Mean Field Game and Decentralized Intelligent Adaptive Pursuit Evasion Strategy for Massive Multi-Agent System under Uncertain Environment
针对不确定环境下的大规模多智能体系统（MAS）的追逃博弈问题，提出了一种新的分散智能自适应优化策略。现有的追逃策略对于大种群的多智能体系统既不有效也不实用，因为当智能体种群很大时，臭名昭著的“维数诅咒”和通信限制。为了克服这些挑战，采用新兴的平均场博弈理论，并进一步与强化学习相结合，开发了一种新型的分散智能自适应策略，具有一种新型的自适应动态规划架构，称为Actor-Critic-Mass（ACM）。该策略通过在线逼近耦合平均场方程的解，即使对于不确定环境下的大规模多智能体系统，也能获得最优的追逃策略。在所提出的基于ACM学习的策略中，每个代理维护五个神经网络，它们是：1）批评神经网络，用于近似每个个体代理的HJI方程的解; 2）质量神经网络，用于估计种群密度函数（即，质量）; 3）用执行器神经网络逼近分散最优策略; 4）设计了两个神经网络来估计对手群体的数量和最优代价函数。最后，通过全面的数值模拟验证了所设计策略的有效性。
2020-08-07 cs.SY eess.SY
Value of Multi-pursuer Single-evader Pursuit-evasion Game with Terminal Cost of Evader's Position: Relaxation of Convexity Condition
School of Mathematics and Statistics, Beijing Institute of Technology（北京理工大学数学与统计学院）；National Key Lab of Autonomous Intelligent Unmanned Systems（自主智能无人系统全国重点实验室）；College of Information Science and Technology, Beijing University of Chemical Technology（北京化工大学信息科学与技术学院）；School of Automation, Beijing Institute of Technology（北京理工大学自动化学院）；Beijing Institute of Technology Chongqing Innovation Center（北京理工大学重庆创新中心）
本研究提出了一种无需凸性条件的追捕游戏价值函数计算方法，通过几何方法和粘性解理论，解决了终端成本局部Lipschitz连续的非凸情况。
2025-12-31 cs.SY eess.SY math.OC
Optimal Intermittent Sensing for Pursuit-Evasion Games
研究追逃微分博弈中追捕者受感知请求预算限制的问题，提出追捕者的均衡感知策略与逃避者的均衡运动策略，并量化了感知限制导致的追捕者收益退化。
2023-07-01 cs.GT cs.SY eess.SY
Nonholonomic directional pursuit and evasion: Global feedbacks
The City College of New York, The City University of New York（纽约市立学院，纽约市立大学）；University of California San Diego（加州大学圣地亚哥分校）
针对非完整车辆定向追逐与规避问题，提出全局反馈设计，通过较不激进的速度和转向律实现任意初始相对位形下的捕获或规避，仅需对手最大转弯速率的先验知识。
2026-06-23 cs.SY eess.SY
A Novel Multi-Objective Reinforcement Learning Algorithm for Pursuit-Evasion Game
本文针对追逃博弈中多目标冲突问题，提出基于模糊Q学习和三维超体积的多目标强化学习算法，在降低计算负担的同时提升探索能力，并通过仿真验证其有效性。
2025-03-09 cs.SY eess.SY
Dominance Regions of Pursuit-evasion Games in Non-anticipative Information Patterns
本文研究非预期信息模式下追逃博弈中逃避者支配区域的性质，首次证明初始支配区域等于开环可达区域，并给出无障碍、有障碍及单角点障碍场景下追捕者非预期捕获策略存在的条件。
2025-02-05 cs.GT cs.SY eess.SY
Hierarchical Decompositions of Stochastic Pursuit-Evasion Games
