基于改进可达矩阵的多余度飞机仿真系统建模

作者： 陈静杰   吴永劼   朱玉娟   来源： 电光与控制 年份： 2017 文献类型 ： 期刊 关键词： 飞机仿真系统   Agent   余度系统   可达矩阵  

描述： 在建立飞机维修仿真中的系统模型时,针对飞机系统中航线可更换组件(LRU)之间的逻辑关系难以表达并伴随多余度系统的问题,提出一种基于扩展可达矩阵的系统建模方法,并通过组件AGENT化的方法,表达了组件在系统中的逻辑和组件状态改变对系统工作逻辑的影响。该方法能抽象飞机系统逻辑,并转化为计算机可实现的对象。通过分析可达矩阵,可明确信号传递与受维修行为所关联的组件。最后,通过构建自动飞行系统(AFS)的逻辑功能模型验证了该方法的可行性。

基于改进可达矩阵的多余度飞机仿真系统建模

作者： 陈静杰   吴永劼   朱玉娟   来源： 电光与控制 年份： 2017 文献类型 ： 期刊 关键词： 飞机仿真系统   Agent   余度系统   可达矩阵  

描述： 在建立飞机维修仿真中的系统模型时,针对飞机系统中航线可更换组件(LRU)之间的逻辑关系难以表达并伴随多余度系统的问题,提出一种基于扩展可达矩阵的系统建模方法,并通过组件AGENT化的方法,表达了组件在系统中的逻辑和组件状态改变对系统工作逻辑的影响。该方法能抽象飞机系统逻辑,并转化为计算机可实现的对象。通过分析可达矩阵,可明确信号传递与受维修行为所关联的组件。最后,通过构建自动飞行系统(AFS)的逻辑功能模型验证了该方法的可行性。

基于空间Agent的舰载机群调度路径规划

作者： 张鹏翼   黄百乔   崔博文   来源： 兵器装备工程学报 年份： 2020 文献类型 ： 期刊 关键词： 动态调度   Agent   舰载机   改进A*算法   路径规划  

描述： 基于空间Agent的舰载机群调度路径规划

基于ABMS的飞机拦截作战效能评估方法

作者： 张睿文   宋笔锋   裴扬   石帅   来源： 系统工程与电子技术 年份： 2018 文献类型 ： 期刊 关键词： Agent   信息域   效能   作战建模   传感器  

描述： 研究了采用基于agent的建模与仿真(agent based modeling and simulation,ABMS)进行飞机拦截作战效能评估的方法。针对拦截作战的特点,提出了一种基于信息过程、以任务状态机为核心的agent模型结构。在此结构下,提出了信息域映射agent的概念以及基于此概念进行传感器探测与跟踪建模的方法,并给出了雷达探测与跟踪的通用模型。针对两类典型拦截作战情形进行了仿真和参数影响分析,验证了方法的合理性和有效性。分析结果表明,在单机作战、多机平台中心战和多机网络化作战三种不同作战模式下,飞机性能对效能的影响方式存在一定差异。

基于空间Agent的舰载机群调度路径规划

作者： 张鹏翼   黄百乔   崔博文   来源： 兵器装备工程学报 年份： 2020 文献类型 ： 期刊 关键词： 动态调度   Agent   舰载机   改进A*算法   路径规划  

描述： 基于空间Agent的舰载机群调度路径规划

基于ABMS的飞机拦截作战效能评估方法

作者： 张睿文   宋笔锋   裴扬   石帅   来源： 系统工程与电子技术 年份： 2018 文献类型 ： 期刊 关键词： Agent   信息域   效能   作战建模   传感器  

描述： 研究了采用基于agent的建模与仿真(agent based modeling and simulation,ABMS)进行飞机拦截作战效能评估的方法。针对拦截作战的特点,提出了一种基于信息过程、以任务状态机为核心的agent模型结构。在此结构下,提出了信息域映射agent的概念以及基于此概念进行传感器探测与跟踪建模的方法,并给出了雷达探测与跟踪的通用模型。针对两类典型拦截作战情形进行了仿真和参数影响分析,验证了方法的合理性和有效性。分析结果表明,在单机作战、多机平台中心战和多机网络化作战三种不同作战模式下,飞机性能对效能的影响方式存在一定差异。

Hypergraph convolution mix DDPG for multi-aerial base station deployment

作者： He   Haoran     Zhou   Fanqin     Zhao   Yikun     Li   Wenjing     Feng   Lei   来源： Journal of Cloud Computing 年份： 2023 文献类型 ： 期刊 关键词： Hypergraph   Agent   deep   efficiency   (AeBS)   learning   decomposition   aerial   (HGCN)   multi   (MADRL)   optimization   station   Value   convolution   reinforcement   base   energy  

描述： Aerial base stations (AeBS), as crucial components of air-ground integrated networks, can serve as the edge nodes to provide flexible services to ground users. Optimizing the deployment of multiple AeBSs to maximize system energy efficiency is currently a prominent and actively researched topic in the AeBS-assisted edge-cloud computing network. In this paper, we deploy AeBSs using multi-agent deep reinforcement learning (MADRL). We describe the multi-AeBS deployment challenge as a decentralized partially observable Markov decision process (Dec-POMDP), taking into consideration the constrained observation range of AeBSs. The hypergraph convolution mix deep deterministic policy gradient (HCMIX-DDPG) algorithm is designed to maximize the system energy efficiency. The proposed algorithm uses the value decomposition framework to solve the lazy agent problem, and hypergraph convolutional (HGCN) network is introduced to strengthen the cooperative relationship between agents. Simulation results show that the suggested HCMIX-DDPG algorithm outperforms alternative baseline algorithms in the multi-AeBS deployment scenario.

Hypergraph convolution mix DDPG for multi-aerial base station deployment

作者： He   Haoran     Zhou   Fanqin     Zhao   Yikun     Li   Wenjing     Feng   Lei   来源： Journal of Cloud Computing 年份： 2023 文献类型 ： 期刊 关键词： Hypergraph   Agent   deep   efficiency   (AeBS)   learning   decomposition   aerial   (HGCN)   multi   (MADRL)   optimization   station   Value   convolution   reinforcement   base   energy  

描述： Aerial base stations (AeBS), as crucial components of air-ground integrated networks, can serve as the edge nodes to provide flexible services to ground users. Optimizing the deployment of multiple AeBSs to maximize system energy efficiency is currently a prominent and actively researched topic in the AeBS-assisted edge-cloud computing network. In this paper, we deploy AeBSs using multi-agent deep reinforcement learning (MADRL). We describe the multi-AeBS deployment challenge as a decentralized partially observable Markov decision process (Dec-POMDP), taking into consideration the constrained observation range of AeBSs. The hypergraph convolution mix deep deterministic policy gradient (HCMIX-DDPG) algorithm is designed to maximize the system energy efficiency. The proposed algorithm uses the value decomposition framework to solve the lazy agent problem, and hypergraph convolutional (HGCN) network is introduced to strengthen the cooperative relationship between agents. Simulation results show that the suggested HCMIX-DDPG algorithm outperforms alternative baseline algorithms in the multi-AeBS deployment scenario.