基于模糊贝叶斯网络的UAV中远距空战战术决策

针对无人机中远距空战战术决策时决策环境的不确定性和决策实时性问题,提出了基于模糊贝叶斯网络的无人机中远距空战战术决策方法。研究了无人机空战过程,对影响战术决策的主要因素进行分析建模,构建了战术决策的模糊贝叶斯网络。最后,利用模糊集合理论对连续型态势变量进行变参数模糊化,并输入战术决策网络进行推理,对该决策方法的正确性、实时性以及在不确定环境下的有效性进行仿真验证。     

BDOTI结构空战指挥控制决策的逻辑框架

通过对空战决策的思维方法进行分析,根据编队协同空战的决策特点和需求,应用时态分支逻辑CTL*建立了协同空战指挥决策可能世界的语义.应用时态逻辑和模态逻辑建立了基于信念(Belief)、愿望(Desire)、责任(Obligation)、战术作战意图(Tactical Intention)BDOTI结构的机载空战指挥决策的逻辑框架.并设计了一个BDOTI解释器对空战指挥决策的全过程进行描述.     

空战关键信息与战术规则提取算法

将粗糙集理论引入到空战研究中 ,提出了一种通过属性约简提取空战决策的关键信息和战术规则的算法 ,以便对空战过程中的冗余信息进行约简 ,提高决策实时性。通过一个空战战术选择示例对该算法进行了验证 ,结果表明 :在保证空战战术分类结果不变的情况下 ,该算法可提取出对空战决策起关键作用的信息以及最小简化战术规则。     

基于规则推理的海战仿真实体决策方法

研究在海军战术仿真中应用基于规则推理的方法实现作战实体的自主决策行为,该方法用决策规则描述作战实体决策时所依据的军事决策知识,通过对决策规则的推理实现决策作战实体的决策推理过程.分别介绍了作战实体的决策模型、决策规则的知识表示方法以及决策模型的决策推理方法.基于规则推理的海战仿真实体决策方法推理机制接近人类的思维方式,结构逻辑容易为军事人员所掌握,易于理解和维护,便于实现.     

基于DRL与微分对策的无人机空战决策研究

随着无人机战场环境越来越复杂,空战对抗将逐渐成为主要的一种无人机作战方式.为了能够确保我方无人机在快速演变的战场态势下抓住先机、精确决策、快速致胜,需要根据实际作战环境、作战样式,建立无人机和环境进行交互的规则、无人机空战对抗中采用的战术使用规则,并结合规则,通过智能决策算法,达到提升无人机空战对抗胜率的目的.提出一种结合微分对策(Differential Games,DG)的深度强化学习方法(Deep Reinforcement Learning,DRL)解决此问题,利用深度强化学习的智能决策性以及微分对策的准确机动性,实现战术决策到机动决策.最后以空战对抗1V1为例,对提出的方法进行验证,结果证明方法可行有效.     

基于模糊Petri网编队协同战术决策

为了解决在不确定环境下编队协同空战战术决策问题,将Petri网理论引入到编队协同空战分析中,依据决策规则的模糊性,结合具有图形描述能力的Petri网,提出利用模糊Petri网对编队协同空战战术决策进行建模,并对模型进行了仿真分析。仿真结果表明模型能够提高编队协同空战战术决策的智能化和自动化程度。     

基于粗糙集-神经网络编队协同空战决策系统

为了提高空战决策的实时性和准确度,将粗糙集理论和神经网络引入到编队协同空战战术决策研究中,提出了应用SOM网络-粗糙集-BP网络集成进行编队协同空战战术决策的方案:应用SOM网络离散化决策系统输入数据的连续属性值;利用粗糙集数据分析方法,从数据中提取出规则将输入映射到输出的子空间上;在这个子空间上用BP网络进行逼近.2:4编队空战实例仿真结果验证该方案的可行性,在数据充分的条件下,该方案可以推广应用于其它空战决策系统.     

