公开(公告)号：CN110083748A

公开(公告)日：2019-08-02

申请号：CN201910360537.1

申请日：2019-04-30

Applicant: 南京邮电大学

Inventor： 陈志 ,  董阳 ,  岳文静 ,  汪皓平 ,  狄小娟 ,  袁广进

IPC: G06F16/903 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自适应动态规划与蒙特卡罗树搜索的搜索方法，包括：输入一个状态、行为和环境的即时反馈值集合，即S、A和R的搜索集；从自适应动态规划训练的神经网络中获得五个候选移动位置及其获胜概率w1；将五个候选移动位置及其当前环境情况视为蒙特卡罗树搜索的根节点，根据蒙特卡罗树搜索方法分别获得5个获胜概率w2；结合五个ADP获胜概率w1及其相应的MCTS获胜概率w2，预测最终获胜概率，进而选择具有最大值的动作位置。本发明结合了浅层神经网络和蒙特卡罗模拟，使用ADP训练神经网络对抗自身，在训练后，神经网络可以获得任何可能情况的获胜概率，从而使游戏的最终预测结果更准确。

公开(公告)号：CN110147099B

公开(公告)日：2022-03-01

申请号：CN201910361354.1

申请日：2019-04-30

Applicant: 南京邮电大学

Inventor： 陈志 ,  袁广进 ,  岳文静 ,  汪皓平 ,  狄小娟 ,  董阳

IPC: G05D1/02 ,  G06N3/00

Abstract: 本发明公开了一种基于改进鸽群优化的多无人机协同搜索方法，包括：首先建立搜索地图模型，并使用马尔科夫模型来建立目标信息图，然后建立无人机的运动模型和数字信息素图；应用鸽群优化算法进行多无人机的协同搜索，在初始化种群位置时使用混沌和反向策略来实现，确保初始位置的随机性；第一阶段进行地图和指南针算子的迭代时，使用柯西变异防止陷入局部最优，第二阶段进行地标算子的迭代时，使用模拟退火保留部分表现较差的个体以及高斯变异避免早熟陷入局部最优。本发明将使用混沌和反向策略初始化种群位置、为了避免陷入局部最优而引入的变异和模拟退火算法相结合，解决了搜索过程中的动态目标和重复搜索问题，同时有效的提高了搜索的效率。

公开(公告)号：CN110147099A

公开(公告)日：2019-08-20

申请号：CN201910361354.1

申请日：2019-04-30

Applicant: 南京邮电大学

Inventor： 陈志 ,  袁广进 ,  岳文静 ,  汪皓平 ,  狄小娟 ,  董阳

IPC: G05D1/02 ,  G06N3/00

Abstract: 本发明公开了一种基于改进鸽群优化的多无人机协同搜索方法，包括：首先建立搜索地图模型，并使用马尔科夫模型来建立目标信息图，然后建立无人机的运动模型和数字信息素图；应用鸽群优化算法进行多无人机的协同搜索，在初始化种群位置时使用混沌和反向策略来实现，确保初始位置的随机性；第一阶段进行地图和指南针算子的迭代时，使用柯西变异防止陷入局部最优，第二阶段进行地标算子的迭代时，使用模拟退火保留部分表现较差的个体以及高斯变异避免早熟陷入局部最优。本发明将使用混沌和反向策略初始化种群位置、为了避免陷入局部最优而引入的变异和模拟退火算法相结合，解决了搜索过程中的动态目标和重复搜索问题，同时有效的提高了搜索的效率。