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.     

多机协同空战中的威胁评估与目标分配

提出了一种基于工程模糊集理论的多机协同空战威胁评估方法,通过对优势指数模糊规范化得到评估指标相对优属度,利用相邻指标相对重要性模糊标度值确定评估指标权重系数,应用模糊优选模型计算综合优势评估值,实现了多机协同空战中的威胁评估.在综合考虑威胁与优势的基础上,给出了多机协同空战目标分配的基本方案.仿真结果表明,所提方法能够有效解决多机协同空战中的威胁评估与目标分配问题,且算法简洁,有较好的实时性.     

群决策理论在多机协同空战机动决策中的应用

针对近距空战中多架战机对空中的多个敌对目标进行协同攻击的机动决策问题进行了研究。将群决策理论引入多机协同空战机动决策,首先确定了决策成员与候选方案,然后基于战场态势评估提出了采用风险决策准则的偏好排序确定方法,给出了集结偏好的序数型群决策方法。在不同空战想定条件下进行仿真,结果表明,该方法合理、可行,具有良好的应用前景。     

基于多级影响图对策的多机协同空战决策研究

首先确定多机协同空战战机相关数学和运动模型,其次将大规模群集空战转化为多个小集团作战,在此基础上,依据协同的原则,又将小集团作战转化为多个一对一空战,然后应用多级影响图对策解决不确定情况下多机协同空战决策问题,建立了考虑交战双方、动力学质点模型和飞行员的偏好的连续机动决策模型,最后进行了2:2协同空战仿真分析,仿真结果表明该模型的有效性.     

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.     

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。     

无人机协同空战中的目标威胁评估和目标分配算法

为适应变化的战场态势,研究了多无人机协同空战中的目标威胁评估算法和目标分配算法.利用一种新的计算方法对目标威胁矩阵进行确定,从而针对不同的空战态势进行威胁评估,以提高威胁评估的性能.利用所得到的威胁评估结果,采用基于态势的目标分配方法实现目标分配.所研究的目标分配算法不仅考虑敌机对我方威胁,同时还考虑了敌机的作战意图,使得我方能够实时准确的对敌做出目标分配.仿真结果表明所研究的算法能够完成多机空战中的目标威胁评估和目标分配,所研究的算法是有效的.     

无人机协同空战中的目标威胁评估和目标分配算法

为适应变化的战场态势,研究了多无人机协同空战中的目标威胁评估算法和目标分配算法.利用一种新的计算方法对目标威胁矩阵进行确定,从而针对不同的空战态势进行威胁评估,以提高威胁评估的性能.利用所得到的威胁评估结果,采用基于态势的目标分配方法实现目标分配.所研究的目标分配算法不仅考虑敌机对我方威胁,同时还考虑了敌机的作战意图,使得我方能够实时准确地对敌做出目标分配.仿真结果表明所研究的算法能够完成多机空战中的目标威胁评估和目标分配,所研究的算法是有效的.     

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.