应用前景

智能无人系统以无人机、无人车、无人船为代表，覆盖海陆空不同空间，正在全面深入国家安全和社会生活各领域，并推动新一轮产业变革和相关技术高度集成。无人集群系统协同在空间上分布的无人系统有机连接起来，实现多系统在时间、空间、模式、任务等多维度上的有效协同，最终形成目标探测、跟踪识别、智能决策、自主控制和效能评估的完整链条。伴随着技术水平的不断提升，无人集群系统的任务范围将不断拓展，将极大地改变日常生活方式和军事作战方式。动态环境下复杂动态系统智能控制方法通过在无人集群系统协同平台中的应用，能够提高无人集群系统在动态环境中的自主决策和动态调控的稳定性、鲁棒性与智能性，推动项目成果的技术转化，促进无人集群系统在动态环境下的机理建模、智能认知、自主决策、稳健调控体系和相关平台模式的推广，将有助于推进我国人工智能产业持平、赶超世界先进水平，并能够推动我国在无人集群系统应用领域形成有序、健康的发展模式，建立起具有开创性、前瞻性的新优势。

研究内容

拟从四个方面开展研究，包括复杂耦合关联的动态系统建模，多重知识与感知融合的未知环境认知学习，混合知识驱动的动态系统演化学习与自主决策，非完全信息和动态环境下的复杂系统智能稳健调控，以及动态开放环境下的复杂智能系统应用验证。具体研究内容如下：

复杂耦合关联的动态系统建模：分析复杂系统内部逻辑架构、分层结构与动力学特性，构建基于网络化结构模型的自主动态演化机理；对动态系统数据进行结构化、形式化处理，刻画模型内部存在的逻辑耦合；利用感知数据和自适应学习算法，认知系统中隐含结构；采用混合自动机形式化模型，构建复杂动态系统的多时间尺度的模型。

多重知识与感知融合的未知环境认知学习：解析复杂动态系统智能交互行为模式，建立可表达、可解释的自组织涌现动力学机理；对未知动态环境感知数据特征提取，建立典型环境知识数据库；分析未知环境、物理常识、模型机理与感知数据之间的动态关系，基于自主学习方法实现知识数据库的动态更新。

混合知识驱动的动态系统演化学习与自主决策：研究混合知识驱动的非完全信息推理方法，探索混合式的启发推理机制；利用先验知识并结合非完全观测事件序列，进行序列回归与因果重建；构建整体计算决策问题的形式化状态空间与转移机制，形成部分可观马氏决策过程；研究基于强化学习的马氏决策过程快速求解算法，实现复杂动态系统的自主演化与学习。

非完全信息和动态环境下的复杂系统智能稳健调控：分析在多层次、强耦合与多变性动态环境下动态系统行为演进模式；提出自适应动态规划智能学习理论，建立基于不可观测数据驱动的调控方法，实现动态环境下复杂系统演化的稳定性与自适应性；基于复杂动态系统局部信息，构建分布式动态调控策略，实现全局动态特性的稳健调控。

动态开放环境下的复杂智能系统应用验证：在复杂、动态、开放环境，依次针对无人集群系统复杂任务的任务规划、智能决策、自主执行与动态调控，中小型涡喷航空发动机的多模态主动安全控制，开展应用验证。