——淺談無人機(jī)蜂群作戰(zhàn)（一）
2016年10月，韓國報(bào)道300架無人機(jī)同時(shí)升空
2016年11月，中國報(bào)道67架固定翼無人機(jī)集群飛行試驗(yàn)，打破美國海軍50架數(shù)量的世界紀(jì)錄
圖1：中國固定翼無人機(jī)集群飛行試驗(yàn)
2017年1月，美國報(bào)道，3架F/A-18F“超級(jí)大黃蜂”戰(zhàn)斗機(jī)發(fā)射超過100架微型無人機(jī)。
近來上述幾個(gè)消息的輪番登場，讓“無人機(jī)蜂群作戰(zhàn)”在短短幾個(gè)月內(nèi)成為炙手可熱的軍備話題。有朋友問，韓國300架無人機(jī)起飛先于我們的67架起飛，為什么反而說中國是打破了記錄了呢？應(yīng)當(dāng)怎樣解讀上面的幾個(gè)試驗(yàn)案例？中國無人機(jī)蜂群作戰(zhàn)能力究竟如何？今天，我們就來聊聊這個(gè)話題。
一如既往，兵器迷的文章，首先聊技術(shù)原理。愿意啃墻皮的——走起！
眾所周知，軍用無人機(jī)可以有效避免操作人員的傷亡，讓載機(jī)方在使用時(shí)擺脫了由此產(chǎn)生的人道顧慮。而且無人機(jī)使用起來政治敏感度低：無人機(jī)侵入一國領(lǐng)空，要比有人機(jī)帶來的負(fù)面影響小很多——大不了說一句無人機(jī)失控，設(shè)備故障，就很容易大事化小。所以進(jìn)入二十一世紀(jì)以來，隨著技術(shù)發(fā)展水平的不斷提高，軍用無人機(jī)的使用規(guī)模急劇擴(kuò)大。這其中美軍自然是頭籌。2010年5月24日，美國陸軍就已經(jīng)宣布其無人機(jī)隊(duì)突破100萬飛行小時(shí)節(jié)點(diǎn)：截止當(dāng)年4月14日，UAV無人機(jī)（UnmannedAerial Vehicle）編隊(duì)已經(jīng)完成飛行1,002,731小時(shí)，其中88%是在伊拉克和阿富汗完成的作戰(zhàn)任務(wù)。
然而，上述無人機(jī)的使用基本上是單機(jī)模式，即每一架無人都單獨(dú)執(zhí)行自己的特定任務(wù)。即便有多架無人機(jī)共同參與一個(gè)作戰(zhàn)任務(wù)，無人機(jī)彼此之間也很少有直接的協(xié)同交互。
無人在持續(xù)發(fā)展的過程中，作戰(zhàn)范圍日益擴(kuò)大，作戰(zhàn)環(huán)境日益復(fù)，作戰(zhàn)難度日益提高，因此單機(jī)模式也逐漸暴露出一些問題，比如：
無人機(jī)單機(jī)觀察設(shè)備的角度有限，造成無法全方位連續(xù)偵查和攻擊目標(biāo)，
無人機(jī)單機(jī)一旦發(fā)生設(shè)備故障，容易導(dǎo)致整個(gè)任務(wù)被延遲，甚至取消，
無人機(jī)單機(jī)面臨高威脅防空體系時(shí)，容易被攔截和毀傷，造成任務(wù)失敗，
無人機(jī)單機(jī)的任務(wù)載荷，特別是彈藥載荷有限，造成打擊威力和效果受到限制，
