孙楚 作品数:4 被引量:56 H指数:3 供职机构: 空军工程大学航空航天工程学院 更多>> 发文基金: 中国航空科学基金 国家自然科学基金 更多>> 相关领域: 自动化与计算机技术 兵器科学与技术 更多>>
具有自适应搜索策略的灰狼优化算法 被引量:25 2017年 灰狼优化算法(Grey Wolf Optimization,GWO)是一种新型的群智能优化算法。与其他智能优化算法类似,该算法仍存在收敛速度慢、容易陷入局部极小点的缺点。针对这一问题,提出了具有自适应搜索策略的改进算法。为了提高算法的收敛速度和优化精度,通过适应度值控制智能个体位置,并引入了最优引导搜索方程;另一方面,为提高GWO的种群多样性,改进算法利用位置矢量差随机跳出局部最优。最后对10个标准测试函数进行了仿真实验,并与其他4种算法进行了比较,统计结果和Wilcoxon符号秩检验结果均表明,所提出的改进算法在收敛速度以及搜索精度方面具有明显优势。 魏政磊 赵辉 韩邦杰 孙楚 李牧东关键词:自适应 函数优化 区间数决策在无人机攻防博弈中的应用 被引量:6 2017年 针对不确定信息下的无人机攻防博弈问题,建立了基于区间数的无人机攻防博弈模型。将态势信息引入支付区间矩阵,重构了支付区间内点的分布并将其转化为四参数区间数。结合信息论提出了一种基于相对熵的目标分配决策模型,提高了对不同策略的区分度。给出了参数不确定优化问题的求解方法,并使用自适应粒子群算法求解了纳什均衡。仿真结果验证了该方法在无人机攻防博弈中的可行性和有效性。 孙楚 赵辉 王骁飞 魏政磊关键词:无人作战飞机 相对熵 纳什均衡 粒子群优化 基于改进SOS算法的UCAV鲁棒机动决策研究 被引量:3 2018年 针对无人作战飞机自主空战机动决策问题,提出了一种鲁棒机动决策方法。设计了反映空战态势的鲁棒隶属函数,并基于此设计鲁棒多目标决策函数;针对动作库在机动决策中的不完备性与传统优化方法求解时效性缺陷,运用基于自适应和精英反向学习策略改进的共生生物算法,对控制量进行优化进而完成机动决策;仿真结果表明,鲁棒机动决策结果更具优势且改进算法求解具有实时性,满足机动决策需求。 韩瑾 王骁飞 周虎 孙楚 李聪关键词:无人作战飞机 基于强化学习的无人机自主机动决策方法 被引量:23 2019年 提出了一种基于连续动作集强化学习的无人机机动决策方法。通过Actor-Critic强化学习构架下的NRBF神经网络输出状态真实效用值与连续动作控制变量,效用值与动作控制变量的输出层共用隐层以简化网络结构。结合相对熵理论设计隐层节点的自适应调整方法,有效减少了隐层节点数目。对输出动作控制变量,采用基于高斯分布的连续动作选择策略,并依据训练次数调整随机动作控制变量的概率分布,提升了网络对未知策略的探索能力。在3种不同空战态势下的仿真验证了该方法的有效性,结果表明该方法生成的策略鲁棒性较强,动作控制量更加精确。 孙楚 赵辉 王渊 周欢 韩瑾关键词:无人作战飞机 神经网络