本申请实施例涉及无人集群行动的，尤其涉及一种无人集群行动策略的案例推理优化方法和系统。
背景技术：
1、无人集群是指由一定数量的同类或者异构无人系统/装备、控制系统及人机界面组成的集群，无人集群通过单个无人装备(如无人机)的紧密协作，实现集群整体能力的跃升，具有单个无人装备难以匹敌的突出优势。
2、无人集群在受领任务后，通常需先确定行动策略，并依据策略拟制行动方案。目前存在通过与历史行动策略进行匹配的一种无人集群的行动策略推荐方式，但是由于无人集群的行动具有自主性、对抗性和不确定性等特点，这种匹配方式存在的误差较大，导致推荐的行动策略的有效性低。
技术实现思路
1、本申请实施例的第一方面提出了一种无人集群行动策略的案例推理优化方法，所述无人集群行动策略的案例推理优化方法包括：
2、获取无人集群的待执行案例和多个历史案例；
3、计算所述待执行案例与所述多个历史案例之间在多个问题属性上的第一全局相似度，其中，所述问题属性用于表征案例的问题的特征属性；
4、如果有至少两个所述第一全局相似度在预设的第一阈值和第二阈值之间的区间内，从所述多个问题属性中选取出关键问题属性，并计算所述待执行案例与所述多个历史案例之间在所述关键问题属性上的第二全局相似度；
5、选取第二全局相似度最大的一个历史案例作为所述待执行案例的推荐案例，根据所述推荐案例对应的行动策略指导所述待执行案例的行动策略。
6、在一些实施方式中，在所述从所述多个问题属性中选取出关键问题属性之前，所述无人集群行动策略的案例推理优化方法还包括：
7、计算所述多个历史案例在第一问题属性上的归一化值，所述第一问题属性是所述多个问题属性中的任意一个；
8、根据所述归一化值计算所述第一问题属性的信息熵；
9、根据所述信息熵计算所述第一问题属性的权重值；
10、所述从所述多个问题属性中选取出关键问题属性，包括：
11、对所述多个问题属性的权重值按照大小进行排序，得到排序结果；
12、根据所述排序结果，选取权重值最大的至少一个所述问题属性作为关键问题属性。
13、在一些实施方式中，所述关键问题属性有多个，所述计算所述待执行案例与所述多个历史案例之间在所述关键问题属性上的第二全局相似度，包括：
14、计算所述待执行案例与所述多个历史案例之间在每一个所述关键问题属性上的相似度；
15、根据所述相似度和多个关键问题属性对应的权重值，计算所述待执行案例和所述多个历史案例之间在所述关键问题属性上的第二全局相似度。
16、在一些实施方式中，通过如下公式计算第二全局相似度：
17、
18、其中，sim(si,tj)为待执行案例tj与历史案例si之间的所述第二全局相似度，sim(si,k,tj,k)为待执行案例tj与历史案例si之间在关键问题属性k上的相似度，si,k用于表征si的关键问题属性k，tj,k用于表征待执行案例tj的关键问题属性k，ωk为关键问题属性的权重值，i≤i,i∈n+，i为所述多个历史案例的总数，k≤k,k∈n+，k为所述多个关键问题属性的总数，n+为所有正整数的集合。
19、在一些实施方式中，所述第二阈值小于所述第一阈值；在所述计算所述待执行案例与所述多个历史案例之间在多个问题属性上的第一全局相似度之后，所述无人集群行动策略的案例推理优化方法还包括：
20、如果有且仅有一个所述第一全局相似度大于所述第一阈值，则将大于所述第一阈值的所述第一全局相似度对应的所述历史案例作为推荐案例。
21、在一些实施方式中，所述第二阈值小于所述第一阈值；在所述计算所述待执行案例与所述多个历史案例之间在多个问题属性上的第一全局相似度之后，所述无人集群行动策略的案例推理优化方法还包括：
22、如果不存在所述第一全局相似度大于所述第二阈值，则不推荐案例给所述待执行案例。
23、在一些实施方式中，获取多个历史案例包括：
24、从所述历史案例数据库中提取多个历史案例；
25、在所述根据所述推荐案例指导所述待执行案例的行动策略之后，所述无人集群行动策略的案例推理优化方法还包括：
26、将所述待执行案例作为历史案例存储于所述历史案例数据库中。
27、本申请实施例的第二方面提出了一种无人集群行动策略的案例推理优化装置，所述无人集群行动策略的案例推理优化装置包括：
