多智能体自主协同技术是近年来热门的研究方向，本书兼顾了基础知识和前沿算法，使读者可以根据自身的实际情况由浅入深地了解多智能体自主协同技术。目前市面缺乏系统阐述多智能体自主协同理论算法和应用的书籍，尤其是缺少中文版的参考资料。本书及时填补了这一空白。本书介绍了多智能体在协同搜索、灾难救援、自主避障、海洋探测等领域的应用，对于促进多智能体自主协同技术的应用研究有积极的推动作用，为不同领域的研究人员提供了桥梁。本书并不是纯粹的理论创作，在提出;多智能体自主协同概念的同时，在方法及实现路径上展开进一步探讨，具有很高的学术价值和应用价值。开展多智能体自主协同技术研究，对于推动我国军事智能、智能产业高质量发展、加快工业转型升级具有重要意义。本书创造性地提出了谢宾斯基集群、圆环控制集群等概念来形象地阐述发展完善的智能体协同产业的基本原理，提炼了多智能体协同、控制、通信三大核心本质，更提出了无人系统产业在协同集群后的未来发展方向，智能化、无人化产业将超越当前传统产业，真正实现新要素、新产品、新业态的创造，节省了人力，行业增量加大。本书与市面上的智能体相关书籍相比，有两大显著的优势，已有书籍主要阐述的是智能体的产生背景、发展历史、概念、模式、功能等，而本书一是探讨了多智能体协同的未来发展方向，包括已经逐步实现的无人机自主集群和协同执行任务，二是浓墨重笔地阐述了多智能体协同的实践经验，可操作性强，弥补了市面书籍对于多智能体协同集群实操指南的空白。随着人工智能产业项目的落地需求，本书所涵盖的理论知识将会越来越具有指导性，也将会越来越受读者欢迎。

本书从多角度覆盖了多智能体自主协同技术的内容，分5篇共18章，包括多智能体系统的协同基础、集群控制、通信优化、任务协同及目标追踪，旨在将多智能体自主协同技术中的方法和理论结合起来，并强调协同基础的重要性，具有基础性、应用性、综合性和系统性等特点。本书可以作为多智能体系统领域研究的入门指南，或者作为协同无人系统工程师的自学教材，还可以用作高年级本科生以及研究生教材。另外，本书也可以作为协同无人系统、无人飞行系统以及无人系统的补充阅读材料。

吴杰宏，沈阳航空航天大学教授，博士生导师，协同无人系统研究室主任。美国莱特州立大学访问学者，辽宁省教育厅创新人才。主要从事多智能体协同集群、安全通信、路径规划、博弈决策、智能对抗及跨介质光通信路由方面的研究工作。主持国家自然科学基金、国防基础科研等基金项目20项，一作在IEEE Transactions on Intelligent Transportation Systems、IEEE Transactions on Vehicular Technology、IEEE Transactions on Mobile Computing、Computer Networks、《计算机研究与发展》等期刊发表科研论文50余篇；第一发明人申请发明专利18项（已授权11项）；独立撰写学术专著2部；荣获第三届源创杯创新创意大赛全国赛区二等奖1项、航空学会科技进步奖1项。

序前言协同基础篇第1章 智能体概述/1.1智能体的范畴/1.2多无人机控制模型/1.2.1Reynolds模型/1.2.2Vicsek模型/1.2.3Couzin模型/1.3多无人机运动模型/1.3.1常用坐标系/1.3.2单无人机运动模型/1.3.3无人机间相对运动模型/第2章 多无人机系统和目标运动建模/2.1无人机系统模型/2.2多无人机系统一致性理论/2.3目标运动模型/2.4目标捕获模型/2.5本章小结/第3章 水下复杂任务环境建模/3.1AUV六自由度运动模型/3.2水下环境模型搭建/3.2.1Lamb涡流/3.2.2区域海洋模型系统洋流数据集/3.2.3障碍物模型/3.3水下任务分配算法/3.3.1水下任务分配算法描述/3.3.2水下任务分配模型/3.4本章小结/集群控制篇第4章 角度控制集群/4.1轻量级植绒运动模型/4.2基于角度控制的移动算法/4.2.1护航无人机移动策略/4.2.2轻量级植绒模型求解/4.2.3ACHF算法/4.3ACHF算法实验分析/4.3.1算法参数设置/4.3.2ACHF算法效果分析/4.3.3ACHF算法防碰分析/4.3.4ACHF算法护航无人机状态分析/4.3.5ACHF实验数据分析/4.4本章小结/第5章 