在这项工作中，我们提出了一个层次化的框架，解决离散随机追求逃避游戏（PEG）在大网格世界。将网格世界划分为超状态（例如，“房间”），所提出的方法创建了一个双分辨率的决策过程，其中包括一组在原始状态级别的本地PEG和一个在超状态级别的聚合PEG。由于基数小得多，局部博弈和聚合博弈都可以很容易地求解到一个纳什均衡。为了连接两个分辨率的决策，我们使用局部PEG的纳什值作为聚合游戏的奖励。通过数值模拟，我们表明，所提出的分层框架显着降低了计算开销，同时仍然保持了令人满意的性能水平时，对平面纳什政策的竞争。
2022-09-15 cs.MA cs.SY eess.SY
A Pursuit-Evasion Differential Game with Strategic Information Acquisition
本文研究了一个两人线性二次高斯追逃微分对策。一个玩家可以决定何时观察另一个玩家的状态。然而，观察另一个玩家的状态有两个成本：观察的直接成本和暴露他的状态的隐含成本。我们称这种类型的游戏为追踪-逃避-暴露-隐藏（PEEC）游戏。PEEC游戏包含两种策略：控制策略和观察策略。我们充分刻画纳什控制策略的PEEC游戏使用技术，如完成广场和变分法。我们表明，纳什观测策略和纳什控制策略的推导可以解耦。我们开发了一组必要条件，便于数值计算的纳什观察策略。我们表明，在理论上，球员与机动性较低，更喜欢隐藏暴露。我们还表明，当游戏的地平线走向无穷大，纳什观察策略是定期观察，和追求者和逃避者之间的期望距离为零，有界的二阶矩。我们进行了一系列的数值实验，研究建议PEEC游戏。我们用图形和动画来说明数值结果。数值结果表明，即使在有限的观测数下，该追踪器仍能保持较高的性能。我们还表明，低机动性的规避者仍然可以逃脱，如果规避者增加他的隐身。
2022-04-24 cs.GT cs.SY eess.SY
Nature-inspired dynamic control for pursuit-evasion of robots
本文受自然追逃行为启发，提出基于Alert-Turn策略的独轮车追逃动态控制框架，并扩展至多追捕者与多逃避者场景，通过自私参数调节和统计仿真验证了策略的有效性。
2025-02-07 cs.SY eess.SY
Prospect Theoretic Approach to Pursuit-evasion Differential Games with Risk Aversion and Probability Sensitivity
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；University of Cyprus（塞浦路斯大学）
本文首次将风险规避与概率敏感性纳入贝叶斯追捕-逃避微分博弈框架，通过累积前景理论分析捕获条件，并利用布劳威尔定理证明CPT-纳什均衡的存在性，揭示了非理性行为在追捕与逃避中的不同影响。
2026-10-19 cs.SY eess.SY
Pursuit-Evasion Between a Velocity-Constrained Double-Integrator Pursuer and a Single-Integrator Evader
该研究针对二维平面内速度加速度受限的双积分器追逃者与速度受限的单积分器逃者的追逃博弈，分两种场景用几何和数值方法推导双方策略，证明其纳什均衡最优性及捕获条件，并用仿真验证了有效性。
2025-08-03 cs.SY eess.SY
Efficient Communication for Pursuit-Evasion Games with Asymmetric Information
本文研究逃避者掌握追捕者位置而追捕者仅能通过静态传感器有限次、有代价获取逃避者信息的追逃博弈，求得了双方纳什均衡控制策略与传感器最优通信策略，并揭示了逃避者困境及隐式通信现象。
2023-07-03 cs.GT cs.SY eess.SY
Cislunar Pursuit-Evasion Game on Periodic and Quasi-Periodic Orbits
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
研究地月系航天器的防御机动规划难题，将其建模为地月圆型限制性三体问题下的零和微分博弈，提出带约束的离散时间微分动态规划方法与共享时间正则化，验证了相位控制的优势及参考轨道几何的重要性。
2026-08-12 cs.SY eess.SY
Cooperative Nonlinear Guidance Strategies for Guaranteed Pursuit-Evasion
Intelligent Systems and Control Lab, Department of Aerospace Engineering, Indian Institute of Technology Bombay（智能系统与控制实验室，航空航天工程系，印度理工学院班加罗尔）；GALACxIS Lab, Department of Aerospace Engineering and Engineering Mechanics, University of Cincinnati（GALACxIS实验室，航空航天工程与工程力学系，辛辛那提大学）
