准则权重信息不完全的证据推理多属性决策算法

针对准则权重信息不完全情况下的多属性决策问题,提出了一种新的证据推理多属性决策算法,它通过建立基于证据信息熵的决策模型来求解准则的最优权重系数,利用求解得到的权重系数和递归ER算法求出各方案的效用值,进而得到各方案的优劣次序。最后,通过算例分析验证了该方法的有效性和合理性。     

基于领域本体的舰船装备维修保障知识表示研究

针对舰船装备维修保障领域维修保障知识缺乏有效统一管理、共享和重用程度低等问题,将领域本体理论引入维修保障知识管理中,提出了基于全寿命周期的舰船装备维修保障知识本体建模方法。分析舰船装备维修保障领域知识的来源、分类和构成,构建了装备维修保障领域的顶层本体及其概念关系。重点介绍了维修保障知识中故障案例知识的本体建模表示,并提出了基于预检索的全局故障案例知识检索算法,建立了原型系统并应用验证。结果表明:该方法能够解决目前维修保障知识管理中存在的问题,提高了知识检索效率。     

针对无人机集群对抗的规则与智能耦合约束训练方法

基于无人机集群智能攻防对抗构想,建立了无人机集群智能攻防对抗仿真环境。针对传统强化学习算法中难以通过奖励信号精准控制对抗过程中无人机的速度和攻击角度等问题,提出一种规则与智能耦合约束训练的多智能体深度确定性策略梯度(rule and intelligence coupling constrained multi-agent deep deterministic policy gradient, RIC-MADDPG)算法,该算法采用规则对强化学习中无人机的动作进行约束。实验结果显示,基于RIC-MADDPG方法训练的无人机集群对抗模型能使得红方无人机集群在对抗中的胜率从53%提高至79%,表明采用“智能体训练—发现问题—编写规则—再次智能体训练—再次发现问题—再次编写规则”的方式对优化智能体对抗策略是有效的。研究结果对建立无人机集群智能攻防策略训练体系、开展规则与智能相耦合的集群战法研究具有一定参考意义。     

美军装备维修改革现状与发展

近些年来,美军为有效适应高新武器装备发展需要和军事转型挑战,持续在装备维修领域进行了一系列深度改革。着重从维修思想、维修技术、维修手段和维修体制4个方面系统分析了相关改革现状,阐释了这些改革的动因、内容、成效和发展趋势。研究表明,美军装备维修改革促成了信息化条件下美军装备维修保障的新优势。     

Scheduling combat logistics force replenishments at sea for the US Navy

The Replenishment at Sea Planner (RASP) is saving the U.S. Navy millions of dollars a year by reducing fuel consumption of its Combat Logistics Force (CLF). CLF shuttle supply ships deploy from ports to rendezvous with underway U.S. combatants and those of coalition partners. The overwhelming commodity transferred is fuel, ship‐to‐ship by hoses, while other important packaged goods and spare parts are high‐lined, or helicoptered between ships. The U.S. Navy is organized in large areas of responsibility called numbered fleets, and within each of these a scheduler must promulgate a daily forecast of CLF shuttle operations. The operational planning horizon extends out several weeks, or as far into the future as we can forecast demand. We solve RASP with integer linear optimization and a purpose‐built heuristic. RASP plans Replenishment‐at‐Sea (RAS) events with 4‐hour (Navy watch) time fidelity. For five years, RASP has served two purposes: (1) it helps schedulers generate a daily schedule and animates it using Google Earth, and (2) it automates reports command‐to‐ship messages that are essential to keep this complex logistics system operating.     

多核贝叶斯优化的模型决策树算法

构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,选出最优的参数组合。实验结果表明,所提算法在参数寻优上要优于传统的模型决策树寻优方法,并且能够在迭代次数不多的情况下找到全局最优参数值,在一定程度上提升了算法的分类性能,节省了大量的调参时间。     

决策树报文分类算法

报文分类是网络的基本功能,研究人员在过去二十年提出了众多解决方案,其中决策树报文分类算法由于吞吐量高、适用于多字段、可流水线化等特点受到了广泛关注和深入研究。本文介绍了决策树算法最新研究成果,阐述了决策树报文分类算法的几何意义、常用技术和测试基准,从节点切割技术和规则集分组技术两个维度对决策树算法进行了系统分析和归纳。针对两类常用的决策树构建技术介绍了其中的典型算法,对比了各种典型算法的设计思路和特点,分析了它们的适用场景。总结并展望了决策树算法的下一步研究方向。     

美军“爱国者”导弹武器系统维修保障研究

美国及其他军事强国都将导弹武器系统维修保障作为每年国防投入的重点内容之一,维修保障也已成为国外军工企业拓展军品产业链、保障企业持续获得收入的重要业务之一。“爱国者”导弹武器系统作为美军防空的主战装备,研究维修保障主要做法能够揭示美军导弹武器系统维修保障状况。从“爱国者”导弹武器系统的两级维修体制、陆军延寿计划两大方面分析其维修保障的主要做法及未来发展趋势,对于持续提升我军导弹武器系统维修保障水平具有重要参考价值。     

基于MDFT框架的海上能源通道航线动态决策建模与仿真

针对常规海上航线决策没有考虑决策选择过程的问题,引入多选择决策场理论（ MDFT）,构建了海上能源通道航线动态决策模型。基于信息完备、信息不确定和特殊情况等三种情景想定,进行了海上能源通道航线规划决策及其实验仿真。结果表明,决策过程受时间压力和信息质量的制约,时间压力会制约决策质量,同时还可能引起“偏好逆转”现象,信息不确定也会导致确定性决策。该模型不仅综合考虑了海上能源通道航线选择时需关注的各类要素,且模型参数可动态调整,进而能合理模拟真实的海上状况和决策过程。     

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。