Un método de toma de decisiones autónomas basado en la fusión de modelos para el comportamiento de ataque de torpedos de un vehículo submarino no tripulado
Autores: Guo, Liqiang; Ma, Liang; Zhang, Hui; Yang, Jing; Cheng, Zhuo; Jiang, Wenmin
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un método de toma de decisiones autónomas basado en la fusión de modelos para el comportamiento de ataque de torpedos de un vehículo submarino no tripulado
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Tecnología autónoma
Plataformas no tripuladas
Método de toma de decisiones
Comportamiento de ataque
Fusión de modelos
Algoritmos de clasificación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
La tecnología autónoma de plataformas no tripuladas es la frontera más dinámica entre los campos de la tecnología y, inevitablemente, se está inclinando hacia el desarrollo futuro. Apuntando a los requisitos duales de toma de decisiones autónomas confiables y en tiempo real de vehículos submarinos no tripulados en entornos complejos e desconocidos, este artículo propone un método inteligente de toma de decisiones de comportamiento de ataque basado en la fusión de modelos. El conjunto de datos experimental se genera a través de modelado de simulación y se agrega una cantidad apropiada de ruido para simular el error de observación en una situación real. Se establece el umbral de probabilidad de impacto de arma de acuerdo con los requisitos de las misiones de combate, y la toma de decisiones del comportamiento de ataque se transforma en el problema de clasificación de muestras desequilibradas con datos ruidosos. A través de análisis teóricos y pruebas experimentales, se comparan los efectos de clasificación de algoritmos como Regresión Logística (LR), Vecino más Cercano (KNN), Máquina de Vectores de Soporte (SVM), Perceptrón Multicapa (MLP), Árbol de Decisión (DT) y aprendizaje de conjunto. Sobre esta base, el modelo de decisión inteligente se construye utilizando la técnica de sobremuestreo de minorías sintéticas y tres métodos de fusión de modelos de votación, apilamiento y mezcla. Los resultados experimentales muestran que en comparación con la toma de decisiones de simulación tradicional y los algoritmos de clasificación comunes, el método propuesto tiene una mayor precisión, tasa de recuperación, valor de área bajo la curva y capacidad de generalización del modelo. No solo puede identificar de manera efectiva el impacto de los datos ruidosos en la toma de decisiones de comportamiento de ataque, sino que también garantiza la velocidad de toma de decisiones a través del entrenamiento sin conexión, y proporciona referencias para la investigación en el campo del desarrollo de equipos y la toma de decisiones inteligentes en el futuro.
Descripción
La tecnología autónoma de plataformas no tripuladas es la frontera más dinámica entre los campos de la tecnología y, inevitablemente, se está inclinando hacia el desarrollo futuro. Apuntando a los requisitos duales de toma de decisiones autónomas confiables y en tiempo real de vehículos submarinos no tripulados en entornos complejos e desconocidos, este artículo propone un método inteligente de toma de decisiones de comportamiento de ataque basado en la fusión de modelos. El conjunto de datos experimental se genera a través de modelado de simulación y se agrega una cantidad apropiada de ruido para simular el error de observación en una situación real. Se establece el umbral de probabilidad de impacto de arma de acuerdo con los requisitos de las misiones de combate, y la toma de decisiones del comportamiento de ataque se transforma en el problema de clasificación de muestras desequilibradas con datos ruidosos. A través de análisis teóricos y pruebas experimentales, se comparan los efectos de clasificación de algoritmos como Regresión Logística (LR), Vecino más Cercano (KNN), Máquina de Vectores de Soporte (SVM), Perceptrón Multicapa (MLP), Árbol de Decisión (DT) y aprendizaje de conjunto. Sobre esta base, el modelo de decisión inteligente se construye utilizando la técnica de sobremuestreo de minorías sintéticas y tres métodos de fusión de modelos de votación, apilamiento y mezcla. Los resultados experimentales muestran que en comparación con la toma de decisiones de simulación tradicional y los algoritmos de clasificación comunes, el método propuesto tiene una mayor precisión, tasa de recuperación, valor de área bajo la curva y capacidad de generalización del modelo. No solo puede identificar de manera efectiva el impacto de los datos ruidosos en la toma de decisiones de comportamiento de ataque, sino que también garantiza la velocidad de toma de decisiones a través del entrenamiento sin conexión, y proporciona referencias para la investigación en el campo del desarrollo de equipos y la toma de decisiones inteligentes en el futuro.