《探索马赛克战争策略的多智能体路由解决方案方法分析》最新156页

考虑到资产之间的通信可能是局部的，但不可能是全局的（例如，由于通信网络中断），“马赛克战争 ”要求多个分散资产在较小的群组中移动和运行。在这些群组中，资产之间存在分层的功能关系。本研究提出并评估了一种分级资产组合和路由启发式（HATRH），用于实施由机载传感器、指挥和控制飞机以及攻击机组成的空中资产企业的马赛克战，以移动并摧毁一组固定目标。HATRH 由三种迭代应用算法组成：一种是将资产组合成功能片的分组算法，另两种算法分别与资产群移动和单个资产移动有关。后两种算法中包含由用户确定的参数，这些参数大致对应于马赛克中的群体和单个资产机构。广泛的测试检验了这些参数和资产密度对三种不同操作场景设计的影响，并通过两个无政府价格（POA）启发指标与最佳（即高效）资产利用率进行了比较。结果表明，与单个资产机构相对应的用户自定义参数对平均弹药消耗和资产平均飞行距离都有显著影响。在资产最初包围敌方目标的情况下，单个和群组机构用户定义参数都会影响弹药消耗和燃料消耗方面的作战效率。

接下来的研究将探讨以协作方式在网络上路由多个不同类型的资产以满足需求的问题。协同服务的特点是，在为需求提供服务时，不同类型的资产必须几乎同时进行。此外，某些类型的资产必须通过访问需求来提供服务，而其他类型的资产则可以就近提供服务。本研究提出了一种混合整数线性程序来模拟这种车辆路由问题的变体。除了通过商用求解器直接求解问题实例外，本研究还提出了模型分解启发式的两种排列组合，以及两种预处理技术，对选定的决策变量施加特定于实例的约束。对比测试评估了求解方法和预处理选项的九种组合，以求解一组 216 个重要参数变化的实例。结果表明，在计算量有限的情况下找到可行解决方案的可能性与所确定解决方案的相对质量之间存在权衡。对于大型网络，预处理技术利用近邻启发式与任何求解方法相结合，最常为测试实例集找到可行的解决方案（即 90% 的实例），但解决方案的质量较低（即平均为最佳解决方案的 15%）。在大型网络中，表现最差的是模型分解技术，它首先对提供服务的资产进行近距离路由，而省略了任何一种预处理技术；虽然这种组合在确定可行解决方案时能产生最佳解决方案，但它只在 55% 的实例中做到了这一点。其他求解方法的表现也有值得注意的细微差别，详见下文。

最后，研究探讨了在网络上路由多个不同类型的资产以满足需求的问题，在此问题中，需求必须在一定时间内按顺序由不同类型的资产满足，而最大限度地减少累计服务时间是研究的重点。更具体地说，这项研究旨在利用有限的资源确定有效的网络中断策略，从而最大限度地缩短累计服务时间。在这个斯塔克尔伯格博弈的双层编程结构中，上层问题决定中断策略，下层问题决定资产路线。本研究考虑并测试了三种求解程序：迭代识别每个中断行动的贪婪构造启发式（GCH）、模拟退火（SA）的定制实现，以及利用候选解决方案优先级识别和塔布列表的增强变体（eSA）。测试比较了在一系列选定算法和特定实例参数下类似实例的解决方案方法。结果表明，增强型模拟退火方法表现最佳，扩展测试探索了增加所选问题集对 eSA 相对于 GCH 的相对改进的影响，以及对算法运行时间的影响。