基于BP神经网络的空中目标威胁排序

研究了BP神经网络算法对空中目标进行威胁排序的方法.水面舰艇对空防御作战中,舰载平台多传感器系统获得空中目标属性信息不完全,利用BP神经网络建立目标各属性权值的分配模型,通过大量的实例对模型进行训练,可以使所获得的空中目标属性信息得到充分利用,从而得到基本符合战场环境的客观的空中目标威胁排序.     

基于支持向量机的威胁判断模型

目标威胁判断是防空作战中一项重要内容,在建立目标威胁模型时,首先要挑选特征参数,分析了影响威胁度的若干因素.这里采用Rough理论中知识约简方法选择目标的特征参数;支持向量机是一类新型机器学习方法,由于其出色的学习能力,该技术已成为当前国际机器学习界的研究热点,利用支持向量机建立了威胁判断模型,给出了实例和解决此问题的支持向量机源程序.通过实例与神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单.     

面向作战任务的最小风险传感器调度方法

基于风险理论提出一种面向不同目标探测任务的传感器调度方法。将主动传感器辐射被截获风险和目标探测风险结合起来,建立一般目标探测框架下的传感器最小风险调度模型。分目标跟踪、目标识别和目标威胁等级评估三种情况将传感器最小风险调度模型具体化,给出不同情况下目标探测风险值的计算方法。针对模型的求解提出一种基于混沌思想、反向学习和双向轮盘赌的改进人工蜂群算法。通过仿真实验证明了模型的可行性和算法的有效性。     

舰艇编队作战系统的武器目标分配问题

设我方m艘战舰,对方n个来袭目标.运用灰色局势决策求得目标对各个战舰产生的威胁值排序;再用模拟退火算法,参考目标威胁,单舰根据自身装载的火力发射进行初步武器分配;最后将分配结果传送至融合中心,应用大系统理论的分解协调法,协调武器分配,使得我方武器对本批目标的打击概率最大.仿真基于VC++编程实现,具体分析了算法及思想的可行性.     

基于IFS的区域目标群威胁度评估

在已有的单目标对空威胁评估的基础上,提出了一种针对区域防空的威胁度评估方法。利用直觉模糊集处理模糊信息的优势,可以较好地处理由于传感器探测误差导致的模糊态势,克服在雷达探测过程中出现的误差。在属性权重完全未知的情况下,综合考虑了区域内目标重要性、防空措施以及目标本身抗毁伤能力,推导了权重求取公式。列出了威胁评估值的求取步骤。经过运算,由算例1到t时间后算例2在评估结果上的变化,验证了方法的有效性。     

舰载机回收任务的优化调度算法及仿真

针对舰载机回收过程中,飞行甲板跑道容量的瓶颈问题,比较了几种常见的排序算法,并运用Mat-lab和Lingo软件分别对先来先服务、基于最早到达时刻、滑动窗3种算法进行了计算机仿真。仿真结果表明,滑动窗排序法排序结果最好。最后,指出了滑动窗初始窗口飞机数目和移动步长对算法复杂度和排序结果的影响。     

基于熵和TFN—AHP的TOPSIS法TBM目标威胁度评估

在界定基于能力的武器装备体系需求生成相关概念的基础上，对需求生成模式提出了基于改进的TOPSIS法TBM目标威胁度多属性评估方法，利用熵和TFN-AHP理论处理目标属性主客观权重，避免了传统TOPSIS方法中人为给定目标属性权重的随意性，同时利用模糊隶属度函数和G．A．Miller9级量化理论量化影响因素，建立了TBM多目标威胁评估排序模型，给出了计算实例。计算结果表明，该算法具有合理性和有效性。     

NCW背景下的潜艇对水面舰艇编队威胁判断

针对网络中心战(NCW)背景下水面舰艇编队反潜的实际情况,采用层次分析理论探究潜艇对水面舰艇编队的威胁判断问题。将编队攻击意图系数和编队攻击达成系数引入威胁判断,从编队攻击意图推理、攻击紧迫程度和攻击达成可能性三个方面建立了潜艇对于威胁的总体感知模型框架。该模型框架较之以往更全面地考虑了水面舰艇编队对潜艇的威胁因素,为下一步刻画潜艇对威胁的感知提供基础。     

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。