圆环控制集群/5.1三层区域的植绒算法模型/5.2基于圆环控制的移动算法/5.2.1算法介绍/5.2.2VRCHF算法/5.3无人机群体分离和群体聚合策略/5.3.1无人机群体分离策略/5.3.2无人机群体聚合策略/5.4VRCHF算法实验分析/5.4.1VRCHF算法中的实验参数配置/5.4.2VRCHF算法效果/5.4.3VRCHF算法数据分析/5.4.4无人机集群分离聚合结果分析/5.4.5异构无人机植绒集群的必要性/5.5本章小结/第6章 G_MADDPG集群控制/6.1编队集群设计/6.1.1子编队/6.1.2异构编队集群/6.2基于G_MADDPG的异构编队集群控制算法/6.3G_MADDPG实现/6.3.1状态空间和动作空间/6.3.2奖励函数设计/6.4实验结果与分析/6.4.1子编队实现与分析/6.4.2集群实现与分析/6.4.3G_MADDPG与MADDPG和DDPG的比较/6.5本章小结/第7章 A_MADDPG集群控制/7.1编队集群设计/7.1.1子编队/7.1.2异构编队集群/7.2基于A_MADDPG的子编队聚集控制算法/7.2.1A_MADDPG算法描述/7.2.2状态空间和动作空间/7.2.3奖励函数设计/7.3多子编队聚集/7.4实验结果与分析/7.4.1子编队实现与分析/7.4.2集群实现与分析/7.5本章小结/第8章 风流对集群控制的影响/8.1风流数据/8.1.1单一方向的风流数据/8.1.2多方向时序风流数据/8.2风流对无人机飞行的轨迹影响/8.2.1风流对无人机飞行轨迹影响/8.2.2基于无人机位置纠偏的风流纠偏方法/8.3风流环境下纠偏轨迹的异构无人机植绒算法/8.4实验分析/8.4.1单一方向风流环境下异构无人机植绒算法实验分析/8.4.2多方向时序风流环境下异构无人机植绒算法实验分析/8.5本章小结/通信优化篇第9章 群聚避障通信优化/9.1相关技术/9.1.1多无人机系统模型/9.1.2多无人机协同控制算法/9.1.3多无人机运动模型的构建/9.2基于飞行控制因子的群聚算法/9.2.1无人机飞行速度优化方法/9.2.2实验分析/9.3群聚避障算法/9.3.1常见避障算法介绍/9.3.2无人机飞行位置优化方法/9.3.3实验分析/9.4本章小结/第10章 改进人工鱼群通信优化/10.1问题描述/10.2多无人机系统模型/10.2.1无人机拓扑结构模型/10.2.2无线通信模型/10.2.3无人机动力学模型/10.3改进人工鱼群算法/10.3.1多无人机通信范围/10.3.2自适应步长和视野/10.3.3虚拟洋流概念/10.3.4改进人工鱼群算法/10.4仿真实验/10.4.1仿真工具MATLAB简介/10.4.2仿真场景与结果分析/10.5本章小结/第11章 改进OLSR协议的通信优化/11.1网络模型/11.2MPR选择优先度以及搜索流程/11.2.1MPR选择优先度/11.2.2MPR搜索流程/11.3仿真实验与分析/11.3.1仿真工具NS2简介/11.3.2仿真场景/11.3.3仿真结果分析/11.4多无人机安全通信策略/11.5本章小结/第12章 减小不安全区域通信优化/12.1多无人机的通信拓扑结构/12.2减小不安全区域的安全通信策略/12.2.1概念定义/12.2.2层式虚拟通信圆环策略/12.3实验分析/12.3.1实验效果分析/12.3.2性能分析/12.4本章小结/任务协同篇第13章 多目标点搜索及路径优化/13.1基于ACSQL的无人机目标点搜索与路径优化算法/13.1.1状态空间和动作空间的设计/13.1.2奖励函数的设计/13.1.3初始化Q表/13.1.4ACSQL算法的实现/13.2子区域搜索算法/13.3实验验证及效果分析/13.3.1仿真环境的设计/13.3.2算法分析/13.3.3与传统动作空间的对比分析/13.3.4与其他算法对比分析/13.4仿真环境验证/13.5本章小结/第14章 协同搜索及任务分配/14.1多无人机协同任务分配模型/14.2基于ISOM的多无人机协同任务分配算法/14.3注意力机制解决突发情况/14.4实验验证及效果分析/14.4.1实验条件的设计/14.4.2ISOM算法的测试与验证/14.4.3ISOM算法在复杂多任务场景下与其他算法的对比/14.4.4ISOM算法在大任务量环境下与其他算法的对比/14.4.5突发情况处理验证/14.5仿真环境验证/14.6本章小结/第15章 