未来中远距协同空战多目标攻击决策研究

根据先进战斗机的技术特点和未来中远距协同空战发展方向,提出一种基于先敌发现、先敌发射、先敌摧毁能力的空战态势分析模型。同时,采用一种将并行遗传算法与分布估计算法相结合的并行分布遗传算法并将其用于多目标攻击决策。最后利用具体算例进行仿真。结果表明空战态势分析模型能够较为准确地描述未来中远距多机协同空战,采用的算法具有较好的可行性和实时性,为中远距多机协同空战的多目标攻击决策提供了新的思路和方法。     

基于模糊遗传算法的先进战机协同攻防决策

根据先进战机的特点以及协同空战的发展方向,采用了一种基于先敌发现、先敌发射、先敌摧毁能力的空战态势分析模型,为了更符合作战情形对其进行了部分改进。将模糊遗传算法应用于上述模型,给出了求解多机协同攻防决策问题的算法,模糊推理器主要用于交叉概率Pc和变异概率Pm的整定。最后用具体算例进行仿真验证,结果表明采用的空战态势分析模型能够较为准确地描述多机协同空战,同时采用的算法具有较好的可行性和实时性,为协同空战的攻防决策提供了新的解决方案。     

多机协同多目标攻击的目标分配和攻击排序

研究了多机协同空战中多目标攻击的目标分配和攻击排序的过程和方法.首先通过对影响空战态势的因素进行分析,提出一种新的综合距离优势、角度优势和能量优势构造综合优势函数的工程方法,并利用综合优势函数计算出目标分配矩阵,然后介绍了在目标分配矩阵上进行多机协同目标分配和攻击排序的过程和算法,最后用仿真验证了该算法的有效性.     

基于改进粒子群算法的协同多目标攻击空战决策

超视距空战和协同多目标攻击是空战的发展趋势,协同多目标攻击中的关键问题是空战决策。建立了协同多目标攻击空战决策的多目标优化数学模型,提出了一种改进的粒子群优化算法,并将其应用于空战决策。基本的粒子群算法是一个有效的求解连续优化问题的方法,结合遗传算法的思想,提出了直接对粒子进行交叉和变异操作来完成粒子更新的方法。仿真结...     

多机空战多目标威胁评估和分配算法

研究了多机空战中目标威胁评估和目标分配的过程和算法.首先通过对影响空战态势的相关因素进行分析,提出一种新的综合目标空战态势和空战能力的威胁评估和目标分配算法,利用层次分析法和灰色关联决策理论对目标威胁程度进行分析,计算出目标综合威胁指数矩阵,然后根据目标综合威胁指数矩阵进行多机多目标分配和攻击排序,最后,通过具体算例验证该算法.     

基于态势分布的多机编队协同目标分配

基于态势分布的多机编队协同目标分配,可以使编队长机在空战过程中的目标分配决策更加合理化。分析了敌机对我机的态势威胁影响因素,构建了敌我双方的对抗系数矩阵;依据编队内成员的占位关系和编队僚机火力情况,将我机僚机和敌机编队拆分成作战分队形式;基于整个态势分布,综合考虑编队攻击效率和航迹防撞规则,以作战分队形式进行目标分配。目标分配结果符合编队协同空战的一般规律,表明所提方法可以为编队协同作战提供目标分配支持。     

多机协同对空目标探测与攻击任务的最优分配

针对信息化条件下多机协同空战中需要协同制导的问题,建立了探测任务和攻击任务分配的模型。首先根据战场态势和雷达探测能力建立探测任务分配模型,然后根据战场态势和武器作战能力建立攻击任务分配模型,最后将此多目标决策问题转化为单目标优化问题。通过建立可行解到粒子间的映射,提出了粒子群优化算法对该优化问题进行求解。仿真实验表明了该模型与算法的可行性与有效性。     

基于遗传算法的协同多目标攻击空战决策方法

多机协同多目标攻击是未来空对空作战的一种重要形式。首先建立了多机协同空战的自主优势矩阵 ,并依据多人冲突决策理论构造了空战的总体优化指标向量 ,然后针对其他优化算法的不足 ,提出用遗传算法优化该指标向量 ,实现多机协同多目标攻击空战决策 ,最后对 2∶ 2空战进行了仿真。仿真结果证明了上述思想的正确性。     

自适应蚁群算法的多机协同空战目标分配方法

对目标超视距空战将是今后空战的主要形式和发展趋势,多机协同多目标攻击中的关键问题是空战决策.首先建立了空战态势评估方法,结合蚁群算法思想,提出了一种新型的目标分配算法模型,并进行了算法实验.实验结果表明基于自适应蚁群算法解决多机协同空战的目标分配问题是有效的,特别是问题规模较大时更显示出其较快的收敛速度和较高的精度.     

多机协同多目标攻击空空作战系统研究

主要研究了实现多机协同多目标攻击空空作战的关键问题--多机协同多目标攻击空空作战的空战决策,设计了空战决策算法,并对整个决策系统进行了仿真.然后,设计了多机协同多目标攻击空空作战系统,将空战决策,导弹攻击区判断,导弹攻击融为一体,并进行了仿真.仿真结果验证了空战决策算法的正确性.     