本文研究三体追逃问题，为逃跑者-防御者团队提出基于几何的协同非线性制导策略，保证在任意初始交战几何下拦截追击者，且无需获知对方策略，误差变量可在预定有限时间内收敛至零。
2025-09-15 cs.MA cs.RO cs.SY
Control Strategies for Pursuit-Evasion Under Occlusion Using Visibility and Safety Barrier Functions
University of California San Diego（加利福尼亚大学圣迭戈分校）；General Dynamics Mission Systems（通用动力任务系统公司）；Honda R&D Co. Ltd.（本田研发有限公司）；University of Michigan（密歇根大学）
针对遮挡环境下追逃问题中维持逃逸者可见性的难题，提出结合可见性与安全CBF约束、基于采样规划的非短视控制策略，经仿真与实机验证可在强遮挡下仅靠机载传感维持可见性。
2025-03-24 cs.RO cs.SY eess.SY
Three-agent Time-constrained Cooperative Pursuit-Evasion
Indian Institute of Technology Bombay（印度理工学院孟买分校）
本文考虑了三个代理人之间的追求-逃避的情况-逃避者，追求者和防御者。我们设计的合作指导法律的逃避者和防御者的团队，以保护逃避者从攻击的追求者。不同于微分游戏，最优控制配方，和其他启发式方法，我们提出了一个新的角度设计有效的非线性反馈控制律的逃避者防守队使用时间约束的指导方法。逃避者以自己为诱饵引诱追赶者进入碰撞轨道。与此同时，防御者通过控制交战持续时间来保护逃避者免受追击者的攻击。根据任务的性质，防御者可以选择采取攻击或防御姿态。这种考虑拓宽了所提出的方法在各种三代理运动规划方案，如飞机防御，资产守卫，搜索和救援，监视和安全运输的适用性。我们使用固定时间的滑模控制策略设计的控制律的规避者和防御者的团队和非线性有限时间干扰观测器估计的追求者的机动。最后，我们提出了模拟，以证明在各种啮合几何形状下的良好性能，从而证明所提出的设计的有效性。
2022-01-17 cs.MA cs.RO cs.SY
Reinforcement learning in pursuit-evasion differential game: safety, stability and robustness
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；Massachusetts Institute of Technology（麻省理工学院）；Queen’s University（女王大学）
本文提出了一种结合控制屏障函数和滑模控制的强化学习框架，以解决追捕-逃避问题中的安全、稳定性和鲁棒性挑战。
2025-07-18 cs.SY eess.SY
Engagement-Aware Agentic Pursuit-Evasion
RIT（罗切斯特理工学院）；University of Maine（缅因大学）
研究多智能体对抗环境下的追逃问题，提出分层控制架构，将战略规划与安全保证解耦。通过零和滚动时域博弈及MPC求解，利用横向速度惩罚和CBF保证安全。模拟实验表明该框架能灵活切换策略，不同规则下性能稳健且控制逻辑不变。
2026-09-22 cs.SY eess.SY
Optimal Disturbance Attenuation Approach with Measurement Feedback to Missile Guidance
使用干扰衰减方法的追求-逃避微分对策被重新审视。在这种方法下，追求者的行动被认为是控制行动，而所有的外部行动，如目标机动，测量误差和初始位置的不确定性，被认为是干扰。两个开放的问题已经得到解决，即噪声对控制增益的影响，和轨迹成形的解决方案的效果。这些问题与干扰衰减比的最佳选择问题密切相关。详细分析了两个简单的追求规避的情况下：一个简单的船制导问题和导弹制导交战。
2020-06-01 cs.SY eess.SY math.OC
A Dynamic Game Framework for Rational and Persistent Robot Deception With an Application to Deceptive Pursuit-Evasion