此外，由于無人機(jī)單機(jī)被賦予越來越多察打一體的復(fù)雜任務(wù)，大中型無人機(jī)的成本也在快速攀升。比如捕食者A無人機(jī)基本型的價(jià)格，已經(jīng)上升到200萬-450萬美元左右；全球鷹無人機(jī)的單機(jī)成本更是達(dá)到了4000萬-7000萬美元，甚至接近了三代有人戰(zhàn)斗機(jī)的水平。如果算上控制系統(tǒng)、維護(hù)管理等所有開銷，全壽命成本將更加驚人。比如，2014年12月，韓國軍方宣布在2019年前將花費(fèi)6.574億美元(約合人民幣41億元)引進(jìn)4架“全球鷹”并進(jìn)行實(shí)戰(zhàn)部署。這些無人機(jī)已經(jīng)成為防空系統(tǒng)重點(diǎn)關(guān)照的高價(jià)值目標(biāo)。一旦被擊落，載機(jī)方面的經(jīng)濟(jì)損失是可想而知的。
在上述背景下，軍工企業(yè)開始研究利用多架低成本無人機(jī)進(jìn)行相互協(xié)同的作戰(zhàn)模式。這就是我們今天的話題——無人機(jī)蜂群作戰(zhàn)。
無人機(jī)蜂群作戰(zhàn)的技術(shù)原理，是“集群智能”（SwarmIntelligence）。意思是眾多無/低智能的個(gè)體通過相互之間的簡單合作所表現(xiàn)出來的集體智能行為。集群智能與仿生學(xué)有很深的淵源，因?yàn)樵谧匀唤缟锶后w的一些協(xié)同現(xiàn)象是非常普遍的。比如蜜蜂筑巢、候鳥遷徙、魚群游弋、象群遠(yuǎn)征、鹿群逃避、蟻群覓食…等等的群體協(xié)助行為，稱之為群體行為（swarmbehavior）。
在群體行為中，單個(gè)個(gè)體的行為會(huì)被臨近的個(gè)體所影響，通過他們局部簡單的相互交流，使得整體可以通過組織協(xié)作完成一些較為復(fù)雜任務(wù)。通過交互作用和協(xié)作行為，簡單個(gè)體的協(xié)同集合可以表現(xiàn)出整體優(yōu)勢(shì)從而完成復(fù)雜任務(wù)。在復(fù)雜性技術(shù)中，這種現(xiàn)象叫做涌現(xiàn)（emergence）。
拋開這些概念，讓我們先來看看，群體行為中的集群智能，有哪些些非常重要的特點(diǎn)：
第一：個(gè)體簡單性：群體中的每一個(gè)個(gè)體可以相對(duì)簡單，并不需要完成復(fù)雜任務(wù)所需要的較高智能。群體中的每個(gè)個(gè)體，并不能，或者并不需要直接得知整個(gè)群體的信息，而只能，或只需要感知一部分信息。群體中的個(gè)體具有十分簡單的自治個(gè)體的規(guī)則，只需要最小智能，因而具有簡單性（這對(duì)控制無人機(jī)的單價(jià)成本具有重要意義）。
第二：控制分散性：群體中包含的所有個(gè)體是完全分散的，沒有中心控制。也就是不會(huì)因?yàn)閱蝹€(gè)體或少數(shù)幾個(gè)個(gè)體出現(xiàn)不確定的狀況而影響全局。因此整個(gè)群體的健壯性較高，或者說群體整體具有更強(qiáng)的穩(wěn)定魯棒性（robustness）（這對(duì)無人機(jī)群的抗摧毀性和自愈性具有重要意義）。
第三：聯(lián)系有限性：群體中的相鄰個(gè)體之間，可以彼此直接交換有限的信息；或者彼此不直接交互信息而是通過環(huán)境探查間接獲取相關(guān)信息，不需要或不可能群體中的每個(gè)個(gè)體與其他所有個(gè)體發(fā)生信息交流。
第四：群體智能性：在個(gè)體簡單性、控制分散性和聯(lián)系有限性的基礎(chǔ)上，群體卻可以在適當(dāng)?shù)倪M(jìn)化交互過程中表現(xiàn)復(fù)雜行為涌現(xiàn)出來的智能(Emergent Intelligence) ，而這種智能是單個(gè)個(gè)體無法做到的。
