基于改进反馈神经网络的坦克分队对抗模型

坦克分队对抗效能评估是一个典型的动力学系统问题,而反馈神经网络是一种反馈动力学系统。通过分析影响对抗效能的主要因素入手,建立坦克分队火力对抗效能的评估指标体系,构建改进反馈神经网络对抗模型。通过编制应用程序,对该模型进行实例验证,其结果表明,该模型能够较好地解决坦克对抗的问题,为坦克对抗模型的研究提供了新思路。     

基于Monte Carlo方法的一对二马尔可夫随机格斗模型

讨论了一对二马尔可夫随机格斗双方获胜概率计算问题。提出了一种新颖的一对二马尔可夫随机格斗任意对抗回合双方获胜概率的计算方法,该方法首先基于Monte Carlo仿真计算各个对抗回合中双方发射次序的概率分布,再利用全概率公式确定马尔可夫链的状态转移概率矩阵,从而克服了马尔可夫随机格斗模型往往只能提供无限对抗回合之后格斗双方获胜概率的缺点,为运用马尔可夫随机格斗研究火力运用和弹药分配提供了新途径,并用实例说明了该方法的有效性。     

88B坦克分队与M60A3坦克分队随机火力对抗

以 8 8 B坦克分队进攻防御阵地之 M6 0 A3坦克分队为立足点 ,建立双方随机对抗时的兰彻斯特平方律模型 ,结合战场实际 ,得出 88B坦克分队取得最大作战效能时的最佳兵力比 ,及其运用火力的几点结论。     

坦克分队纵深战斗火力对抗建模分析

简要介绍坦克分队纵深战斗的概念及重要意义。围绕坦克分队火力对抗的要求,针对坦克分队纵深战斗中的特点,从分析发现概率、命中概率、毁伤概率和毁伤流密度入手,运用定性与定量相结合的方法,运用兰彻斯特平方律方程,深入研究坦克分队纵深战斗火力对抗的战斗效能,确定其交换率和兵力比例。算法简便易行,结构合理,专业性强。结论能够检验坦克分队新型装备的作战效能,符合实际战场需要。     

火力对抗条件下反坦克导弹目标分配优化

以对抗条件下反坦克导弹作战过程为依据,建立了火力对抗条件下反坦克导弹目标分配的优化模型,并提出了坦克火力分配优化模型,研究利用改进的遗传算法来设计求解,在VC++下对实例进行求解,所得结论合理,本研究对反坦克导弹分队火力分配决策具有一定的参考作用和现实意义.     

坦克分队火力打击时机量化研究

坦克分队作战时通常实施多批次火力打击,选取各批次火力打击最有利的时间节点是坦克分队火力优化的主要内容之一。简述了目前较为广泛应用的射击时间窗模型,针对其窗口多、窗口长且大部分相互重叠等缺点,提出了求解坦克分队火力打击时机的射击预留时间模型和战场紧迫程度模型,并指出了战场紧迫程度模型理论上的相对优越性。     

三标度法在坦克分队最优火力分配中的应用

根据坦克分队火力分配中需要考虑的因素,构建了坦克分队火力分配方案评估指标体系。在层次分析法的基础上,使用三标度法对坦克分队火力分配方案进行优选评估,有效地避免了使用传统AHP方法构建判断矩阵时权重选择的模糊性,减少决策过程中的主观臆断,同时该方法快捷方便,提高了指挥员决策的准确性和时效性。     

坦克分队遭遇战斗火力运用研究

根据遭遇战斗的特点,运用随机格斗、微分对策数理战术模型,研究坦克分队遭遇战斗最优火力运用策略问题.研究得出的结论符合坦克分队战术特点,为坦克分队指挥决策提供辅助作用.     

BP神经网络在坦克分队火力配系中的应用

坦克分队火力配系是坦克分队防御战斗中指挥员实施战场指挥的重要内容,选取火力配系方案的优劣直接影响着防御作战的胜负.首先介绍了BP神经网络的原理及使用方法,在系统分析制约坦克分队火力配系影响因素基础上,构建了火力配系方案评估的指标体系,接着详细设计了用于评估火力配系方案的BP神经网络模型,并利用MATLAB仿真软件对结果进行了计算和分析.结果表明BP神经网络具有很强的解决复杂非线性关系问题的特点,适用于对坦克分队火力配系方案优劣分析和评价.     

坦克火力对抗仿真研究

利用"蒙特卡罗"随机模拟方法对坦克火力对抗这一过程进行仿真,得出了近似实战的仿真结果。通过改变作战系统的初始值,还可以获得不同战术背景下理想的、描述了火力对抗结果的基本数据,这对坦克火力对抗中兵力部署和火力控制具有十分重要的意义。