人工智能在火控系统中的应用

研究了空战时的决策问题,并对人工智能技术用于空战中机动目标的战术机动决策模拟做了尝试,讨论了计算机控制机动目标的战术机动决策逻辑的设计方法,同时也进行了数字仿真。     

基于双向启发式属性约简的战术决策建模研究

从预警机指挥引导的多机协同空战原则分析出发,针对超视距协同空战决策过程中的不确定性和不完备性问题,提出了一种不完备信息系统中的基于双向启发式属性约简的战术粗决策建模方法。首先考虑粗糙集决策过程中条件属性发生缺失或不确定的情况,根据扩展不完备信息概念建立了不完备决策信息系统的最优完备选择;其次基于分辨矩阵的属性约简算法,以属性频度的大小作为启发信息进行决策信息系统约简的双向选择,得出决策信息系统的最佳约简集合;然后依据使决策最有可能发生的原则,给出决策信息系统的最优选择,以该最优选择为代表提取出决策规则;最后根据软、硬杀伤结合使用的CGF实体超视距协同空战作战想定,建立了CGF实体综合战术决策模型,并通过作战决策实例对该方法的正确性和有效性进行了验证。结果表明：该方法能在作战态势信息不完备的情况下正确给出CGF实体综合战术行为。     

智能化战机编队指派的战术匹配寻优算法

战机编队指派是空战指挥决策的重要一环,属于多属性决策优化问题。为提高空战指挥的自动化水平,设计了一种智能化战机编队指派的战术匹配寻优算法。首先分析了战机编队空战优势的估算方法;然后提出了战机编队指派的初步匹配方法,该方法通过战术匹配得到满足编队级最小空战优势要求的,能够覆盖最多目标编队的初步指派方案;最后设计了基于自扰动蚁群算法的战机编队指派寻优算法,该算法针对未分配战机寻找能够使己方战术价值总和最大化的战机编队指派方案。对战机编队指派的初步匹配结果和自扰动蚁群算法寻优结果进行合成得到最终的战机编队指派方案。示例验证了该方法能够得到与空战指挥员经验一致的战机编队指派结果,而且具有较好的实时性。     

基于战术知识的对地攻击策略研究

本文就空对地攻击的策略进行了研究,提出了空战战术与技术相结合,基于战术知识来决策攻击方式的方法,并进行了仿真验证     

改进BAS-TIMS算法在空战机动决策中的应用

针对当前空战机动决策精确度低、实时性差的缺点,对天牛须搜索-战术免疫机动系统(Beetle Antennae Search-Tactical Immune Maneuver System, BAS-TIMS)算法进行改进,并应用于空战机动决策中。增加左爬升、右爬升、左俯冲、右俯冲4种机动,对传统的机动策略库进行扩充,设计了11种基本机动策略并给出了相应的控制方法。基于距离、高度、速度、角度和战机性能优势函数,利用非参量法构造战机机动决策综合优势函数。针对天牛须搜索算法在全局搜索和收敛速度上存在的缺陷,引入蒙特卡洛概率迭代的方法对算法进行改进,并和战术免疫机动系统进行融合,将改进的BAS-TIMS算法用于空战机动决策。设计算例进行仿真分析,并将结果和博弈论法、改进共生生物免疫进化算法、传统BAS算法和传统TIMS模型的计算结果进行对比,验证所提算法的有效性。仿真结果表明:改进BAS-TIMS算法在空战机动决策的收敛精度、收敛速度和全局搜索能力上更加具有优势。     

第四代歼击机空战战术决策研究

根据第四代歼击机的作战能力,分析了空战过程中可能存在的三种态势,提出了影响第四代歼击机空战战术的重要因素。结合影响因素进行了模糊决策讨论,基于模糊神经网络的方法完成了空战决策系统的设计,并通过神经网络的训练,确定了模糊决策网络。最后,通过仿真验证,表明决策系统实际输出与期望结果是一致的,决策结果是准确的,能够为决策者根据战场态势进行决策提供参考,缩短了决策时间,提高了指挥决策效能。     

