22、基于后悔值的安全策略优化与无人机路径规划

基于后悔值的安全策略优化与无人机路径规划

在安全博弈领域，数据的稀缺性常常给策略制定带来挑战。为应对这一问题，我们提出了一系列创新的方法，包括解决最大最小后悔值问题的算法、处理完全理性攻击者的可扩展算法，以及用于减少收益不确定性的无人机路径规划策略。

1. 无人机规划的启发式算法

为了减少收益的不确定性，我们提出了用于选择最佳无人机路径的启发式算法。由于保护区内移动传感器有限，无人机可定期收集精确图像以降低收益不确定性。因此，确定最佳无人机路径至关重要，能最大程度减少防御者的后悔值。

1.1 启发式算法流程

以下是无人机规划的通用启发流程（Algorithm 2）：

Algorithm 2. Elicitation process
1 Input: budget: B, regret barrier: δ, uncertainty intervals: I;
2 Initialize regret r = +∞, cost c = 0 ;
3 while c < B and r > δ do
4
    (r, x∗, (x′,∗, Ra,∗, Pa,∗)) = ARROW(I);
5
    P = calculatePath(x∗, (x′,∗, Ra,∗, Pa,∗));
6
    I = collectInformationUAV(P); c = updateCost(P);
7 return (r, x∗);

该算法的输入包括防御者的初始预算 $B$、后悔阈值 $\delta$ 和不确定性区间 $I$。在每次