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。     

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。     

无人机协同攻击的混合粒子群算法

针对协同空战中多目标的攻击问题,综合考虑杀伤概率、毁伤率、战役价值3个因素,分别制定评价函数.采用线型加权的方法,确定总的代价函数.使用混合粒子群算法(Heuristic Particle Swarm Optimization, HPSO)优化攻击分配方案,找到使我方以最小代价获得胜利的分配方案.最后仿真,3架我机对阵8架敌机,分析了8种不同的交叉变异策略对攻击分配结果的影响,并与蚁群算法进行比较,在代价函数基本不变的前提下,速度提高了近10倍,表明了采用HPSO算法优化攻击分配方案的快速性和正确性.     

动态协同空战攻击决策问题研究

攻击决策问题是协同空战领域研究的核心问题之一,通过优化战机武器资源配置,以提高战机协同作战效能。针对动态协同空战攻击决策问题,系统分析空战环境的动态性,将空战动态划分为连续动态和离散动态,并建立多约束条件下动态协同空战攻击决策优化模型;设计了空战环境变化监测策略和种群多样性策略,通过迭代窗的设置,基于离散粒子群算法,提出了一种基于滚动迭代窗的启发式变异离散粒子群算法的动态协同攻击决策方法。通过仿真实验验证了所提方法能够在连续和离散动态条件下合理地规划协同空战攻击决策。     

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.     

车辆装备单部件系统功能检测间隔期建模

分析了车辆装备功能检测间隔期研究现状,描述了车辆装备性能劣化和维修过程,建立了车辆装备连续时间马尔科夫链检测间隔期模型,并利用数值计算方法和粒子群(Particle Swarm Optimization,PSO)算法对维修费用率模型进行求解,最后,通过某型载重车离合器分离轴承实例进行了验证。结果表明:模型是合理的、可行的,且PSO算法具有运行速度快、耗时少、精度高的优势,能够为部队维修工作决策提供方法支持。     

中远距协同空战多目标攻击决策

根据先进战斗机的技术特点和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,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应用于上述模型,给出了求解多目标攻击决策问题的算法。最后利用具体算例进行仿真验证。结果表明空战态势分析模型能够较为准确地描述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。     

基于自适应变异粒子群算法的火力分配方法研究

针对最优火力分配的特点,分析了火力分配优化问题的数学模型,设计了一种求解该类问题的自适应变异粒子群算法（Adaptive Mutation Particle Swarm Optimization, AMPSO）。该算法采用十进制编码方法和基于数值运算的个体更新方法;为平衡算法的局部搜索能力和全局收敛性能,设计了一种关键参数自适应调整方法;为增强种群在进化后期的多样性,提出了一种变异策略。仿真结果表明,所提AMPSO算法具有良好的寻优性能,是优化火力分配的一种有效算法。     

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。     

一种新的超视距空战目标威胁评估距离指标模型

距离指标是进行超视距空战目标威胁评估的重要指标,但当前多数的距离指标模型都过于简单。针对这种不足,在仿真分析当前典型模型的基础上,根据空战的实际情况,首先定性分析了目标位置等因素对于威胁度的影响;然后根据探测距离、导弹射程等参数,将敌我距离分成不同阶段,区分敌我性能强弱的不同情况,分阶段建立了一种新的距离指标模型。最后,针对不同的战场态势,进行了仿真分析,证明了模型的有效性。模型对于提升空战威胁评估的准确性具有积极意义。     

无人战斗机技术要素研究

无人战斗机作为介于有人战斗机和巡航导弹之间的一种新型武器系统,将在未来空战中发挥重大作用。主要对目前存在的无人战斗机（ＵＣＡＶ）概念进行了讨论,分析了无人战斗机的基本性能和技术要素,提出了未来无人战斗机的发展趋势。     

基于Chirp变换的快速离散时间尺度变换

提出了一种新的快速离散时间尺度变换算法。给出了离散时间信号尺度变换的构造表达式及其Chirp变换快速实现流程。讨论了Chirp变换实现中的参数选取准则,分析了Chirp变换的信号带宽问题。讨论了算法的运算效率并与其它算法进行了比较。仿真试验证明了本文算法的有效性。     

Autonomous maneuver decision-making for a UCAV in short-range aerial combat based on an MS-DDQN algorithm

To solve the problem of realizing autonomous aerial combat decision-making for unmanned combat aerial vehicles (UCAVs) rapidly and accurately in an uncertain environment, this paper proposes a decision-making method based on an improved deep reinforcement learning (DRL) algorithm: the multi-step double deep Q-network (MS-DDQN) algorithm. First, a six-degree-of-freedom UCAV model based on an aircraft control system is established on a simulation platform, and the situation assessment functions of the UCAV and its target are established by considering their angles, altitudes, environments, missile attack performances, and UCAV performance. By controlling the flight path angle, roll angle, and flight velocity, 27 common basic actions are designed. On this basis, aiming to overcome the defects of traditional DRL in terms of training speed and convergence speed, the improved MS-DDQN method is introduced to incorporate the final return value into the previous steps. Finally, the pre-training learning model is used as the starting point for the second learning model to simulate the UCAV aerial combat decision-making process based on the basic training method, which helps to shorten the training time and improve the learning efficiency. The improved DRL algorithm significantly accelerates the training speed and estimates the target value more accurately during training, and it can be applied to aerial combat decision-making.     

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.     

两栖作战舰机协同防空指挥协同网与指挥关系网

为了解决提高航母编队防空作战效能的问题,运用决策树方法分析航母编队防空作战指挥网是一种新方法。先分析航母编队的指挥机构,分析决策群指、作战平台与任务之间的关系。描述了编队协同网和编队指挥关系网,建立了编队指挥关系网的数学模型,采用决策树方法求解该数学模型,给出了编队指挥关系网的设计算法,通过实例分析了算法的计算过程,对结果进行输出。结论:预警机与远程巡逻机战术群是指挥关系网的最高决策点。这些工作为设计和优化航母编队舰机协同防空作战指挥网提供了一定的理论基础。