无人机辅助通信网络中基于强化学习的用户速率优化算法

无人机辅助地面蜂窝基站,形成混合的通信网络有望成为提升用户速率的一种重要手段。针对无人机辅助基站的通信网络,提出基于多臂赌博机的用户速率优化算法（multi-armed bandits-based rate optimization,MBRO）。先建立联合优化问题,再分别利用改进后K-means聚类算法和多臂赌博机算法求解。MBRO算法利用K-means聚类算法实现无人机的部署,并利用多臂赌博机算法完成信道分配和无人机的传输功率分配。仿真结果表明,相比于同类的基准算法,MBRO算法提高用户端速率。     

大型船舶流行病传播控制过程多智能体模型

基于复杂网络和传播动力学相关原理,构建了符合大型船舶人员交互特征的社交网络,定义了传播网络层级结构,分析了交互网络拓扑生成的5项规则,给出了大型船舶流行病传播社交网络构成方法。基于多智能体技术,研究了交互网络节点成员属性和流行病传播特点,给出了智能体成员状态空间的基本构成形式,融合防护治疗、管控隔离、信息交互等因素的物理特征,构建了智能体状态迁移和行为交互过程算法,并分析论证了衰减函数的结构及区间特性。对比距离恒定模型和随机游走模型,分别对典型大型船舶流行病传播过程分4种工况12种状态进行了仿真计算,结果表明:随机游走模型更适合信息量丰富条件下的大型船舶流行病早期传播过程模拟仿真和疫情防控策略分析。     

基于改进融合算法的交通网络节点重要性评估

交通目标体系在作战中是打击目标选择的重点,在目标选择前需要对交通网络的节点及关联关系的重要性进行准确评估.交通目标体系是一种多层复杂网络模型,目前的评估方法没有考虑到路径的权重和对网络整体价值,造成评估模型与实际网络不符合的问题.针对该问题,提出一种改进的融合算法对多层网络进行评估.该方法构建的节点关联度矩阵考虑了各层网络中边的权重和网络整体价值,再将每层的节点关联度进行融合.通过仿真分析和对比,该方法能够准确有效地评估多层交通网络节点的重要性,对目标选择具有一定实用价值.     

面向多状态节点的移动WSNs的区域覆盖可靠性分析

监测区域的覆盖要求和向信宿传输数据的可靠性是多状态节点的无线传感网络(Wireless Sensor Net-works,WSNs)应用的关键.为了量化覆盖要求和数据传输的可靠性,提出区域覆盖-可靠(Area Coverage Reliability,ACR)指标.ACR指标结合WSN可靠、区域覆盖、能耗、信宿的移动、节点的随机值日率以及节点的多状态.并利用Monte Carlo仿真方法,构建能量矩阵评估节点和值日率对ACR的影响.能量矩阵反映了节点的剩余能量、向邻居节点传输数据所消耗的能量以及网络连通率.仿真结果表明,ACR并不随节点数的增加而呈线性增长,但值日率的增加使ACR下降.     

美国地理空间情报数据获取能力及启示

地理空间情报使用影像、影像情报和地理空间信息,解释、审查和直观地表示地理特征和活动.美军通过地理空间情报提供的战场信息,可以更高效地进行指挥控制和实施作战行动,以支持国家安全、国家政策、作战部署等不同层次的战略和战术需求,实现战场上的信息优势.美军在战场上形成的地理空间情报优势,离不开多年来美国在地理空间情报领域探索实践中形成的先进发展理念与能力建设.对美国地理空间情报数据的获取能力进行分析,为我国地理空间情报数据建设提供参考.     

合成作战单元抢滩阶段作战编波冲击及方案优化模型

如何科学、量化进行编波冲击是影响和制约合成作战单元抢滩阶段战斗的焦点问题、瓶颈所在.通过分析研究影响编波冲击的主客观因素,建立了合成作战单元抢滩阶段作战编波冲击模型,提出了基于"和数分解"的多目标优化搜索算法,并结合算例对模型的有效性和可信性进行了验证,对编波方案的价值进行了评价和优化分析.     

纬度差异对多舰协同被动定位目标精度的影响分析

针对多舰艇协同被动探测超视距目标的问题进行研究,分析纬度差异对多舰协同被动定位目标精度的影响,并通过仿真手段计算不同纬度下多舰协同被动定位目标的精度变化情况.结果显示,该方法在中低纬度对目标的位置解算精度较高,可为被动超视距条件下多舰协同进行目标位置解算提供参考.     

反潜巡逻机与无人艇应召反潜中协同声纳搜潜研究

反潜巡逻机与无人艇协同反潜作战可以发挥两者的互补优势、大幅提高反潜效能,是未来反潜作战的重要方式.针对反潜巡逻机与无人艇反潜能力特性,提出了在应召反潜中使用被动声纳浮标与艇载主动声纳组成的多基地声纳系统搜潜的思路.以无盲区探测区域有效覆盖目标散布区域为目的,分析多基地声纳的阵型设置、计算重要参数、论述平台的航路规划问题,最后利用实例分析证明了应召反潜中艇-机协同声纳搜潜设想的可行性,对有人/无人平台协同反潜作战研究具有一定的参考意义.     

基于GM-PHD的低可观测编队目标跟踪方法

考虑到多编队在低可观测情况下存在的目标跟踪问题,提出了一种基于高斯混合概率假设密度(GM-PHD)滤波算法的编队目标跟踪方法.该方法是在修剪融合过程中,先保留剪掉的高斯分量,再对这些分量进行状态外推,利用JS(Jensen-Shannon)散度判断下一时刻状态估计值与外推状态值是否相似,以判断结果体现目标丢失情况,使得真实目标不丢失,解决了低可观测情况下目标易漏检带来的跟踪性能下降问题.然后,利用编队目标的特点,结合密度聚类方法估计出编队整体的状态,避免因状态估计集合中状态值过多影响算法性能.最终,仿真实验结果表明,该方法可以在低可观测情况下有效跟踪编队目标,具有较好的跟踪性能.     

多兵种交战中作战指数迭代计算方法及收敛性研究

对于大规模多兵种交战,作战指数评估是进行军事决策的重要依据.针对传统作战指数评估方法依赖专家经验知识的问题,借鉴强化学习理论,提出了多兵种交战兰彻斯特方程中作战指数迭代计算方法,利用作战指数和火力分配策略的递推关系,循环更新作战指数直至结果收敛,重点考察了固定更新率、梯度指数递减方法和动量梯度方法对迭代收敛性的影响,通过调节更新率、递减强度和动量强度等超参数取值,显著提高了迭代收敛速度和稳定性.