人工智能空战系统的发展及应用前景.pdfVIP

人工智能空战系统的发展及应用前景

作者：汤一峰

来源：《无人机》2018年第06期

图1ALPHA空战拟图2VESPA的空战拟界面

图3“蓝军”为ALPHA控制的双机编队

C-2

FIS

图4传统树状结构（左）与GFT级联树状结构（右）

最后输出

图5遗传翻泾轼树柒法的演进图6遗传糊造辑树典型柒构布置

遗传-法（GA）：出仿优胜劣汰；籍快遑搜

第n空间：对本地•优a刊傥好适应性

陶推断系细FIS）：使用谓昌遇义•来控制系统;

不适用二遏制敢据依入；■棒性、住脆好

il传榜网系境G（FS）：使用遗传11法来对做个▼

FIS优化；可根据专家知识创If-Then双的；

II法较为成熟

速传爆联根网噌焕G（CFS：g用流传■法创，金

优化多个级联的FIS；根男词18不同按照自上而下的

层出分MFIs；便胆ail法有外埴也决望余河同

r遗传糊渡阳宙G（FT）：使用遗传・法创♦或优比

多个级联的FIS；将GFS的学习能力引入，解决超

椎出控制动作

圾复杂河狸；具番上送II法的所有优劣

图8(下)“忠诚僚机”的备选平台

人工智能空战系统ALPHA基于糊逻辑树控制算法，通过整合糊控制、遗传算法、级

联控制结构的思想和原理，克服了神经网络算法运算量过大的缺点，同时又不失于精确性和鲁

棒性。本文介绍了ALPHA系统的项目背景、研发历程、算法优势和实施框架。同时，结合美

军现有“忠诚僚机”等预研计划，预测了人工智能空战系统在无人机编队等方面的应用前景。

项目背景

2017年，针对人工智能科技的爆发式发展趋势，英国广播公司(BBC)发布了一份最可

能被人工智能取代的人类工作清单。中，汽车驾驶员这一岗位在榜单名列前茅。未来，可能

空战决策算法中，一类是模糊逻辑控制算法为代表的芍统方法，另一类是以人工神经网

络、遗传算法、影响图法等为代表的智能方法。

传统模糊逻辑控制算法应用非常广泛，最常用于工业控制系统领域，优势是对于噪声、不

确定环境的鲁棒性较好，但扩展性较差。模糊逻辑控制算法不复杂，但是非常依赖专家系统”

提供的一整套规则。需要有大量预先设置的专业领域知识，这些知识通过一定的规则来影响系

统做出判断，形成决策。当输入量有限时，模糊逻辑系统在趋势预测方面表现得十分出色，但

一旦输入量变多(例如ALPHA系统目前的输入变量就超过150个)时，它就变得太过复杂，

计算量呈指数级增长，即便是今曰的计算能力发达的情况下，仍是难以完全实时处理。另外，

直接将传统模糊逻辑控制应用于空战场景存在的问题包括：规则库比较复杂，需要不断调试；

规则集很难覆盖所有的空战情境，对空战中的不确定性和动态特性适应较差。

遗传算法(GeneticAlgorithm)以生物进化理论中的自然选择为模型，模拟了自然界中的

进化过程。在优化控制、信号处理等问题上得到了广泛的应用，是解决随机搜索问题的有效方

法。

人工神经网络(Artificial