這位說：要吐了……
確實(shí)，墻皮有點(diǎn)厚。僅僅說概念、規(guī)則，當(dāng)然過于抽象。那么下面，咱們就通過基于仿生學(xué)發(fā)展起來的兩個(gè)著名算法，對(duì)集群智能的原理做一個(gè)簡單的介紹。兵器迷盡量將論文里的語言白話，希望大家看得順溜一些。
蟻群算法，又稱螞蟻算法，是由Marco Dorigo在1992年的博士論文中提出的。其靈感來源于螞蟻在尋找食物過程中發(fā)現(xiàn)食物源和到達(dá)路徑的行為。
ACO算法的基本含義只有三點(diǎn)：
首先，都在沒有事先告訴螞蟻們食物源在什么地方的前提下，單個(gè)螞蟻開始尋找食物。
然后，當(dāng)一只螞蟻找到食物后，它會(huì)向環(huán)境釋放一種揮發(fā)性分泌物——信息素（pheromone ），信息素濃度的大小表明了食物源的遠(yuǎn)近程度，即食物信息素（還有一種蟻窩信息素，我們簡略不提了）。而且該物質(zhì)隨著時(shí)間的推移會(huì)逐漸揮發(fā)消失。
第三步，食物信息素會(huì)吸引吸引其他的螞蟻過來，這樣越來越多的螞蟻就會(huì)找到食物，它們?cè)诎徇\(yùn)食物的過程中也會(huì)釋放信息素吸引更多的螞蟻。
那位喘了口氣，看來這也并不復(fù)雜啊。
沒錯(cuò)，尋找食物源的任務(wù)已經(jīng)完成了。下面就說這個(gè)機(jī)制中稍微復(fù)雜一點(diǎn)的任務(wù)：尋找最短路徑
因?yàn)槲浵伇姸?，發(fā)現(xiàn)同一個(gè)食物源的螞蟻可能不止一只，所以它們尋找這個(gè)食物源的道路可能也是不同的。這樣就有多條從蟻穴通往食物源的道路。假設(shè)有2條這樣的道路：較近的A路，和較遠(yuǎn)的B路。
一開始，被A、B兩條道路上的信息素吸引的螞蟻都很多。然而，由于A路比較近，往返的時(shí)間短，因此單位時(shí)間內(nèi)走完A路的螞蟻就多，釋放的信息素也就多；同時(shí)，A路較近通過的時(shí)間短，也會(huì)形成A路上的信息素?fù)]發(fā)消失的程度比B路低。因此，A路上的信息素就越來越多，濃度也越來越高，被吸引的螞蟻也就越來越多，最后，大多數(shù)螞蟻都被吸引到最短的路徑A上來了。
找到了食物源，又找到了最短路徑，算法到這里本來就結(jié)束了。但，還有一個(gè)問題沒有解決。就是局部最優(yōu)解的陷阱。
對(duì)高中代數(shù)還有印象的同學(xué)，也許會(huì)問：這樣的蟻群算法是否會(huì)造成局部最短路徑并非全局最短路徑的問題。這是很有道理的質(zhì)疑。但是說也奇怪，現(xiàn)實(shí)生活中，實(shí)際上蟻群總是逐漸接近全局最短路徑的。原因竟然是——螞蟻會(huì)“犯錯(cuò)誤”。
也就是說，螞蟻會(huì)按照一定的小概率，不往信息素高的地方走，而是另辟蹊徑，走出一條新路來。如果這條新路真能夠比現(xiàn)有路徑更短，那么根據(jù)上面談到的最短路徑形成機(jī)制，其他的螞蟻會(huì)逐漸被吸引過來。通過這樣的偶然的“錯(cuò)誤”，螞蟻有效避免了局部最優(yōu)解不是全局最優(yōu)解的問題。
蟻群就是通過這樣一個(gè)簡單的機(jī)制，實(shí)現(xiàn)了發(fā)現(xiàn)目標(biāo)（食物）和為群體尋找距離目標(biāo)最短路徑的兩項(xiàng)復(fù)雜任務(wù)。
有點(diǎn)意思了吧？
