基于熵法的炮兵战场目标价值分析

目标价值分析是炮兵作战情报信息处理的中心工作。如何从炮兵战场众多的目标情报中确定其价值,并根据作战任务需要选择要射击的目标和确定优先顺序,是炮兵指挥员及其参谋人员的一项重要任务。根据熵法和模糊决策对炮兵战场目标价值进行了分析和排序,为炮兵指挥员的决策行为提供依据。     

基于TOPSIS法和灰色关联度法的炮兵战场目标价值分析

针对作战指挥决策的特点,目标价值分析是炮兵作战情报信息处理的中心工作.如何从炮兵战场众多的目标情报中确定其价值,并根据作战任务需要选择要打击的目标和确定优先顺序,是炮兵指挥员及其参谋人员的一项重要任务.根据TOPSIS优选法和灰色关联度法对炮兵战场目标价值进行了分析和排序,并通过实例对改模型的有效性和实用性进行了验证,为炮兵指挥员的决策行为提供了理论依据.     

高技术条件下炮兵作战火力优化模型

由于能给敌军造成大量的毁伤 ,炮兵被誉为“战争之神”。但是 ,由于可得到的炮兵部队数量、弹药和时间所限 ,炮兵不可能对战场所有可得到的目标射击。炮兵必须决定哪些目标可用炮兵射击 ,以及如何射击。考虑到未来战场将充斥着大量目标 ,炮兵要求使用一种自动目标处理系统。将提出一个炮兵优化模型 ,模型的目的是快速对目标价值排序 ,然后以最佳的炮兵兵力、火力分配对选择的目标进行射击。     

战场目标价值偏好不确定分析模型

根据作战需要对战场目标价值进行分析并确定其先后顺序是炮兵、防空兵作战指挥员及指挥自动化辅助决策系统的一项重要任务.对目标价值分析算法进行了总结,分析了模型的一般结构特征.为解决以往算法中指标权重不确定性带来的问题,根据多属性决策的特点,运用模糊决策理论提出偏好不确定的战场目标价值计算模型.同以往目标价值分析算法相比,该模型具有较好的适应性及可操作性,为炮兵防空兵指挥员的决策行为提供了依据.     

海战场态势分析作战想定生成技术研究

态势分析是战场态势监视系统的一项关键技术。在态势分析研究中,需要利用某些作战想定来检验态势分析算法的效果。本文针对该问题,研究了作战想定生成技术,利用该技术为海战场态势分析仿真系统生成某些剧情,并输入想定数据。首先建立了海战场环境下单目标、编队目标的运动模型,生成相关的群体态势参数,并基于此建立了海战场态势分析想定平台,在此平台上生成了一个红蓝双方对抗的想定,并用其验证了一个态势分析的海战场机动目标功能合群算法。     

基于模糊聚类分析在炮兵战场目标打击排序中的应用

炮兵战场上经侦察得到的目标情况往往比较复杂,利用模糊聚类分析法确定目标区域内各种目标的先后打击次序,建立模糊相似关系矩阵,最后在给定阈值的基础上计算出目标的优先打击次序,为战场指挥员提供比较合理的火力分配,从而最大限度地发挥炮兵火力效能。     

基于D-S证据理论的炮兵战场目标价值分析*

针对如何依据目标情报资料和作战任务需要合理评估战场目标的价值,选择需要射击的目标和确定优先顺序,建立了战场目标价值评价体系,提出了一种运用D-S证据推理理论对炮兵战场目标价值进行分析的新途径,该方法运用D-S证据组合公式对目标繁杂、不确定信息的融合,能够很好地消除目标信息的不确定性,从而将具有主观不确定性信息的目标价值分析问题转化为普通的确定性决策问题。通过实例证明了方法的有效性。     

多指标下的炮兵火力最优分配

为了提高炮兵火力打击效能,提出了小生境遗传算法与模糊多目标决策相结合的混合算法,建立了多指标下的炮兵火力分配模型,并阐述了混合算法设计,给出了应用举例,结果表明,与传统的单指标下的炮兵火力最优分配相比,该方法更符合战场实际情况。     

