机器狩猎问题的自然启发式动态控制

狩猎-逃逸问题在自然、工程和社会领域广泛存在。动物界常见观察：捕食者速度常快于猎物，但机动性较差。经过数百万年的进化，动物开发了有效且高效的狩猎和逃逸策略。本文为单车辆系统的狩猎-逃逸问题提供动态框架，致力于自然界启发。首先，我们解决单狩猎者-单逃逸者场景，提出“警觉-转向”控制策略，包含两个高效组成部分：突然的转向机动和启动/维持机动的警觉条件。我们在两个层面呈现并分析逃逸与捕获结果：单个运行层面和参数变化的更高层面。此外，我们提供捕获的充分条件定理。所提出的控制策略随后通过集成聚合控制法则和目标更换机制扩展到更复杂的多狩猎者-多逃逸者场景。通过调整“自私参数”，聚合控制命令产生各种逃逸模式：合作模式、自私模式及其组合。我们量化了自私参数的影响，并从统计角度探讨了狩猎者数量和目标更换机制的影响。我们的发现与自然界观察结果高度一致。最后，通过数值仿真验证了所提出的控制策略，复制了自然界中一些追逐行为。