接著往下看。
蜜蜂是常見的一種群居昆蟲，群內(nèi)數(shù)量可達(dá)數(shù)萬只。雖然單個(gè)蜜蜂的的行為很簡單，但是群體卻表現(xiàn)出極其復(fù)雜的行為。人工蜂群算法的起源，是諾貝爾獎(jiǎng)得主、奧地利人K.VON.Frisch發(fā)現(xiàn)的。2005年土耳其大學(xué)的D.Karaboga正式提出了基于蜜蜂采蜜的ABC人工蜂群算法，該算法具有簡單和魯棒性強(qiáng)的特點(diǎn)，在非限制性數(shù)值優(yōu)化函數(shù)上比常見的啟發(fā)式算法具有更加優(yōu)越的性能，用于解決多峰值函數(shù)的問題。
此外另有基于蜜蜂繁殖的算法由Abbass于2001年提出，稱為蜜蜂交配優(yōu)化算法honeybee mating optimization HBMO。用于解決金融分類信貸風(fēng)險(xiǎn)估計(jì)、避開障礙物等路徑規(guī)劃問題，本文不做詳細(xì)介紹。
ABC算法建立在蜜蜂自組織機(jī)制和集群智能的基礎(chǔ)上。其最小搜索模型主要包含以下幾個(gè)要素：
1）食物源(foodsource): 與蟻群算法ACO中的信息素不同，ABC算法用一個(gè)參數(shù)“收益率”（profitability），來表示食物源的質(zhì)量，包含食物源離蜂巢的遠(yuǎn)近、花蜜的豐富程度和獲得花蜜的難易程度等各個(gè)因素。
2）采蜜蜂（Employedforagers，簡稱EF）：這種蜜蜂數(shù)量不多，它保存有某個(gè)食物源收益率的所有信息。如果它號(hào)召其他蜜蜂也來這個(gè)蜜源采蜜，這個(gè)采蜜蜂就被稱為引領(lǐng)蜂Leader。
3）待采蜂（Unemployedforagers，簡稱UF）：這種蜜蜂其實(shí)分為兩種，一種是飛出去尋找和偵查食物源的偵查蜂Scouter，另一種是等待在蜂巢獲取食物源信息的跟隨蜂Follower。
蜂群算法的機(jī)制也是只有三點(diǎn)，如下：
首先，待采蜂中的偵查蜂，大約占蜂群的15-20%，飛出去尋找蜜源。
第二：找到蜜源后的偵查蜂采蜜并保存蜜源收益度信息，轉(zhuǎn)化成為采蜜蜂。隨后采蜜蜂返回將蜜留在蜂巢。第三：隨后，采蜜蜂有以下三種選擇
A: 如果蜜源收益率較高，采蜜蜂就通過搖擺舞與蜂巢中的跟隨蜂分享蜜源信息，吸引它們隨自己前往蜜源采蜜，因此轉(zhuǎn)化為引領(lǐng)蜂。而那些被成功號(hào)召隨它去采蜜的跟隨蜂，就會(huì)轉(zhuǎn)化為采蜜蜂。*采蜜蜂的搖擺舞是蜜蜂之間交換信息是最為重要的一環(huán)。搖擺舞的持續(xù)時(shí)間長短，是表現(xiàn)蜜源收益率的重要指標(biāo)，跟隨蜂被招募到一個(gè)蜜源的概率與蜜源的收益率，也就是與搖擺舞的時(shí)間長短是成正比的。
B: 如果蜜源收益率一般，只值得采蜜蜂自己一個(gè)去繼續(xù)采蜜就好了，它就繼續(xù)做自己的采蜜蜂。
C：如果蜜源收益率很低，采蜜蜂就放棄繼續(xù)采蜜，轉(zhuǎn)化為待采蜂。這時(shí)它既可以出去偵查成為待采蜂中的偵查蜂，或者留在蜂巢成為待采蜂中的跟隨蜂。
在整個(gè)ABC算法尋找最優(yōu)解的過程中，不同角色的蜜蜂起到了不同的作用：
采蜜蜂：保存優(yōu)良蜜源，即目標(biāo)信息的作用
引領(lǐng)蜂：傳達(dá)蜜源質(zhì)量和位置信息，即溝通分享的作用
