[发明专利]对抗环境下多无人机任务分配的博弈智能决策方法及系统

说明书

本发明提供一种对抗环境下多无人机任务分配的博弈智能决策方法及系统，本发明根据监测方的第一监测策略与攻击方的攻击策略中相同的监测区域，确定监测方的多个第二监测策略；之后基于包括一个第一监测策略和一个攻击策略的策略对的未被发现概率，从攻击策略中筛选目标攻击策略，最后基于第二监测策略、目标攻击策略和监测发现概率，从第二监测策略中筛选目标监测策略对攻击方进行监测。上述技术方案利用斯坦克尔伯格博弈模型求解，解决无法在攻击方能够观测已实施的巡逻策略的前提下，制定有效的巡逻策略来以最大的概率发现攻击方的技术问题，同时通过对监测方的监测策略进行处理，对攻击方的策略进行筛选降低了计算量，提高了计算效率。

技术领域

本发明涉及电力领域，具体涉及一种对抗环境下多无人机任务分配的博弈智能决策方法及系统。

背景技术

无人机能够在多种环境下自主的完成给定任务，有效降低人力成本。当前利用多架无人机对某一区域进行巡逻已经逐渐成为安保中的重要手段之一。设计有效的巡逻策略来部署无人机的巡逻时间和地点，将能够提高监测到监测区域内攻击者的可能性。

无人机的巡逻策略包括任意巡逻周期内每架无人机的巡逻时间和巡逻地点。由于需要提前制定巡逻策略，并且攻击方可以观测到已实施的巡逻策略，因此巡逻策略的制定不仅需要考虑无人机搭载设备的监测精度，还要考虑攻击方可能的攻击策略。另外对于相邻的两个巡逻周期，无人机两次巡逻的地点只可能是相同或者相邻的。当某架无人机的巡逻策略与攻击方选择通过某一监测区域的时间和地点存在交集时，无人机将以一定的概率监测到攻击方，否则监测失败。

可见，在利用无人机进行任务监测的过程中，既要考虑由无人机搭载设备的监测精度所带来的不确定性，还要考虑巡逻策略可以被攻击方观测的现实，同时，由于双方的策略需要同时从时间和空间两个维度考虑，使得在确定巡逻策略的过程中的计算量相当庞大，效率很低。另外，现有技术中在确定巡逻策略时，是基于所有的攻击策略确定的，计算量大，效率低。

目前，无法在攻击方能够观测已实施的巡逻策略的前提下，制定有效的巡逻策略来以最大的概率发现攻击方，同时，现有技术中在确定巡逻策略过程时计算量庞大，效率低下。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种对抗环境下多无人机任务分配的博弈智能决策方法及系统，解决了现有技术中无法在攻击方能够观测已实施的巡逻策略的前提下，制定有效的巡逻策略来以最大的概率发现攻击方，同时，现有技术中在确定巡逻策略过程是计算量庞大，效率低下的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

第一方面，本申请实施例提供了一种对抗环境下多无人机任务分配的博弈智能决策方法，包括：

获取无人机监测任务和无人机监测周期；

基于所述无人机监测任务，确定多个监测区域，并基于所述无人机监测周期，确定多个监测时刻；

基于所述多个监测区域和所述多个监测时刻，确定监测方的多个第一监测策略；其中所述第一监测策略包括每个无人机的一个监测路径，所述监测路径包括对应的无人机在所述无人机监测周期的每个监测时刻所通过的监测区域；所述监测方包括多个无人机；

基于所述多个监测区域和所述多个监测时刻，确定攻击方的多个攻击策略；其中所述攻击策略包括攻击方在连续的、至少两个监测时刻之间的时间段内通过一个监测区域的攻击路径；

基于所述多个第一监测策略和所述多个攻击策略，形成多个策略对；其中所述策略对包括一个第一监测策略和一个攻击策略；

针对每个策略对，确定该策略对中第一监测策略的每个无人机的监测路径中与该策略对攻击策略的攻击路径中相同的监测区域，得到该策略对对应的目标监测区域；