基于变异离散粒子群的协同空战攻击决策算法

为了提高智能协同空战攻击决策算法性能,将变异策略引入到DPSO(Discrete Particle Swarm Optimization)协同空战攻击决策算法中,提出了一种新的基于变异离散粒子群(Mutation Discrete Particle Swarm Optimization,MDPSO)的协同空战攻击决策算法。基于典型空战想定背景,仿真验证了算法的有效性。采用对比实验方法,基于准确性、可靠性和快速性等关键性能指标,分析比较了基于MDPSO协同空战攻击决策算法与多种智能决策算法,验证了基于MDPSO的协同空战攻击决策算法有着较好的综合性能。     

实时作战进程预测的协同空战目标组分配模型

针对复杂电磁环境下协同空战的不确定性和未知性,基于对作战进程的预测解决协同空战目标组分配问题。综合考虑电子对抗和编队内机组间的纵向协同支援情况,运用兰彻斯特方程分析作战进程的变化趋势,分别建立先验威胁和战术威胁模型,在此基础上建立协同空战机群分组的分配优化模型,并进行了仿真分析。仿真结果表明,基于作战进程预测的协同空战目标组分配模型有利于实时掌握双方兵力损耗并预测作战的进程,是实现战术机动决策和战术支援的基础。     

预警机指挥多机群空战的协同战术决策

分析了预警机指挥下的多机群协同空战的战术决策方法,建立起了它的战术编队、威胁评估以及目标分配模型,并进行了仿真计算,结果表明此战术决策方法对于提高多机群协同空战的作战效能有着显著的作用,对于未来无人作战飞机多编队协同作战也具有很好的参考价值.     

基于深度强化学习的智能对手自主空战决策技术

为提升空战训练对手的智能性与自主性,提升空战训练效果。针对空战战术训练智能对手自主空战决策问题,提出一种基于深度强化学习的智能体训练方法,采用最大熵强化学习（SAC）算法平衡策略探索与利用的优势,引入自博弈和多智能体联盟训练方法提升空战智能体策略的多样性和鲁棒性。针对一对一近距格斗空战场景建立智能博弈框架及奖励函数,仿真结果表明,基于零经验训练得到的智能体能够有效自主机动决策并实施近距导弹攻击,产生较好的战术效果,证明该方法在一对一近距格斗空战智能体训练中的有效性。     

空中对抗机动飞行实时评估方法研究

针对空战对抗中机动飞行评估实效性差、准确度低的问题,根据数据链传输的各种实时信息,采用理论建模与案例实证相结合的方法,构建模拟空战机动飞行环节的实时评估模型。在分析评估所需数据的基础上,提出新的数据更新方法,设计了数据链信息下传流程。以战术机动数据为依据,构建战术优势函数,通过对飞机战术态势的准确评判,实现对机动飞行的评估。通过近、超视距空战两种场景仿真,验证了评估方法能有效提高机动飞行评估的实时性和准确性。     

战术决策中基于Petri网的知识表示与权值训练

通过对驾驶员辅助决策人工智能系统(PAAIS)中战术决策知识进行模糊Petri网的表示和推理,提出了一种模糊神经Petri网络(FNPN)来训练其权值的方法,并进行了实验仿真.结果表明,神经网络和Petri网结合使得模糊产生式规则更加有效,也对知识库的建立、更新和维护有着重要的意义.     

改进近似动态规划法的攻击占位决策

瞬息万变的空战环境和日益复杂的空战任务导致应用动态规划法解决机动决策问题容易造成"维数灾难"。基于函数拟合思想优化逼近近似值函数,解决了空战状态的连续性问题。同时,针对近似动态规划在解决机动决策问题时未考虑"过冲"机动和碰撞的问题,提出惩罚因子对近似动态规划法的攻击占位决策方法进行改进。这种方法能够有效应对快速变化的战场态势,而且不需要对空战战术构建专有的战术库。为了验证模型的有效性,将改进的近似动态规划法进行了实验仿真,仿真结果表明改进的攻击决策方法能够有效避免"过冲"机动和碰撞问题,具有较强的鲁棒性。