无人机集群任务与频谱联合优化:基于双理性引导量子启发部分重叠联盟博弈方法
《IEEE Internet of Things Journal》:Joint Optimization of Task and Spectrum in Unmanned Swarm: A Dual Rationality Guided Partially Overlapping Coalition Formation Game Approach
【字体:
大
中
小
】
时间:2025年12月25日
来源:IEEE Internet of Things Journal 8.9
编辑推荐:
为解决无人机集群在动态环境中任务异构性与频谱资源稀缺性导致的资源匹配难题,研究人员开展了基于部分重叠联盟形成游戏(POCFG)的联合任务频谱分配研究。通过构建双理性引导量子启发算法(DRGQI-POCFG),实现了任务分配与频谱决策变量的量子纠缠关联,使系统效用较自私准则、帕累托准则和非联合分配算法分别提升12.2%、26.4%和34.6%,为高密度干扰环境下的智能资源调度提供了新范式。
在低空经济蓬勃发展的今天,无人机集群如同智能蜂群般穿梭于城市天际,承担着从农业植保到应急救援的多样化任务。然而这群"空中舞者"正面临严峻挑战:异构任务对资源的需求千差万别,而频谱资源却像拥挤城市的停车位一样稀缺。更棘手的是,集群内部相互干扰与外部恶意干扰交织,使得通信质量急剧下降,严重制约了协同效率。这种任务层与频谱层的强耦合矛盾,成为提升无人机集群效能的核心瓶颈。
针对这一难题,来自航天工程大学、南京航空航天大学和电子科技大学的研究团队在《IEEE Internet of Things Journal》发表了一项创新研究,提出了一种双理性引导的量子启发部分重叠联盟博弈方法。该研究将复杂的联合优化问题转化为多智能体战略交互模型,通过量子并行搜索与纠缠态协同决策机制,实现了任务与频谱资源的高效动态匹配。
研究人员采用的核心技术方法包括:构建部分重叠联盟形成游戏(POCFG)模型并证明其存在纳什均衡解;设计理性双边互惠稳定性(RBRS)准则以平衡个体与集体理性;开发量子启发算法,利用量子叠加态同时评估多个联盟结构,通过量子纠缠关联任务分配与频谱决策变量。
研究团队建立了包含N架无人机(UAV)和G辆无人车(UGV)的异构集群模型,这些平台可形成联盟共同完成M项任务。由于单平台资源受限,需要通过动态联盟实现资源互补。任务效用函数Um(lm)采用S型满意度函数,综合考虑任务优先级αm、完成度f(lm)、时间消耗Tsum和能量消耗Esum等多重因素。传播模型采用视距链路自由空间路径损耗模型,数据传输速率Rm与带宽分配Bm、发射功率PNG以及干扰水平密切相关。
研究创新性地构建了POCFG模型,允许集群节点同时参与多个任务导向的联盟。通过定义理性双边互惠稳定性准则,解决了传统自私准则和帕累托准则的局限性。理论证明表明,该博弈模型是精确势博弈,至少存在一个纳什均衡解,保证了联盟结构的稳定收敛。效用分配采用基于加权Shapley值的比例公平准则,确保投入更多资源的成员获得更高回报。
DRGQI-POCFG算法将量子理论引入联盟形成过程:量子叠加态实现多联盟结构的并行评估,显著降低计算复杂度;量子纠缠态建立任务与频谱决策变量的关联机制。算法包含双重理性引导机制——个体理性确保成员切换联盟时收益超过动态阈值Δindiv,集体理性要求联盟总效用提升且个体效用不低于生存下限。量子隧穿效应模型Ptunnel实现了频谱资源的智能抢占与释放。
在包含12架无人机、4辆无人车和5项任务的测试场景中,DRGQI-POCFG算法表现出显著优势:任务执行效用较自私准则、帕累托准则和非联合分配算法分别提升12.2%、26.4%和34.6%。量子纠缠状态将算法波动幅度降低至最低水平,证明其能通过有序关联决策有效抑制振荡。随着任务数量增加,该算法保持较高的平均任务完成概率,且收敛过程更为稳定。
研究通过理论证明与实验验证,建立了无人机集群任务频谱联合优化的完整框架。POCFG模型克服了传统联盟游戏的局限性,而量子启发机制有效解决了组合爆炸问题。DRGQI-POCFG算法在提升系统效用、降低计算复杂度和增强抗干扰能力方面展现突出价值,为高动态强干扰环境下的智能资源调度提供了创新解决方案。该研究成果对促进低空经济发展、提升无人机集群在军事民用领域的应用效能具有重要意义。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号