隱身

3、飛機自主任務(wù)規(guī)劃模型框架，為進一步研究規(guī)劃方法奠定了基礎(chǔ)。
　　2、系統(tǒng)研究了蒙特卡洛樹搜索算法，提出了面向隱身飛機作戰(zhàn)自主任務(wù)規(guī)劃的改進搜索算法。對蒙特卡洛樹搜索算法進行了研究，系統(tǒng)闡述了算法的特點，分析了在面對隱身飛機自主任務(wù)規(guī)劃問題中傳統(tǒng)的蒙特卡洛樹搜索在線規(guī)劃算法（Partially Observable Monte Carlo Planning, POMCP）存在對蒙特卡洛模擬次數(shù)依賴過大的局限性。針對該問題，論文通過結(jié)

4、合動作均等（All Moves As First, AMAF）啟發(fā)式機制，設(shè)計了面向隱身飛機自主任務(wù)規(guī)劃問題的 POMCP-RAVE算法。在基準問題上進行了測試，結(jié)果表明在相同模擬次數(shù)下，POMCP-RAVE算法在兩個基準問題中獲得的平均回報最多可提高11.99％和17.12%，驗證了改進算法的有效性。
　　3、針對隱身飛機作戰(zhàn)自主任務(wù)規(guī)劃問題進行了應(yīng)用研究，驗證了改進蒙特卡洛樹搜索算法 POMCP-RAVE解決自主任務(wù)規(guī)劃問題中