得益于人工智能技术的飞速发展与应用,一方面,一线工作人员面临的负担和压力得以减轻,另一方面,人们也希望人工智能技术能够在更高的层次发挥作用,为指挥管理人员提供参考、建议,甚至直接进行决策。智能指挥控制系统与传统的协调控制系统最大的不同之处在于其对实时性的要求更高,需要对多个控制对象在工作过程中可能出现的意外情况进行预计,并能够针对突发状况实时给出解决方案。在多移动对象的路径协调指挥控制任务中,面对移动对象的各种实时现状,智能控制系统需要能够根据当前的状态实时决策并给出控制指令。基于以上场景要求,本文设计并实现了一套能够实时指挥多个移动对象的智能指挥控制系统,该系统由人机交互模块、仿真运行模块、指挥协调模块、智能体训练模块、运动方案数据库和智能体模型数据库构成,其中仿真运行模块和指挥协调模块是指挥控制功能的核心,智能体训练模块用于智能体网络的训练。仿真运行模块基于实时场景图为用户提供位置信息,基于路径棋盘图对移动对象进行碰撞检测,为预防和避免指挥死锁,该模块设计并加入了死锁检测与预防策略。针对实时指挥场景下对碰撞避免的高可靠性要求,指挥协调模块先设计了碰撞预防策略筛选掉可能诱发碰撞的动作,再由经过训练的强化学习智能体确定动作指令,以减少任务完成时间。本文使用Py Charm开发平台利用Py Qt框架设计并实现了系统的各个模块,并以此为环境设计了智能体算法并开展了分析实验。智能体训练模块用于训练面向不同指挥任务的强化学习智能体。针对场景任务设置的灵活性要求,系统设计了相应的随机采样策略和任务奖励模型,并基于DDQN和PPO算法分别设计实现了面向多移动对象协调指挥控制任务的智能体算法,两种算法训练得到的智能体都能载入系统并较好地完成实时指挥任务。在融合了碰撞预防策略后,减少了智能算法对碰撞避免的计算开销,使得算法的训练效果和收敛速度都得到了大幅提高。为了证明强化学习算法的有效性,本文又加入贪心策略算法作对比,在不同任务场景下,设计并开展了相应的对比实验,实验结果表明两种强化学习算法都展现出较好的运动协调效果。