第2期 王宏健，等：非对称博弈下多UUV基地防卫协同对抗策略 ·349· 的前提下，在一定范围内通过水声通信能够实现 由于水下对抗环境复杂、通信受限、探测能 多UUV的水下协同对抗，可以克服单UUV的能 力受限，关于水下对抗的研究现阶段还较少。文 力局限，提高完成对抗任务效能向。近期无人机 献[27刀主要研究水下对抗过程中的传感器探测组 在美军中的不断使用也表明：无人平台在军事领 网问题，比较了不同度量条件下的探测性能。文 域内的应用以及利用无人平台配合完成作战任务 献[6]验证粒子群优化对水下多AUV协同对抗的 将成为未来对抗形态的发展趋势。美国捕食者 动态博弈模型求解的有效性。文献[28]研究多 无人机是一种最为典型的察打一体无人机，可 UUV对抗过程，并给出对抗过程中态势评估及策 长时间对重要地面目标和低速低空目标进行侦察、 略选择方案。随着无人系统的不断发展，水下对 识别和监视。LDUUV项目9是美国于2011年开 抗问题正引起国内外诸多学者的广泛关注。 始研制测试的一款可搭载具有打击能力的任务载 从上述研究中可以看出，在诸多已有的研究 荷的大直径重型无人潜航器。 中，对抗问题主要存在以下问题：1)单个UUV策 关于多UUV对抗的研究现阶段较少，开放的 略选择研究多，多UUV协同决策研究少，单方面 文献不多，关于对抗的研究主要集中于多UUV围 策略优化选择研究多，双方策略对抗博弈研究 捕问题。在追逃问题研究中文献[10]在“图清理” 少：2)研究对抗双方无能力差异的情况多，研究 方法的基础上，应用精英遗传算法于围捕问题 “多对一”、“弱对强”的少。本文从无人对抗的角 中。文献[1]提出了一种分散的围捕策略，可以 度考虑水下多UUV对抗存在的通信、自主决策 在有限时间内捕获入侵智能体。文献[12]基于 等问题，设计多UUV对抗过程。针对对抗中的 apolonius圆提出了动态围捕入侵智能体的方法。 策略选择与角色分配问题，以多UUV基地防卫 文献[13]利用生物激励神经网络解决多机器人围 作为对抗任务背景，提出一种基于角色分配的多 捕问题，通过计算并选择相邻细胞神经网络的最 UUV协同对抗策略选择方法，完成多对一攻防对 大活动值，得到参与围捕的机器人的围捕路径， 抗任务仿真。 实现有效围捕。文献[14]设计了对足球机器人团 队角色和任务进行分工的模糊推理系统，主要研究 1基地防卫任务想定与研究约束条件 足球机器人角色和行为切换机制。文献[15]提出 基地防卫任务想定：如图1所示，红色小旗为 一种基于狮群算法多AUV围捕方法，实现在围捕 红方被保护区域，蓝方UUV(图中以黄色UUV示 中最佳围捕者的选择和围捕任务中的角色分配。 意)在本次攻防任务中为攻击方，其任务为破坏 无人系统协同对抗要求“参与者”协调行动， 红方基地，当蓝方UUV成功对红方被保护基地 以获得最大利益为核心目标，根据环境信息、敌 造成破坏，认定红方本次攻防任务失败。红方多 方信息以及我方对抗态势不断选择策略。现阶 UUV通过攻击、防守、围捕等手段保护基地不被 段对于无人系统协同对抗的研究对象多为机器 摧毁，则认定红方本次攻防任务成功。 人、无人机和地面无人车，主要研究集中于对 抗中的任务分配、作战方式、干扰手段。自然进 化计算、社会进化计算、生物智能计算2四、群 集智能计算2]等智能算法也被大量运用于武器 分配、协同搜索、追逃围捕等问题的研究中来。 文献[22]应用空间链路调度算法研究多机器人任 蓝方UUV 务协调分配问题。文献23]提出近似规划方法研 双工通信 究一对一空战，解决无人机空战对抗飞行控制问 红方协同UUV 题。文献[24]讨论无人机对地空战问题，不仅给 红方基地 水下监听阵列 单工通信。 出协同策略，还考虑了武器、无人机数量以及地 图1对抗情形 面防御系统设置等问题。文献[25]研究多无人机 Fig.1 Confrontation situation 对抗，设计多无人机对抗实验案例，对不同角色 本文主要研究在对抗中双方的策略选择问 的无人机设计了行为集，无人机根据对抗过程中 题，因此不考虑红方水声通信时延，多UUV间的 的态势，从行为集里选择最优行为完成对抗过 通信定义为双工实时通信，红方UUV能够通过 程。文献26]研究了有人机和无人机协同作战， 预置的水下监听装置探测到蓝方UUV的位姿信 主要聚焦于对抗期间的飞行路径规划。 息，蓝方则通过被动声呐探测一定范围内的红方的前提下，在一定范围内通过水声通信能够实现 多 UUV 的水下协同对抗，可以克服单 UUV 的能 力局限，提高完成对抗任务效能[6]。