1.一种基于加权模糊Petri网的自主无人机形式化推理方法，应用于两架无人机A、B执行搜索/攻击任务时的作战决策；其中，无人机A、B同时跟踪到同一目标；其特征在于所述方法包括以下步骤：步骤一、定义WFPN为一个10元组：

WFPN＝(P，T，D，I，O，α，β，f，Th，W)其中：

P＝{P1，P2，P3，...，Pm}为库所集，包括规则的前提和结论，是有限个库所的集合；其中库所集中的每个库所对应于“目标优先级高、目标优先级中、目标优先级低、无人机A适合攻击、无人机A中等适合攻击、无人机A不适合攻击、无人机B适合攻击、无人机B中等适合攻击、无人机B不适合攻击、无人机A燃油充足、无人机A燃油不充足、无人机B燃油充足、无人机B燃油不充足、A攻击目标B继续搜索、A继续搜索B攻击目标、A继续搜索B继续搜索、A继续搜索B重新对准再次攻击、以及A重新对准再次攻击B继续搜索”的其中之一；

T＝{t1，t2，t3，...，tn}为变迁集，是有限个变迁的集合，其对应的规则置信度向量CF＝(μ1，μ2，μ3，...，μn)；其中，一条规则对应变迁集中的一个变迁ti；一条规则包括目标优先级、无人机A的攻击适合值、无人机B的攻击适合值、无人机A的剩余燃油、以及无人机B的剩余燃油；

D＝{d1，d2，d3，...，dm}是有限个命题的集合，|P|＝|D|；所述有限个命题的集合中每个命题对应所述库所集中的一个库所；所述有限个命题的集合中的命题分为输入命题和输出命题；其中，每个输入命题为“目标优先级高、目标优先级中、目标优先级低、无人机A适合攻击、无人机A中等适合攻击、无人机A不适合攻击、无人机B适合攻击、无人机B中等适合攻击、无人机B不适合攻击、无人机A燃油充足、无人机A燃油不充足、无人机B燃油充足、以及无人机B燃油不充足”的其中之一，每个输出命题为“A攻击目标B继续搜索、A继续搜索B攻击目标、A继续搜索B继续搜索、A继续搜索B重新对准再次攻击、以及A重新对准再次攻击B继续搜索”的其中之一；

I：为输入矩阵；I＝[δij]m×n(δij∈[0，1]，i＝1，2，...，m；j＝1，2，...，n)表示pi到tj的输入关系及权值wij，当pi是tj的输入库所时δij＝wij，否则为0；

O：为输出矩阵，O＝[γij]m×n(γij∈[0，1]，i＝1，2，...，m；j＝1，2，...，n)表示tj到pi的输出关系及规则置信度μj，当Pi是tj的输出库所时rij＝μj，否则为0；

α：P→[0，1]是命题到实数[0，1]之间的映射，α＝[α1，α2，...，αm]T(αi∈[0，1]，i＝1，

2，...，m)为命题的置信度向量，代表各命题的某个时刻状态； 表示命题的初始置信度； 表示第k次推理后的命题置信度；

β：P→D是从库所到命题之间的映射；

f：T→[0，1]为变迁到实数[0，1]之间的映射，f(ti)＝μi(ui∈[0，1])表示规则置信度；

Th：λi代表变迁ti的阈值，λ＝[λ1，λ2，......，λn]阈值向量，λi∈(0，1)，i＝1，2，...，n；

W：表示规则的权值集合，记为W＝{w1，w2，...，wk}；wi为输入命题di(i＝1，2，3...，k)的权系数，它代表规则输入命题对于结论贡献程度， 当n＝1时，权值为1；

