Page 77 - 基于深度学习的人工智能技术研究

第二章 人工智能核心技术

人机空战博弈策略的问题，提出一种采用量子粒子群算法在模糊策略下博弈的纳
什均衡求解方法，给出了多无人机空战博弈模型的最优作战策略。温包谦等针对
重点区域前线防守火力部署问题，结合遗传算法的种群多样度高、能够随机全局
搜索和粒子群算法的个体记忆、收敛速度快等特性，先用粒子群算法产生最优解

的个体，再通过遗传算法的选择、交叉、变异操作，寻求对来袭者杀伤力最强的
部署方法。通过调整优化，粒子群优化算法在军事决策控制系统的目标分配、搜
救指挥、弹道控制、兵力部署等方面被广泛应用。
（三）人工蜂群算法在决策控制系统中的应用

人工蜂群算法是基于蜂群在搜寻蜜源、采集花蜜和蜜蜂交流等蜂群觅食过程
所形成的群体智能算法。该算法建立在蜜蜂自组织模型上，虽然单一蜜蜂只完成
单一的任务，但蜂群通过信息交流可以协同完成多种工作。针对人工蜂群算法后
期收敛减速、搜索精度及全局性不强等缺点，在应用策略上的改进主要有以下 3

类：一是将分工策略与实际问题相结合；二是对蜂群算法中的新蜜源探索机制、
搜索公式等策略进行动态调整；三是与其他算法思想进行结合。
1. 蜜蜂角色分配策略
人工蜂群算法模拟了蜂群的分工合作过程，不同任务的蜜蜂可以快速有效地

寻求最优协作方案。这一特性被研究人员广泛应用于决策控制系统中，通过将实
际因素进行任务执行者分配，并对不同任务执行者进行采蜜蜂、观察蜂、侦察蜂
等角色对应，融合蜂群算法思想寻求整体方案最优解。付建苏将蜂群算法与车辆
路径规划问题相结合，把车辆与理想位置间的偏差和车辆抵达目的地的时间都作

为协同变量，将协同函数代价值最低的车辆设置为采蜜蜂，按照概率公式设定相
应追随的观察蜂，所有车辆通过共享信息的方式实现作战车辆整体路线最优并辅
助决策控制系统。王铖等针对无人侦察集群在无网络和无 GPS 环境里的自主导
航问题，将地面控制主机设定为观察蜂，空中侦察机和地面侦察车辆设定为侦察

蜂，空中跟随机和地面跟随车设定为采蜜蜂，侦察机 / 车搜寻新目标并构建路径
发送给相应的跟随机 / 车，跟随机 / 车找到目标再将信息反馈回地面控制主机，
主机分析数据之后采用人工蜂群算法寻求整体规划调度最优方案。
2. 参数动态调整

为了提高应用策略的搜索精度及方案性能，通常采用调整蜜源搜寻机制、改
进蜜蜂更新机制、加入约束条件等参数设置和优化策略。陈冠宇等针对军事通信

69