基于贝叶斯博弈的无人机通信延时研究

　　离散马尔科夫链状态空间集合为：

(9)

4 仿真分析

　　设效用函数的权重系数为，成本函数的权重系数为。不完全信息下，当N=4时，有15种可能的联盟结构。无人机可能的联盟结构如表1。

　　每个无人机的通信范围的半径设为500 m，最大速度设为50 km/h。无人机的自动导航仪控制其保持在一定的高度，目标是固定的，但他们的位置是随机产生的。仿真区域为10km×10km。图3表示仿真中观察到的各个无人机与目标之间两次连续相遇的时间间隔的累积分布函数。

　　设无人机4的类型为协作行为，其他无人机开始时，协作行为的概率为P_i,j=0.99，不良行为的概率为1-P_i,j=0.01，误报率P_e=0.01，。基于信念更新机制，根据公式(6)和(7)，无人机1、2、3协作行为概率更新的过程如图4。

　　假设对所有无人机来说，成本系数一样，所有无人机的成本系数从0到3，图6代表不完全信息下的纳什稳定联盟结构。当成本系数大于2.6时，所有的无人机将会选择单独行动，即不形成任何联盟。

5 结论

　　基于无人机的类型不确定，利用动态贝叶斯联盟博弈，无人机间倾向于形成联盟来减少目标信息传输的通信延时，并且利用信念更新机制来改变关于无人机类型的信念，依据贝叶斯联盟形成算法，获得稳定的联盟结构。

参考文献:

　　[1]祁晓明,魏瑞轩,沈东,等.面向目标不确定的多无人机鲁棒协同搜索[J].系统工程与电子技术,2013,35(11):2303-2308.

　　[2]王勃,姚佩阳,贾方超,等.多无人机任务集结合作博弈优化自组织协同控制[J].电光与控制,2014,21(11):5-13.

　　[3]陈侠,赵明明,徐光延.基于合作联盟的多无人机对地攻防对抗策略[J].兵工自动化, 2014(1):49-55.

　　[4]杨少环,高晓光,符小卫.基于博弈论的无人机搜索路径规划[J].系统工程与电子技术, 2011,33(10): 2254-2257.

　　[5]陈侠,刘敏,胡永新.基于不确定信息的无人机攻防博弈策略研究[J].兵工学报,2012, 33(12):1510-1515.

　　[6]Ieong S, Shoham Y. Bayesian Coalitional Games[C]//AAAI. 2008: 95-100.

　　[7]George J M, Sujit P B, Sousa J B, et al. Coalition formation with communication ranges and moving targets[C]//American Control Conference (ACC), 2010. IEEE, 2010: 1605-1610.

　　[8]Akkarajitsakul K, Hossain E, Niyato D. Coalition-based cooperative packet delivery under uncertainty: a dynamic Bayesian coalitional game[J], 2012:371-385.

　　[9]ZHANG Qing-qing, XU Yue-ping, TIAN Ye, ZHANG Xu-jie. Risk-based water quality decision-making under small data using Bayesian network[J], Journal of Central South University, 2012, 19: 3215-3224.

　　[10]Niyato D, Wang P, Saad W, et al. Coalition formation games for bandwidth sharing in vehicle-to-roadside communications[C]. Wireless Communications and Networking Conference (WCNC), 2010 IEEE. IEEE, 2010: 1~5.

本文来源于中国科技期刊《电子产品世界》2016年第9期第52页，欢迎您写论文时引用，并注明出处。