步骤二、根据领域专家经验和相应的规则约束条件，设计加权模糊产生式规则；

加权模糊产生式规则描述如下：

IF d1(w1)AND d2(w2)…AND dn(wn)THEN dK(μ，λ)，i＝1，2，...n且其中，d1表示规则中的某个输入命题，wi表示规则中的某个输入命题权值，dk表示规则的输出命题，μ表示规则的置信度，λ表示规则发生的阈值；其中，所述产生式规则表示如果目标优先级、无人机A适合攻击值、无人机B适合攻击值、无人机A燃油、以及无人机B燃油满足相应的条件，则输出对应的作战策略，所述作战策略为“A攻击目标B继续搜索、A继续搜索B攻击目标、A继续搜索B继续搜索、A继续搜索B重新对准再次攻击、或者A重新对准再次攻击B继续搜索”中的其中之一；

权值、阈值以及信度值说明如下：

1)权值：引入权值，为每个输入命题设定加权因子，以适应无人机双机或多机自主执行搜索/攻击任务时，搜索/攻击策略规则集中存在着不同输入命题对规则结论的贡献和影响不同；权值的确定通常是由领域专家知识获得；如果要给某个命题分配较大的权值，应当遵守以下原则：①该命题对结论成立的贡献较大；

②该命题具有较大的独立性且其它命题都对它有依赖关系；

2)置信度：代表了条件满足时结论的可信程度，能够反应整个规则的真实程度；

3)阈值：推理得以进行的最低置信度；

步骤三、根据加权模糊Petri网建模方法，对所设计的产生式规则建立WFPN模型；

加权模糊产生式规则建模说明如下：

1)转换原则；

①一条规则对应模型中的一个变迁；

②产生式规则中的每个命题对应一个库所；

③库所的状态表示命题的可信程度；

④命题之间的逻辑关系对应库所和变迁之间的有向弧；

⑤规则的可信程度对应变迁的置信度值；

⑥命题对结论的贡献程度用有向弧上的权值来表示；

2)WFPN模型表示并引入分层策略；

加权模糊产生式规则往往包含许多∧或∨连接的命题，将简单规则以及它们的相互组合的规则对应的加权模糊产生式结构归结为以下三种类型：①IF d1(w1)THEN dk≠1，μ1，λ1②IF d1(w1)∧d1(w1)∧d1(w1)∧...∧dn(wn)THEN dk，k≠1，...，n，μ1，λ1③IF d1(w1)∨d1(w1)∨d1(w1)∨...∨dn(wn)THEN dk，k≠1，...，n，μ1，μ2，...，μn，λ1，λ2，...，λn步骤四、根据建立的模型生成推理运算中需要的矩阵和向量；其中，输入矩阵为I，输出矩阵为O，阈值向量为λ；

步骤五、按照下述WFPN形式化推理算法步骤进行推理；

上述WFPN形式化推理算法说明如下：

1)定义三个算子：

① dij＝max{aij，bij}，其中A、B、D均为m×n维矩阵，i＝1，2，...，m；j＝1，2，...，n；

②Θ：AΘB＝D，如果aij≥bij，dij＝aij；aij＜bij，dij＝0；其中A、B、D均为m×n维矩阵，i＝

1，2，...，m；j＝1，2，...，n；

③ A，B，C分别为m×p，p×n，m×n的矩阵，Cij＝max1≤k≤p(aik·bkj)，i＝1，2，...，m；k＝1，2，...，p；j＝1，2，...，n；

2)WFPN形式化推理算法步骤如下：

①令k＝0，对向量α0进行初始化；

②计算已知客观事实条件下，变迁的输入命题组合置信度ρ＝IT·ak；

③计算σ＝ρΘλ，比较命题组合置信度ρ和变迁阈值向量λ，判断能够使能的变迁；

④激发上一步判断出的使能变迁，并计算 同时为变迁的输入输出库所传递新的状态值；

⑤计算 通过得到的新的状态值，更新整个库所集的状态值；

⑥若ak+1≠ak，令k＝k+1，重复步骤②至步骤⑤；若ak+1＝ak，推理结束，并输出ak+1；

步骤六、对推理计算结果进行分析决策，以确定无人机A和无人机B的作战策略。