28、数据获取单元，用于获取无人集群的待执行案例和多个历史案例；
29、第一全局相似度计算单元，用于计算所述待执行案例与所述多个历史案例之间在多个问题属性上的第一全局相似度，其中，所述问题属性用于表征案例的问题的特征属性；
30、第二全局相似度计算单元，用于如果有至少两个所述第一全局相似度在第一阈值和第二阈值之间的区间内，从所述多个问题属性中选取出关键问题属性，并计算所述待执行案例与所述多个历史案例之间在所述关键问题属性上的第二全局相似度；
31、历史案例推荐单元，用于选取第二全局相似度最大的一个历史案例作为所述待执行案例的推荐案例，根据所述推荐案例对应的行动策略指导所述待执行案例的行动策略。
32、本申请实施例的第三方面提出了一种电子设备，其特征在于，包括至少一个控制器和用于与所述控制器通信连接的存储器；所述存储器存储有能够被所述至少一个控制器执行的指令，所述指令被至少一个所述控制器执行，以使至少一个所述控制器执行如上述的无人集群行动策略的案例推理优化方法。
33、本申请实施例的第四方面提出了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被执行时实现如上述的无人集群行动策略的案例推理优化方法。
34、本申请提出一种无人集群行动策略的案例推理优化方法，本方法通过与历史案例在多个问题属性上的第一全局相似度比较，能够快速、合理的找到相似的历史案例作为备选的推荐案例，然后对依据第一全局相似度选取的历史案例进行案例的优化，以提升推荐案例选取的准确度，即当至少两个第一全局相似度在预设的区间时，那么意味着有至少两个历史案例可以作待执行案例的备选案例，从多个问题属性中选取出关键问题属性，并计算待执行案例与多个历史案例之间在关键问题属性上的第二全局相似度，进而选取第二全局相似度最大的一个历史案例作为待执行案例的推荐案例。本方法能够提升寻找的推荐案例的准确度，进而提升无人集群行动策略的有效性。
35、本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
1.一种无人集群行动策略的案例推理优化方法，其特征在于，所述无人集群行动策略的案例推理优化方法包括：
2.根据权利要求1所述的无人集群行动策略的案例推理优化方法，其特征在于，在所述从所述多个问题属性中选取出关键问题属性之前，所述无人集群行动策略的案例推理优化方法还包括：
3.根据权利要求2所述的无人集群行动策略的案例推理优化方法，其特征在于，所述关键问题属性有多个，所述计算所述待执行案例与所述多个历史案例之间在所述关键问题属性上的第二全局相似度，包括：
4.根据权利要求3所述的无人集群行动策略的案例推理优化方法，其特征在于，通过如下公式计算第二全局相似度：
5.根据权利要求1所述的无人集群行动策略的案例推理优化方法，其特征在于，所述第二阈值小于所述第一阈值；在所述计算所述待执行案例与所述多个历史案例之间在多个问题属性上的第一全局相似度之后，所述无人集群行动策略的案例推理优化方法还包括：
6.根据权利要求1所述的无人集群行动策略的案例推理优化方法，其特征在于，所述第二阈值小于所述第一阈值；在所述计算所述待执行案例与所述多个历史案例之间在多个问题属性上的第一全局相似度之后，所述无人集群行动策略的案例推理优化方法还包括：
7.根据权利要求1所述的无人集群行动策略的案例推理优化方法，其特征在于，获取多个历史案例包括：
8.一种无人集群行动策略的案例推理优化装置，其特征在于，所述无人集群行动策略的案例推理优化装置包括：
9.一种电子设备，其特征在于，包括至少一个控制器和用于与所述控制器通信连接的存储器；所述存储器存储有能够被所述至少一个控制器执行的指令，所述指令被至少一个所述控制执行，以使至少一个所述控制器执行如权利要求1至7中任意一项所述的无人集群行动策略的案例推理优化方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被执行时实现如权利要求1至7中任一项所述的无人集群行动策略的案例推理优化方法。