R_RLPSO实时多营救任务分配/15.1R_RLPSO算法描述/15.1.1营救区与吸引营救区/15.1.2R_RLPSO算法可行性分析/15.1.3营救回报值c_reward/15.2实验结果与分析/15.2.1R_RLPSO算法实现营救任务分配结果/15.2.2c_reward实验结果与分析/15.2.3验证多营救任务完成/15.2.4R_RLPSO、ISOM、IACO算法对比分析/15.3本章小结/第16章 DENPSO能量优化路径规划/16.1DENPSO算法描述/16.1.1非线性惯性权重与非线性学习因子/16.1.2距离进化因子/16.1.3能量评估/16.2仿真实验对比分析/16.2.1DENPSO算法在三维涡流场中的能量优化/16.2.2DENPSO算法在区域海洋系统中的能量优化/16.2.3DENPSO算法在多AUV实时营救任务中的能量优化/16.3本章小结/目标追踪篇第17章 切换式协同目标追踪/17.1切换式追踪策略描述/17.1.1卡尔曼一致性滤波算法/17.1.2多无人机协同控制方程/17.1.3追踪策略流程/17.2理论分析/17.3实验结果与分析/17.3.1既定轨迹仿真及对比/17.3.2逃逸仿真及对比/17.3.3性能分析/17.4本章小结/第18章 局部信息交互多目标追踪/18.1算法描述/18.1.1传统协同控制算法/18.1.2虚拟领导者选取/18.1.3多无人机协同控制算法/18.1.4算法流程/18.2实验结果与分析/18.2.1分群追踪效果/18.2.2不同算法对比验证/18.3本章小结/参考文献/

智能体是人工智能领域中一个很重要的概念，它是指驻留在某一环境下，能持续自主地发挥作用，具备驻留性、反应性、社会性、主动性等特征的计算实体。任何独立的能够思考并可以同环境交互的实体都可以抽象为智能体。多智能体协同系统是指多个自主智能体通过信息交互和行为交互所构成的在时间、空间、模式和任务等多维度进行协同的智能系统。这类智能系统通常包含两个及以上的单机，呈现出的整体功能、性能超过各单机之和。多机协同智能不仅拓展了单机的物理域、信息域和作业范围，也显著提升了单机面对复杂环境和任务的感知_执行综合效能。作为沈阳航空航天大学协同无人系统研究室多年科学研究成果的总结，本书可以作为多智能体系统领域研究的入门指南，或者作为协同无人系统工程师的自学教材，还可以用作高年级本科生以及研究生教材。另外，本书也可以作为协同无人系统、无人飞行系统以及无人系统的补充阅读材料。本书共18章，包括多智能体系统的协同基础、集群控制、通信优化、任务协同及目标追踪五个部分，多角度覆盖多智能体自主协同技术内容。1）协同基础篇，主要包括智能体概述、多无人机系统和目标运动建模、水下复杂任务环境建模等内容，它是后续多智能体协同技术的基础及理论支撑。2）集群控制篇，主要包括角度控制集群、圆环控制集群、MADDPG集群控制，以及风流对集群控制的影响等内容，是对多智能体的集群控制问题进行研究。3）通信优化篇，主要包括多无人机安全通信机制、引入飞行控制因子增加通信链路、引入虚拟洋流及自适应步长改进人工鱼群算法、设计层式虚拟通信圆环及移动算法提高通信安全，如何减小不安全通信范围并增加无人机通信链路等技术内容，是对多智能体的通信性能进行优化研究。4）任务协同篇，主要包括未知环境下的目标点搜索及路径优化、任务分配机制，基于距离进化N_PSO的多智能体能源优化路径搜寻方法，基于强化学习角度积累营救区回报值，通过寻找回报最大值得到执行营救过程的最优行为等技术，是对多智能体自主协同目标搜索及任务分配问题进行研究。5）目标追踪篇，主要包括多无人机在追踪单目标或多目标时如何实时自适应地调整自身运动状态，如何在追踪过程中始终保持网络动态连通及避免碰撞，并快速跟踪到目标等技术内容，是对多智能体协同目标追踪问题进行研究。本书的编写和准备是一个漫长的过程，也是我们多年研究工作的积累与总结。非常感谢我的研究生马坚、李丹阳、于元哲、邹良开、王景志、宋成鑫、孙亚男、杨京辉等，他们为本书的编写准备了材料，并参与了部分整理工作。特别感谢本书的策划编辑李晓波老师，他对本书的每个章节都认真审阅，积极给出改进意见。多智能体自主协同技术发展迅速，涉及领域广泛。作者学识、时间和精力有限，书中难免存在不妥之处，若蒙读者诸君不吝告知，将不胜感激。吴杰宏2024年3月