多机空战目标威胁排序及打击分配

针对多机空战的情况,提出了一种评估目标威胁和分配目标的算法。首先根据单个目标的单对单空战能力、作战态势,计算得出各项威胁指数。利用相对重要性模糊标度值确定各项威胁指数权重系数,并加权得出目标威胁综合指数。算得所有目标,包括敌友双方的威胁指数,建立威胁矩阵,根据威胁矩阵分配打击目标。最后通过算例的计算结果表明该算法具有很好实用性,且计算量较小。     

多机空战目标威胁评估算法

首先介绍了几种现有的多机空战目标威胁评估方法 ,并对它们的应用进行了分析 ;在此基础上 ,提出了一种综合目标空战能力和空战态势的威胁评估算法 :威胁指数法 ;最后给出了具体算例 ,计算结果表明 ,威胁指数法可以全面、有效地完成多机空战中威胁评估和威胁排序的计算。     

基于模糊多属性决策的威胁度评估与排序研究

应用模糊多属性决策理论与方法,提出一种对多批目标威胁度大小综合评估和排序的方法。此方法用模糊集和模糊数来定义和表述问题,应用模糊多属性决策方法和模糊算法实现威胁度评估并排序,使结果更能逼近于真实的空中态势状态,有利于现代实战环境中实现作战指挥决策的科学化。     

基于多属性目标决策的威胁评估排序模型

针对当前海战中对舰艇编队构成威胁的空中目标的特点,运用目标多属性理论探索对空中目标的威胁排序问题.提出了一种对空中目标进行威胁评估和排序的方法,并通过示例介绍了威胁评估和排序的求解过程.该方法有效地解决了目标威胁评估与排序问题,提高了舰艇编队防空作战能力.     

一种空中红外多目标威胁度排序方法

针对红外序列图像中获取空中目标信息的特点,选取了威胁度排序所需的指标参数,并确定了各自的威胁隶属度函数。通过分析传统层次分析法中判断矩阵的构建和权重的变化,提出了一种改进的层次分析法用于多目标威胁度排序。该方法运用模糊判断矩阵的形式进行一致性处理,从而简化了一致性调整,为快速排序打下基础;同时,结合实际客观数据的变化进行修正各因素的权重,避免了排序过程中主观因素的偏差。试验计算结果表明,这种方法计算简单,主观因素干扰小,能真实反映目标的威胁程度,有利于辅助指挥员进行正确的决策。     

基于ICRITIC-GCN的空战目标威胁评估

为研究解决空战目标威胁评估问题时目标属性复杂、数据非结构化等问题,提高评估效率,提出图卷积网络（graph convolutional network,GCN）的解决方法,并引入改进的指标相关性权重确定方法（improved criteria importance through intercriteria correlation,ICRITIC）,构建了基于ICRITICGCN的目标威胁评估模型。针对战场威胁目标的空间拓扑性和属性复杂性,利用图卷积网络在处理非欧式数据时的优势进行学习训练;针对传统方法在属性权重时过于主观的问题,ICRITIC法考虑属性之间的关联性及属性的信息量,客观分配属性权重。仿真结果表示,该算法在解决多目标威胁评估问题时,在处理效率、准确率等方面均有所提升。     

基于不确定语言多属性决策的目标威胁度排序

针对影响不同类目标威胁度的因素建立了目标威胁度指标体系,并在此基础上,利用不确定语言多属性决策模型对不同类目标威胁度进行排序。该方法不仅充分体现了不同类目标威胁度的影响因素,还充分利用了专家和决策人员的经验,能较好地反映现代战场中目标威胁度的实际情况,利于提高智能化程度;模型适应性较强,计算量小,符合军事系统实时性的特殊要求,使评估结果更具有可信性和实用性。     

空中多红外目标威胁程度排序方法

提出了一种空中多红外目标威胁程度排序的方法:首先,提取红外图像中能够表现目标运动特征的参数,分析了各参数对目标威胁程度的影响;在此基础上,修改传统的优势函数,提出一种基于目标运动参数的分层威胁程度排序法;最后给出了仿真算例,计算结果表明,该排序法可以全面、有效地完成空中多目标威胁程度排序的计算。     

依据部分属性值的空中目标威胁快速排序方法

针对空中目标威胁排序问题,提出了一种依据部分属性值即可对目标威胁进行快速排序的方法。首先选取具有代表性的样本数据作为案例库;然后确定条件属性和决策属性,在利用K-均值聚类算法对决策属性进行离散化后,提出了一种针对连续条件属性值的全局离散化方法,并对离散化后的案例库进行属性约简并得出决策规则;最后将待排序目标各属性值进行离散化后利用决策规则即可对目标进行威胁排序。通过算例说明该方法能够快速、有效地对空中目标进行威胁排序。     