本文研究智能机器人之间的理性和持续欺骗，以提高安全性和运行效率。我们提出了一个N人的K阶段游戏的不对称信息结构，每个机器人的私人信息被建模为一个随机变量或其类型。欺骗是持久的，因为每个机器人的私人类型在所有阶段都不为其他机器人所知。这种欺骗是理性的，因为机器人的目标是以最小的代价实现他们的欺骗目标。每个机器人基于内在或外在信息形成对其他机器人类型的动态信念。完美贝叶斯纳什均衡（PBNE）是不完全信息动态博弈的自然解概念。由于其顺序理性和信念一致性的要求，PBNE提供了一个可靠的预测球员的行动，信念，并在整个K阶段的预期累积成本。这项工作的贡献是四方面的。首先，我们确定PBNE计算作为一个非线性随机控制问题，并描述了在PBNE下的参与者的行动和成本的结构。我们进一步推导出一组扩展的Riccati方程下的线性二次（LQ）设置和外在的信念动力学的认知耦合。其次，我们开发了一种具有低时空复杂度的滚动时域算法来计算内在信念动态下的PBNE。第三，我们研究了一个欺骗性的追逃游戏作为案例研究，并使用数值实验来证实的结果。最后，我们提出的指标，如欺骗性，可达性，欺骗的价格（PoD），评估策略设计和欺骗下的系统性能。
2021-07-28 cs.GT cs.SY eess.SY
Prying Pedestrian Surveillance-Evasion: Minimum-Time Evasion from an Agile Pursuer
提出一种敏捷追踪者监视有限转弯率规避者的微分博弈，求解逃脱条件及最小逃脱时间，并揭示速度比导致的复杂结构。
2024-11-28 cs.SY eess.SY
Convex Pursuit-Evasion Games for Spacecraft Proximity Operations on Circular and Elliptical Orbits
Nanyang Technological University（南洋理工大学）
针对航天器近距离操作的追击-逃逸博弈，提出基于支撑函数的逃逸证书与安全策略，提供精确单侧保证，并利用投影外梯度法快速求解，适用于圆轨道与椭圆轨道。
2026-09-15 astro-ph.IM cs.SY eess.SY
Optimal Evasion from a Sensing-Limited Pursuer
针对有限感知追捕者的部分信息追逃博弈，本文推导固定终止时间下最大化终端距离的最优规避策略，并求解追捕者可选终止时间时的Nash均衡。
2024-01-23 cs.GT cs.SY eess.SY
Cooperative Pursuit with Multi-Pursuer and One Faster Free-moving Evader
本文研究了一个多追赶者单逃避者的追赶-逃避博弈，其中自由移动的逃避者比追赶者移动得快。现有的大多数工程都对快速躲避者施加了限制，例如有限的移动区域和移动方向。当速度较快的逃逸者被允许自由移动而不受任何约束时，主要问题是如何形成包围圈将逃逸者困入捕获域，如何在形成包围圈和接近速度较快的逃逸者之间取得平衡，以及什么条件使捕获成为可能。本文提出了一种分布式追踪算法，使追踪者形成包围圈，接近速度更快的躲避者。提出了一种在形成包围圈和接近更快的逃避者之间取得平衡的算法。此外，充分捕获条件的基础上的初始空间分布和速度比的追求者和逃避者。仿真和地面机器人实验结果验证了该方法的有效性和实用性。
2020-01-15 cs.SY eess.SY
Cooperative Evasion by Translating Targets with Variable Speeds
我们考虑了一个单一的追求者和多个逃避者之间的合作逃避问题，其中逃避者被限制在正Y方向移动。逃避者比车辆慢，并且可以从有界间隔中选择他们的速度。追踪者的目标是通过执行平行于X轴移动的曼哈顿追踪策略，然后平行于Y轴移动，以给定的顺序拦截所有逃避者。逃避者的目标是合作选择他们各自的速度，以便拦截所有逃避者的总时间最大化。我们首先获得条件下，规避者应该合作，以最大限度地提高总时间拦截，而不是每个移动greenster优化自己的拦截时间。然后，我们提出并分析了一个算法，分配逃避策略的逃避者在两个迭代，而不是执行指数搜索的选择逃避者的速度。我们还刻画了一个基本的限制，追捕者捕获所有逃避者时，逃避者的数量是大的总时间。最后，我们提供了数字比较对随机抽样算法。
2021-07-05 cs.SY eess.SY
Robust Multi-Agent Pursuit with Preemptive Communication via Reachability-Based Control Barrier Functions
NC State University（北卡罗来纳州立大学）
本研究提出基于可达性控制障碍函数的统一控制/通信策略，在追捕-逃避场景中验证其可在通信中断时保证智能体安全，抢先通信可减少77.5%消息量且实现零碰撞。
2026-10-16 cs.MA cs.RO cs.SY
Feedback Strategies for Hypersonic Pursuit of a Ground Evader
在本文中，我们提出了一个游戏理论的反馈末制导律的自主，无动力的高超音速追击飞行器，试图拦截回避的地面目标，其运动被限制在一个一维空间。我们制定这个问题作为一个追求逃避游戏的鞍点解决方案是在一般情况下难以计算的高超声速飞行器上，由于其高度非线性动力学。为了克服这种计算的复杂性，我们线性化的非线性高超声速动力学的参考轨迹，随后利用反馈控制设计技术，从线性二次微分游戏（LQDG）。在我们提出的制导算法中，高超声速飞行器离线计算其开环最优状态和输入轨迹，并在游戏开始之前。这些轨迹，然后用于线性化的非线性方程的高超音速运动。随后，使用这个线性化的系统模型，我们制定了一个辅助的两个球员零和LQDG，这是有效的，在给定的参考轨迹附近，并推导出其反馈鞍点策略，允许高超声速飞行器修改其轨迹在线响应目标的规避机动。我们提供了数值模拟，以展示我们提出的指导法的性能。
