面向空天地一体化网络的多智能体协同决策方法及系统

本申请涉及智能通信网络，具体而言，涉及一种面向空天地一体化网络的多智能体协同决策方法及系统。

背景技术：

1、空天地一体化网络融合低轨/中轨/同步轨道卫星、临近空间高空平台、无人机集群与地面蜂窝/边缘计算节点等多域异构资源。在该网络中，传输与计算节点逐步演化为具备感知、推理、决策与执行能力的智能体，承担多源信息融合、目标侦察、应急通信与抗干扰组网等复杂任务。

2、目前的空天地一体化网络，在各维度上的独立进展无法形成合力，态势共识/语义共识的结果不能有效指导资源分配，资源分配的反馈不能优化认知模型，语义共识、资源博弈、联邦进化彼此割裂，亟需一种将生智（认知共识）与传智（资源协调与模型进化）有机统一的方法及系统。

技术实现思路

1、本申请实施例提供了一种面向空天地一体化网络的多智能体协同决策方法及系统，以至少解决相关技术中难以实现空天地一体化网络中各智能体之间的有效协同，缺乏在复杂干扰环境下的协同决策能力的技术问题。

2、根据本申请实施例的一个方面，提供了一种面向空天地一体化网络的多智能体协同决策方法，包括：

3、各智能体采集本地观测信息并执行变分贝叶斯推断，生成包含全局状态期望值向量与精度矩阵的本地信念；

4、各智能体与邻居节点交换所述本地信念，利用精度加权融合机制更新全局状态估计，并通过集体变分自由能判定全网态势认知是否达成共识；

5、在达成共识后，将全网态势映射为资源协同信息，并基于所述资源协同信息，结合垂直stackelberg博弈与水平广义纳什均衡的资源协调机制，得到全局资源分配方案；

6、执行所述全局资源分配方案，基于执行后的性能反馈，利用联邦学习、元学习及知识蒸馏机制，进行模型协同训练、更新与分层部署。

7、根据本申请实施例的另一方面，还提供了一种面向空天地一体化网络的多智能体协同决策系统，包括：

8、本地观测与推断模块，用于采集本地观测信息并执行变分贝叶斯推断，生成包含全局状态期望值向量与精度矩阵的本地信念；

9、共识判定模块，用于与邻居节点交换所述本地信念，利用精度加权融合机制更新全局状态估计，并通过集体变分自由能判定全网态势认知是否达成共识；

10、资源分配模块，用于在达成共识后，将全网态势映射为资源协同信息，并基于所述资源协同信息，结合垂直stackelberg博弈与水平广义纳什均衡的资源协调机制，得到全局资源分配方案；

11、模型协同训练与更新模块，用于执行所述全局资源分配方案，基于执行后的性能反馈，利用联邦学习、元学习及知识蒸馏机制，进行模型协同训练、更新与分层部署。

12、本申请实施例提供的技术方案可以包括以下有益效果：

13、本申请的方案，面向由卫星节点、空中平台和地面边缘节点构成的异构空天地一体化网络，首先通过本地观测采集和变分推断获得各智能体对全局网络状态的信念，并基于精度加权信念交换机制实现分布式语义共识，使高置信度节点主导共识方向、低置信度节点噪声被自动抑制。随后，将共识结果映射为资源协调的输入信息，构建垂直stackelberg博弈与水平广义纳什均衡相结合的双层资源协调机制，实现功率、频谱和计算资源的联合分配。同时，系统结合联邦学习、元学习和知识蒸馏，实现跨域协同训练、小样本快速适配和星上/边端轻量化部署。本申请能够形成“感知—共识—决策—执行—反馈—进化”的智能闭环，提升空天地一体化网络在动态拓扑、异构业务和复杂干扰环境下的协同决策能力、资源利用效率和持续自优化能力。

1.一种面向空天地一体化网络的多智能体协同决策方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，各智能体采集本地观测信息并执行变分贝叶斯推断，生成包含全局状态期望值向量与精度矩阵的本地信念，包括：

3.根据权利要求1所述的方法，其特征在于，各智能体与邻居节点交换所述本地信念，利用精度加权融合机制更新全局状态估计，并通过集体变分自由能判定全网态势认知是否达成共识，包括：

4.根据权利要求1所述的方法，其特征在于，在达成共识后，将全网态势映射为资源协同信息，包括：

5.根据权利要求1所述的方法，其特征在于，基于所述资源协同信息，结合垂直stackelberg博弈与水平广义纳什均衡的资源协调机制，得到全局资源分配方案，包括：

6.根据权利要求5所述的方法，其特征在于，基于所述资源协同信息，执行垂直stackelberg博弈，通过网络运营商与各业务切片之间的资源定价与需求响应交互，确定各业务切片的资源配额上限，包括：

7.根据权利要求5所述的方法，其特征在于，基于所述资源配额上限，执行水平广义纳什均衡求解，各切片基于分布式投影梯度法更新资源分配方案，并通过横向接口同步干扰信息；监测水平广义纳什均衡求解的收敛状态，当满足预设收敛条件时，输出全局资源分配方案，包括：

8.根据权利要求1所述的方法，其特征在于，执行所述全局资源分配方案，基于执行后的性能反馈，利用联邦学习、元学习及知识蒸馏机制，进行模型协同训练、更新与分层部署，包括：

9.一种面向空天地一体化网络的多智能体协同决策系统，其特征在于，包括：

10.根据权利要求9所述的系统，其特征在于，所述本地观测与推断模块，包括：