基于模糊小波神经网络的攻击目标优先级评估
[摘 要] 针对 RoboMaster 机甲大师赛赛场变化多端的情况，采用模糊小波神经网络对攻击目标的优先级进行评估和预测，利用模糊神经网络解决复杂环境信息的不确定问题，同时利用了小波神经网络增强神经网络的收敛速度和泛化能力。本文提出了一种针对赛场环境复杂度和未知性的攻击目标优先级预测方案并进行仿真实验，根据仿真结果表明，该算法可有效预测目标的攻击优先级，并且具有较好的稳定性、预测精度以及泛化能力。
关键词： 模糊小波神经网络; 攻击优先级
目录
基于模糊小波神经网络的攻击目标优先级评估 1
1 引言 1
2.1 模糊神经网络原理 1
2 原理 2 3
2.2 模糊小波神经网络原理 3
3 目标优先级估计的主要因素 3 4
4 基于 FWNN 的目标优先级评估仿真实验 5
5 结论 5 6
1 引言
全国大学生机器人大赛 RoboMaster 机甲大师对抗赛，对战双方需自主研发不同种类和功能的机器人，在指定的比赛场地内进行战术对抗，通过操控机器人发射弹丸攻击敌方机器人和基地。比赛结束时， 基地剩余血量高的一方获得比赛胜利。
小波神经网络目前在函数拟合、故障诊断、点击信号检测领域已经得到了广泛的应用，然而只能解决输入为确定信息的网络建模问题，不能够解决非确定信息，同时，模糊神经网络可以有效解决目标威胁环境中存在的模糊及不确定问题，但模糊神经网络也存在着以来先验知识、推广能力不足的问题，小波模糊神经网络相对于模糊神经网络，是将小波神经网络嵌入模糊神经网络的后半部分。
本文应用了模糊神经网络（FWNN）来解决 RoboMaster 机甲大师赛中关于目标的攻击优先级问题， 以此来解决复杂比赛环境信息的不确定性问题，使用小波神经网络增强自学习能力，建立模糊小波神经网络，实现对目标优先级的评估，仿真实验表明，该算法可以很好的拟合赛场环境中对于目标攻击优先级的要求。