跟隨蜂：增加了優(yōu)良蜜源對(duì)應(yīng)的蜜蜂數(shù)目，既起到了提高算法收斂速度的作用
偵查蜂：隨機(jī)搜索新的蜜源，能幫助算法跳出局部最優(yōu)解，達(dá)到全局最優(yōu)
認(rèn)識(shí)了這兩種算法，我們小結(jié)一下：
螞蟻算法ACO值得注意的是：
螞蟻個(gè)體之間并沒有直接的關(guān)系，而是每只螞蟻都和環(huán)境中的信息素發(fā)生交互。比如：一只螞蟻找到了食物，它并沒有直接告訴其它伙伴這里有食物，而是向環(huán)境播撒食物信息素。而通過信息素這個(gè)紐帶，將蟻群內(nèi)的各個(gè)個(gè)體有效關(guān)聯(lián)起來。這比蜂群需要通過搖擺舞的直接聯(lián)系更加巧妙和安全，系統(tǒng)的抗毀性更好——即便找到食物的螞蟻死了，一定時(shí)間內(nèi)它的信息素仍然能夠引導(dǎo)其他螞蟻找到食物源。
蟻群算法是一種模擬進(jìn)化算法，研究表明該算法具有許多優(yōu)良的性質(zhì)。國內(nèi)某單位將蟻群算法設(shè)計(jì)的結(jié)果與遺傳算法設(shè)計(jì)的結(jié)果進(jìn)行了比較，數(shù)值仿真結(jié)果表明，蟻群算法具有很高的有效性和應(yīng)用價(jià)值。
而蜂群算法ABC算法值得注意的是：
偵查蜂、等待蜂、采蜜蜂、引領(lǐng)蜂不同角色，一方面承擔(dān)的任務(wù)各不相同，實(shí)現(xiàn)了專業(yè)化分工；另一方面，在多種情況下，各種角色可以有條件轉(zhuǎn)換，這同樣使得系統(tǒng)的抗毀性更好。相對(duì)于其他算法，人工蜂群算法的優(yōu)點(diǎn)是，它在每次迭代時(shí)都進(jìn)行局部搜索，因此找到最優(yōu)參數(shù)的概率和速度也相應(yīng)提高。國內(nèi)的研究表明，相對(duì)于蟻群算法、遺傳算法、微粒群算法等其他仿生智能算法，人工蜂群算法具有很好的全局搜索能力和局部搜索能力，不易陷入局部最優(yōu)解，且易收斂。
當(dāng)然，蟻群ACO和蜂群算法都采用了一定概率的隨機(jī)搜索，用來避免局部最優(yōu)解對(duì)全局優(yōu)化的干擾，可以說是異曲同工之妙。
無論是蟻群算法ACO，還是蜂群算法ABC，都透著大自然鬼斧神工的神奇和幽密。兵器迷寫到這里，不由得想起侏羅紀(jì)公園中的一句臺(tái)詞：
生命總是能找到它自己的出路（Life finds itsway）
了解了生物集群智能的基本原理，那么無人機(jī)蜂群作戰(zhàn)又有哪些具體的技術(shù)設(shè)計(jì)要求呢？開篇提到的美國、中國和韓國的無人機(jī)機(jī)群試驗(yàn)又各自有哪些特點(diǎn)和優(yōu)劣？
預(yù)知后事如何，且聽下回分解。
注：所有資料來自于互聯(lián)網(wǎng)公開報(bào)道和公開出版物，如：
《美軍無人“蜂群”作戰(zhàn)技術(shù)發(fā)展分析》
《基于蜂群算法的無人機(jī)群協(xié)同飛行》
《人工蜂群算法的無人機(jī)航路規(guī)劃與平滑》
《無人機(jī)蜂群作戰(zhàn)趨勢(shì)》
本文同時(shí)引用了互聯(lián)網(wǎng)和央視的視頻截圖和圖片，在此一并致謝
更多文章，請(qǐng)見個(gè)人博客
http://blog.sina.com.cn/s/articlelist_1455885643_0_1.html
聯(lián)系客服
