随着人工智能技术的迅速发展，水面无人艇（Unmanned Surface Vehicle, USV）已广泛应用在国家发展的各个方面。在国防建设领域，当前复杂的海洋形势对水面无人艇的智能化要求越来越高，其中针对水面无人艇集群的协同控制方法是需要突破的关键技术。
本文针对无人艇集群协同任务中的典型场景，将无人艇集群协同任务划分为三大子任务：侦察任务、驱逐任务和布防任务，并分别对每个子任务进行了无人艇集群控制研究和仿真测试。本文主要研究内容如下：
针对侦察子任务，将该任务抽象为多无人艇任务分配问题，并提出了双种群协同的综合改进粒子群算法。对此，以标准粒子群算法为基础，优化了初始解的分布，基于混沌映射的初值优化使初始解的分布更为均匀，保证了种群初始解的多样性；使用了基于维度遍历的综合学习策略，提升了粒子的学习效率；根据功能将粒子划分为两个种群，并为其设计特化的更新策略，保证了该算法探索和开拓的平衡。在标准函数上的测试结果以及在二维侦察任务环境中的仿真结果显示，本文算法能够有效地解决多可疑目标侦察任务，具有显著的实用性。
图2 基于PSO算法的多无人艇任务分配
针对驱逐子任务，该任务的本质为对无人艇进行路径规划，提出一种基于深度强化学习的无人艇驱逐算法。对此，为实现无人艇连续动作控制，使用基于DDPG算法的网络框架，并对该网络框架进行以下优化：添加针对可疑目标的意图预测模块并设计更有效的封堵策略；添加前置训练网络，设计专家经验矫正纠偏机制，减少了智能体前期训练中盲目探索的时间。测试结果表明，本文算法提高训练速度最高可达82.9%，在护卫无人艇性能远低于可疑目标时驱逐成功率仍能达到53.30%。
图3 可疑目标不同速度下训练测试结果
图4 基于自动课程学习的多无人艇集群方法