不确定情况下协同空战目标分配方法

现代空战环境下出现的大量不确定信息, 现在常用的协同目标分配模型都没有考虑到这种情况.针对这种情况,将随机规划引入到协同空战目标分配研究中,在一般期望值模型的基础上,建立了多机空战协同目标分配期望值模型,并利用随机模拟、神经网络和遗传算法结合而成的混合智能算法来求解该期望值模型.2∶4协同空战仿真结果表明该模型的有效性.     

多机协同目标与火力资源分配

在协同空战中,快速正确的空战决策是己方战机少受敌方伤害并取得战争胜利的前提。目标与火力资源分配是决策过程的重要部分。多机空战与单机空战相比有明显的不同,不同之处是面临多个敌方目标,根据我方资源最优分配作战对象和火力,基于遗传算法实现了两种算法的有人无人目标与火力资源分配。仿真结果表明,带有毁伤概率门限的算法既节省火力资源又快速有效。     

UCAV编队对地攻击智能决策系统总体结构

UCAV编队对地攻击是未来战争制信息权和制空权的关键所在,结合无人作战飞机(UCAV)与有人驾驶飞机各自的特点和优势,提出了UCAV编队对地攻击系统的基本组成和对地攻击流程.根据UCAV编队对地攻击的战术决策类型和决策方式,构造了UCAV编队对地攻击智能决策系统的总体结构并且提出了决策系统应该解决的关键技术,详细分析了所建立的UCAV编队对地攻击决策系统的决策方式和决策流程,并且对该系统所涉及的关键技术进行了详细的研究.     

基于协同学的编队协同空战任务决策

基于协同学理论给出了编队协同空战系统的协同学框架;提出了编队协同作战方案的五元组定义,明确了影响系统进程的序参量;基于系统有序度与协同度的概念,构建了协同效能优化模型;以任务冲突检测与消解为依据给出了任务决策的约束条件;最后以二进制粒子群优化算法对此约束优化问题进行了求解.仿真结果表明,以协同学理论描述编队协同任务决策问题是可行的,构建的协同效能模型与任务决策方法在处理编队时序任务决策问题时是有效的.     

LCDP SO算法在协同空战攻击决策中的运用?

为了探索提高协同空战攻击决策算法性能的途径,将多子群粒子群优化理论用于求解协同空战攻击决策,利用生命周期粒子群模型（ LCPSO）,提出了一种生命周期离散粒子群（ LCDPSO）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。通过统计实验的方法,分析比较了LCDPSO协同空战攻击决策算法与多种智能决策算法的准确性、可靠性和快速性,研究结果证明LCDPSO协同空战攻击决策算法优良的综合性能。     

有人/无人战斗机协同空战模式及能力需求分析

针对未来空战的特点对有人/无人战斗机协同空战的作战模式及能力需求进行了研究.从信息链到武器链时空过渡的角度分析了有人/无人机协同空战的作战优势;提出了两种典型的有人/无人机协同空战方式,并给出了作战过程描述及功能结构分析;基于“观测-评估-决策-执行”指挥控制环分析了有人/无人机协同空战的指挥控制流程;基于协同空战的任务需求提出各参与平台的能力需求.此研究对有人/无人机协同空战的发展具有一定的指导意义.     

信息支援条件下协同空战态势评估研究

针对现有空战态势评估方法表现形式不够直观、模型简单的问题,提出一种将威力场与遗传神经网络相结合的态势评估方法,并将其应用于信息支援条件下的协同空战态势评估.分别从攻击能力、探测能力、电子干扰能力、生存能力、通信能力、告警能力、协同能力以及决策能力等方面构建威力势模型.利用遗传算法优化BP神经网络,并将其应用于编队作战能力评估.最后利用具体算例进行仿真验证,结果表明该方法是正确可行的.相比于传统态势评估方法,该方法在信息支援条件下的超视距协同空战态势评估中具有全面性、直观性、准确性等优势.     

LCDP SO算法在协同空战攻击决策中的运用

为了探索提高协同空战攻击决策算法性能的途径,将多子群粒子群优化理论用于求解协同空战攻击决策,利用生命周期粒子群模型（ LCPSO）,提出了一种生命周期离散粒子群（ LCDPSO）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。通过统计实验的方法,分析比较了LCDPSO协同空战攻击决策算法与多种智能决策算法的准确性、可靠性和快速性,研究结果证明LCDPSO协同空战攻击决策算法优良的综合性能。     

改进cell密度聚类算法在空战目标分群中的应用

针对传统聚类算法对流形分布数据聚类效果差,且实时性不高的缺点,提出改进基于cell的密度聚类(Cell-Based density Spatial Clustering of Applications with Noise, CBSCAN)算法解决实时空战目标分群问题。通过分析空战态势参数,建立了空战目标分群通用模型,将目标分群转化为聚类问题。通过改进CBSCAN算法的簇类扩展方式,建立基于改进CBSCAN算法的目标分群模型。通过仿真实验,对比分析了K-means、最大期望算法、密度峰值算法、密度聚类算法、CBSCAN算法和改进CBSCAN算法在30种作战态势下的分群准确性和实时性,结果表明:改进CBSCAN算法可以在编队数目未知和目标流形分布的条件下,对多目标编队进行正确分群,且实时性较原始算法提高约30%,具有实际应用价值。