2022-01-13 cs.SY eess.SY
Self-triggered Pursuit of a Single Evader with Uncertain Information
University of Pennsylvania（宾夕法尼亚大学）
本文研究单个追捕者与单个逃逸者的追捕问题，提出无需持续或周期性获取逃逸者位置信息的自触发控制策略，通过考虑采样误差上限保证追捕成功。
2016-01-19 cs.SY eess.SY
Adversarial Pursuits in Cislunar Space
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Cornell University（康奈尔大学）
本文研究了近地-月球空间中航天器的对抗追踪问题，通过建模零和对抗微分博弈，利用连续时间微分动态规划方法求解，以应对潜在的通信干扰威胁。
2025-12-15 cs.SY eess.SY
Relay Pursuit of an Evader by a Heterogeneous Group of Pursuers Using Potential Games
我们提出了一个分散的解决方案的追求-逃避游戏涉及一个异质组的理性（自私）的追求者和一个单一的逃避者的基础上潜在的游戏框架。在这个游戏中，逃避者的目标是延迟（或者，如果可能的话，避免）被任何追捕者捕获，而每个追捕者只有在符合他的最佳利益的情况下才试图捕获后者。我们的方法在原则上类似于[1]中介绍的所谓的中继追踪策略，其中只有能够比其他人更快地捕获逃避者的追踪者才是活跃的。与后一种方法形成鲜明对比的是，这里的主动追踪者不是由反应式自组织规则确定的，而是来自相应的潜在博弈的解。我们假设每个追捕者都有不同的能力，他是否追捕逃避者的决定是基于他个人效用的最大化（以其他追捕者的选择和行动为条件）。追捕者的效用既取决于他们通过捕获逃避者而获得的奖励，也取决于捕获时间（捕获逃避者的成本），因此追捕者应该只在所产生的成本相对较小时才寻求捕获。主动追踪者-逃避者分配（换句话说，哪些追踪者应该是主动的）的确定通过使追踪者交换信息并通过执行用于被称为空间自适应游戏（SAP）的游戏的学习算法来更新他们自己的动作来迭代地完成。我们通过大量的数值模拟来说明我们的算法的性能。
2020-09-30 cs.SY eess.SY
Learning-Based Multi-Stage Strategy for a Fixed-Wing Aircraft to Evade a Missile Detected at a Short Distance
School of Intelligence Science and Engineering, Harbin Institute of Technology Shenzhen（哈尔滨工业大学深圳校区智能科学与工程学院）
本文受瞪羚躲避猎豹的追逃博弈启发，提出一种基于多阶段强化学习的固定翼飞机导弹规避策略，根据距离和方位角动态切换三种策略，在多种条件下使F-16规避成功率最高达85.06%。
2025-11-08 cs.SY eess.SY
Apollonius Allocation Algorithm for Heterogeneous Pursuers to Capture Multiple Evaders
Georgia Institute of Technology（佐治亚理工学院）
在本文中，我们解决的追逃问题，涉及多个追求者和多个逃避者。追击者和逃避者团队被假定为异质的，在这个意义上，每个团队具有不同的速度能力的代理。假设所有的追踪者都遵循一个恒定的方位策略。一个动态的分而治之的方法，其中在每个时刻每个逃避者被分配到一组追求者的基础上的所有球员的瞬时位置，被引入到解决多智能体的追求问题。在这方面，相应的多追求者单逃避者问题进行了分析。假设逃逸者可以遵循任意策略，提出了一种追踪者动态任务分配算法。该算法是基于著名的阿波罗纽斯圈，并允许追求者分配他们的资源，以智能的方式，同时保证在最短的时间内捕获的逃避者。该算法被扩展到分配追求者在多个逃避者的设置，被证明在有限的时间内捕获所有的逃避者。
2020-06-19 cs.RO cs.SY eess.SY
Timing-Aware Two-Player Stochastic Games with Self-Triggered Control
New York University（纽约大学）
本文提出了一种基于自触发控制的双人随机游戏框架，解决了纳什和斯塔克尔伯格时序承诺问题，并通过动态规划分解实现了可解的策略优化。
2025-12-19 cs.SY eess.SY