近期无人机 在美军中的不断使用也表明：无人平台在军事领 域内的应用以及利用无人平台配合完成作战任务 将成为未来对抗形态的发展趋势[7]。美国捕食者 无人机[8] 是一种最为典型的察打一体无人机，可 长时间对重要地面目标和低速低空目标进行侦察、 识别和监视。LDUUV 项目[9] 是美国于 2011 年开 始研制测试的一款可搭载具有打击能力的任务载 荷的大直径重型无人潜航器。 关于多 UUV 对抗的研究现阶段较少，开放的 文献不多，关于对抗的研究主要集中于多 UUV 围 捕问题。在追逃问题研究中文献 [10] 在“图清理” 方法的基础上，应用精英遗传算法于围捕问题 中。文献 [11] 提出了一种分散的围捕策略，可以 在有限时间内捕获入侵智能体。文献 [12] 基于 apolonius 圆提出了动态围捕入侵智能体的方法。 文献 [13] 利用生物激励神经网络解决多机器人围 捕问题，通过计算并选择相邻细胞神经网络的最 大活动值，得到参与围捕的机器人的围捕路径， 实现有效围捕。文献 [14] 设计了对足球机器人团 队角色和任务进行分工的模糊推理系统，主要研究 足球机器人角色和行为切换机制。文献 [15] 提出 一种基于狮群算法多 AUV 围捕方法，实现在围捕 中最佳围捕者的选择和围捕任务中的角色分配。 无人系统协同对抗要求“参与者”协调行动， 以获得最大利益为核心目标，根据环境信息、敌 方信息以及我方对抗态势不断选择策略[16]。现阶 段对于无人系统协同对抗的研究对象多为机器 人、无人机[17] 和地面无人车，主要研究集中于对 抗中的任务分配、作战方式、干扰手段。自然进 化计算[18] 、社会进化计算[19] 、生物智能计算[20] 、群 集智能计算[21] 等智能算法也被大量运用于武器 分配、协同搜索、追逃围捕等问题的研究中来。 文献 [22] 应用空间链路调度算法研究多机器人任 务协调分配问题。文献 [23] 提出近似规划方法研 究一对一空战，解决无人机空战对抗飞行控制问 题。文献 [24] 讨论无人机对地空战问题，不仅给 出协同策略，还考虑了武器、无人机数量以及地 面防御系统设置等问题。文献 [25] 研究多无人机 对抗，设计多无人机对抗实验案例，对不同角色 的无人机设计了行为集，无人机根据对抗过程中 的态势，从行为集里选择最优行为完成对抗过 程。文献 [26] 研究了有人机和无人机协同作战， 主要聚焦于对抗期间的飞行路径规划。 由于水下对抗环境复杂、通信受限、探测能 力受限，关于水下对抗的研究现阶段还较少。文 献 [27] 主要研究水下对抗过程中的传感器探测组 网问题，比较了不同度量条件下的探测性能。文 献 [6] 验证粒子群优化对水下多 AUV 协同对抗的 动态博弈模型求解的有效性。文献 [28] 研究多 UUV 对抗过程，并给出对抗过程中态势评估及策 略选择方案。随着无人系统的不断发展，水下对 抗问题正引起国内外诸多学者的广泛关注。 从上述研究中可以看出，在诸多已有的研究 中，对抗问题主要存在以下问题：1）单个 UUV 策 略选择研究多，多 UUV 协同决策研究少，单方面 策略优化选择研究多，双方策略对抗博弈研究 少；2）研究对抗双方无能力差异的情况多，研究 “多对一”、“弱对强”的少。本文从无人对抗的角 度考虑水下多 UUV 对抗存在的通信、自主决策 等问题，设计多 UUV 对抗过程。针对对抗中的 策略选择与角色分配问题，以多 UUV 基地防卫 作为对抗任务背景，提出一种基于角色分配的多 UUV 协同对抗策略选择方法，完成多对一攻防对 抗任务仿真。 1 基地防卫任务想定与研究约束条件 基地防卫任务想定：如图 1 所示，红色小旗为 红方被保护区域，蓝方 UUV（图中以黄色 UUV 示 意）在本次攻防任务中为攻击方，其任务为破坏 红方基地，当蓝方 UUV 成功对红方被保护基地 造成破坏，认定红方本次攻防任务失败。红方多 UUV 通过攻击、防守、围捕等手段保护基地不被 摧毁，则认定红方本次攻防任务成功。 红方基地 双工通信 红方协同 UUV 单工通信 蓝方 UUV 水下监听阵列 图 1 对抗情形 Fig. 1 Confrontation situation 本文主要研究在对抗中双方的策略选择问 题，因此不考虑红方水声通信时延，多 UUV 间的 通信定义为双工实时通信，红方 UUV 能够通过 预置的水下监听装置探测到蓝方 UUV 的位姿信 息，蓝方则通过被动声呐探测一定范围内的红方 第 2 期 王宏健，等：非对称博弈下多 UUV 基地防卫协同对抗策略 ·349·