多属性决策问题的一种综合排序法研究

本文通过在全序结构上定义序号列之间的距离而赋予排序概念几种形式,并就拟合排序证明了几个有意义的结论,同时构造了0-1指派模型去寻求与按各属性单独排序拟合得最好的综合排序。所介绍的综合排序方法使用方便、评价合理。     

基于离散模糊动态贝叶斯网络的空战威胁估计

对空战中目标的各个特征因素进行了分析,建立了空战目标威胁估计的离散模糊动态贝叶斯网络模型,并利用离散动态贝叶斯网络的直接推理算法进行了仿真计算.仿真结果表明,该方法得到的推理结果与理论分析完全一致,而且能够将各种并不显著的特征因素进行综合,使得各个特征因素间及不同时间片的同一特征因素相互修正补充.为空战威胁估计提供了一种有效而准确的方法.     

基于区间数理论的空战目标威胁评估

针对空战目标威胁评估问题,提出了一种新的基于区间数理论的评估方法。在分析了现有的目标威胁评估方法中距离威胁模型存在不足的基础上,提出了改进的距离威胁模型。给出了区间数特征向量法求解威胁指标权重的计算步骤,建立了基于区间数理论的空战目标威胁评估的数学模型。最后给出了仿真算例,仿真结果表明该方法是合理和有效的。     

信息化条件下空战威胁评估指标体系

目标威胁评估是空战决策研究的重要组成部分,评价指标是进行威胁评估的前提和基础。根据现代空战的特点,借鉴网络中心战思想,从空间态势、物理域、信息域、认知域4个角度,构建了信息化条件下空战目标威胁评估指标体系,并对指标体系进行了完备性、合理性、有效性检验。通过实例分析表明威胁评估指标能较好地反映信息化条件下空中目标的实际威胁,为空战决策研究提供参考。     

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。     

基于改进空战威胁评估模型的权重计算方法比较

针对多无人机(UAV)任务网协同空战态势威胁评估问题,在现有基本模型基础上增加考虑气象环境对威胁评估要素的影响和无人机的自主可靠性系数两个实际因素,提出一种改进的超视距空战威胁评估模型;同时,应用串联电阻分压法、改进AHP法和熵权法分别计算融合模型中各威胁指标的权重系数;进而,在考虑己方战机对敌方战机综合威胁与优势的基础上,介绍了战机协同空战目标分配的基本方案。最后,应用上述3种权重计算方法进行空战威胁仿真计算,计算结果表明改进空战威胁评估模型可有效改善空战决策性能。     

结合离差最大化的多属性群体决策TOPSIS威胁评估

针对传统理想解逼近排序法(TOPSIS)在确定多个属性权重系数上存在主观性和盲目性,并且所作决策多为单一决策,精确度不高等问题,提出结合离差最大化原理的多属性群体决策TOPSIS改进模型,利用离差最大化原理确定属性权值,同时引进群体决策方法。最后将该模型运用于机群协同空战的威胁评估中,建立了多目标威胁评估数学模型,并进行了全空战过程的动态仿真分析,结果表明所建立的扩展模型是合理可行的。     

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。     

基于核主成分分析方法的水面舰艇空中目标威胁评估?

对来袭空中目标的威胁进行评估与排序是舰艇对空火力分配的重要一环。根据来袭空中目标的特点,在确定目标指标后进行相应量化,针对来袭目标各指标间非线性的特点,提出使用核主成分分析法对目标信息进行特征提取,随后依据核主成分方差贡献率对威胁目标进行评估与排序。通过仿真算例验证,所得结果较为准确、客观,有效地克服传统方法中主观性较强的问题,并且在对指标数据提取的过程中降低了相关信息维数,降低了计算复杂度,为舰艇防空作战威胁评估提供了新途径。     

基于贝叶斯网络的空中目标威胁估计算法

联合作战条件下,指挥决策人员在海量描述战场态势的数据和信息面前往往会束手无策,无法快速作出正确的决策。贝叶斯网络模型是一种基于概率推理的网络化数学模型,能够通过一些变量的信息来获取其他的概率信息,从而解决不定性和不完整性问题。提出了一种基于贝叶斯网络的空中目标威胁估计算法,用空中威胁网络模型找到空中威胁目标各属性之间的潜在关系,并建立空中目标威胁估计算法,最后以一个实例来验证该空中目标威胁估计的计算过程和有效性。