动态贝叶斯网络的无人机炮火校射

动态贝叶斯网络(Dynamic Bayesian Networks-DBNs),是对具有随机过程性质的不确定性问题进行建模和处理的一个有力工具.提出将隐马尔可夫模型(Hidden Markov Models-HMMs)图形模式与贝叶斯网络结合起来构成DBN,将其用于无人机照相侦察情报的推理分析,决定炮火优先打击区域.首先建立动态贝叶斯网络的战场态势变化模型,而后应用HMM的推理算法获得当前隐含序列最优估计,且可预测出未来战场态势.最后应用模糊推理获得优先打击的区域号.仿真结果表明了模型的可行性.该方法有效解决了贝叶斯网络对于瞬间变化战场态势推理的不足的缺陷,为炮兵指挥员更好地运用火力,分出主次奠定了基础.     

炮兵战场射击成果优选分析

针对战场炮兵在优补法决定诸元时,射击成果的不断获取,必定存在如何合理选用最佳射击成果的问题。运用误差分析的方法,建立了各成果和目标之间的距离差、各成果获取与发现目标的时间差的中间误差比较模型,通过实例验证,能够快速、准确优选成果。为炮兵指挥信息系统实施精确打击提供了一定的理论依据。     

基于灰色网络分析法的目标价值排序研究

以炮兵战场目标价值评价指标体系为基础,运用网络分析法确定指标权重,运用灰色系统理论确定评价灰类和总灰色评价权向量,建立基于灰色网络分析法的目标价值评价模型,旨在向指挥员提供可靠的目标攻击顺序建议,帮助指挥员开展后续的最优火力分配等决策工作。通过实例验证了评估模型的合理性和实用性。     

基于可能度的信息化战场目标价值评估方法

目标价值评估是指挥员确定目标打击顺序与强度的前提和基础,是战场火力运用的基本依据.针对目标价值评估指标信息的复杂性及不确定性,采用基于可能度的决策方法评估战场目标价值,充分利用了全部指标信息,为指挥员合理选择打击目标提供了科学依据.     

基于本体论的战场机动目标表述方法

在信息化条件下的现代战争中,战场机动目标的有效表述成为分析判断战场态势的重要内容。用统一的理论方法与工具建立战场机动目标的完整表述,可以有力地保障与推动其后的战场态势估计与威胁预测。本文提出了利用本体论表述战场机动目标的方法,通过建立相应的本体六要素,将机动兵器目标本身的特征属性与相关军事知识结合起来,用统一的方式表述目标要素及相关要素之间的关系。以A型战斗机为例建立其相应的目标本体,并利用Protégé工具实现了该本体的建立,结果表明利用基于本体的方法表述战场机动目标效果更好,更利于后续工作的开展,初步证实了研究的必要性和可行性,并对后续的研究进行了展望。     

炮兵风险距离的仿真计算方法

现代战场非线性趋势愈加明显,炮兵火力对敌我双方以及平民都可能造成毁伤。合理确定炮兵风险距离,控制对非敌人员的杀伤风险是炮兵火力运用的重要内容。提出了炮兵风险距离的概念,并给出了仿真计算方法。首先,给出了炮兵风险距离的概念,并解释了其仿真计算原理。然后,建立了蒙特卡洛仿真模型。最后,结合实例验证了仿真计算方法的正确性。     

多决策目标排序的层次分析与灰色关联法

战争中对打击目标排序是下定作战决心的前提,是战场信息处理的重要内容.随着军事科技的发展和战术运用要求的提高,决定目标排序的因素不断增多,作战环境更加复杂,单一指标已不能满足需求.采用层次分析和灰色关联相结合的方法对多决策目标进行分析,为具有多决策因子目标提供了一种排序方法.灰色数据的白化和精确数据的直接使用提高了数据的效率,使得不同特点的目标具有可比性.实例表明,该方法行之有效.     

战场目标情报的模糊聚类分析与Excel实现

为有效地对战争目标情报进行快捷、准确地分析处理,从而确定目标区域战场价值程度,以炮兵某次进攻战斗为战术背景,将敌防御区域按照目标分布特点划分为12个小区域;再根据目标的属性和打分原则,运用打分法分别求出各个小区域的综合得分情况;最后采用模糊聚类分析方法和Excel应用软件对其价值进行分析评估,依据模糊聚类结果从而确定重点区域,为指挥员和决策机关制定正确的策略提供科学的依据。