有人-无人平台协同决策旨在作战人员的最小操控和监督下,确保“人在回路上”,依据高层任务指令,通过融合感知的战场态势信息做出决策,并通过行动指令的方式发送给底层控制平台,确保各类平台能够在准确的时间到达相应的地点,利用恰当的资源执行正确的任务。本文主要研究战术层的协同决策问题,将指挥员经验和领域知识构建成策略知识库,为有人-无人平台自主决策和意外事件处理提供策略智能推荐。面向博弈对抗的作战环境,借助策略智能推荐技术,可减轻由无人平台数量增加而导致的指挥人员所承担的高认知负荷,从而使其可将精力集中于更加宏观、抽象的指挥决策层面,实现更好的人机特性互补,极大地提升人和装备的整体智能化程度和作战效能。本文主要进行了以下三个方面的工作和贡献:1.针对由于无人平台数量的增加,指挥人员无法满足决策和控制的需求,提出基于专家策略的遗传算法来提升无人平台的自主决策和单元控制能力,实现在对抗场景下为无人平台推荐最优策略来完成战术任务。本文利用即时战略游戏验证算法,首先将专家策略编码为内置的脚本,组成脚本策略集(Portfolio);其次将自适应遗传算法(Adaptive Genetic Algorithm,AGA)结合到具体的实验环境和研究的问题中;最后,通过设定对抗场景,验证算法的有效性。实验的结果表明本文提出的算法以73.85%的赢率战胜了其他现行的算法,即可以实现有人-无人平台在对抗场景中的策略推荐,实现无人平台自主决策和单元控制用来完成战术任务。2.针对复杂动态的决策环境,专家策略无法解决未考虑的情况和应对紧急突发事件,提出基于贝叶斯方法的策略学习和推荐技术来提升无人平台自主决策的适应性和面对突发情况的决策能力。人在回路的监督与学习,实现了策略的动态调整,采用该方法可以将更复杂的环境因素考虑在内,更加充分的利用专家知识。具体的,首先建立决策中策略的贝叶斯模型,模型中考虑到诸如敌方单元,战术价值,敌方基地等作战要素;其次,在专家数据集中学习填充贝叶斯概率分布表;最后在实验平台上检验模型的准确性和有效性。实验的结果表明,建立的贝叶斯模型以78.2%的赢率战胜了平台内置的智能方法。即该模型可以为有人-无人平台决策中的策略做智能推荐,指挥控制作战单元执行战术行动,达到最佳的作战效能。3.针对具体的有人-无人平台协同决策系统,验证本文提出的策略智能推荐方法的有效性。首先介绍本文提出的智能推荐方法在决策系统中的具体应用和功能实现流程;其次设定具体的作战想定,设置实验的初始条件并构建实验环境;最后,在具体的决策系统中,验证模型的有效性。实验的结果表明,本文提出的策略智能推荐技术,可以有效的支撑有人-无人平台协同决策,提升了无人平台的自主决策能力。