基于前景理论的CGF Agent决策建模研究

前景理论(Prospect Theory,PT)描述了个体在不确定条件下的决策规律,较好地刻画了决策者的风险偏好。分析表明,PT在作战决策建模中具有一定的适用性和可行性。提出了一种基于PT的计算机生成兵力(Computer Generated Forces,CGF)Agent决策建模方法,给出了CGF Agent的建模框架,对CGF Agent决策过程中方案选择的具体步骤和算法进行了详细阐述。实验表明,所提出的方法在一定程度上提高了CGF Agent决策行为的真实性,证明了所提出方法的有效性。     

合成分队双层主从决策模型研究

针对合成分队不同指挥层级之间的决策交互优化问题,提出了基于主从决策的双层武器目标分配模型。该模型能够体现上下指挥层级之间交互式决策协调优化的特点:上层目标为主攻方向我方遭受威胁最小,下层目标为对敌打击最大。结合合成分队作战决策的特点和要求,提出了一种求解该模型的改进型粒子群优化算法。仿真结果表明,该模型合理有效,改进的求解算法能够获得满意解。     

装备剩余寿命预测平行仿真中模型动态演化方法

装备平行仿真中的一个重要概念是实时数据驱动的模型动态演化,但是至今仍缺乏具体应用领域的实现方法。以带未知离散冲击的混合退化装备剩余寿命预测为背景,以多态Wiener状态空间模型为演化对象,提出一种装备平行仿真中模型动态演化方法,包括基于交互多模型强跟踪滤波的模型软切换和基于期望最大化算法的模型参数在线估计,并实现了基于平行仿真的装备剩余寿命实时预测。利用某轴承退化数据进行实例研究,结果表明该方法能有效提高仿真逼真度,剩余寿命预测的准确度较高、不确定性较小,具有较高工程应用价值。     

基于效果的装备保障合同商选择方法

基于效果的合同商装备保障是将基于效果的维修理念应用于合同商装备保障领域提出的一种装备保障策略,更加关注装备的作战效能,同时对合同商提出了更高要求,因此,选择恰当的合同商对于实现预期结果显得更为重要。而合同商选择是一个多准则决策问题,很大程度上依赖于决策者和决策条件状态的不确定性和模糊性。构建了一个基于效果的合同商选择系统流程,并提出了基于相似度的模糊TOPSIS法,简化了计算流程,最后通过一个具体案例来验证该方法的有效性。     

一种新的基于粗糙集的连续属性离散化算法

粗糙集理论作为一种新的处理含糊和不确定性问题的数学工具,已成为国际学术界的一个前沿的研究领域.传统的粗糙集理论只能对数据库中的离散属性进行处理,而绝大多数现实的数据库既包含了离散属性,又包含了连续属性.针对传统粗糙集理论的这一缺陷,提出了一种改进的基于断点重要性的属性离散化方法.最后,通过实例分析说明该方法是有效的.     

柔性制造单元状态监控与故障诊断的综合决策模型与策略

为解决快速实时的在线状态监控与决策这一与系统功能相适应的问题,针对ＦＭＳ加工设备与过程的特点和对之进行监控与诊断的需要,提出一通用的全局监测与决策模型,包括传感策略、特征提取、状态表述与分类、故障全局综合决策等模块和具体的监测流程。     

动力调谐陀螺随机速率漂移模型及其分析

应用典型相关分析,主成份分析和多因变量逐步回归分析方法,对陀螺仅随机速率漂移与温度的关系数推进行了分析。文中得出了一些有益的结论,并建立了陀螺仪随机速率漂移与温度相关的数学模型。     

C~3I决策系统的Petri网建模技术

综述了Ｃ３Ｉ决策系统的若干Ｐｅｔｒｉ网建模方法。首先介绍了Ｃ３Ｉ系统的一般Ｐｅｔｒｉ网建模技术和时间Ｐｅｔｒｉ网建模技术,并介绍了随机Ｐｅｔｒｉ网建模技术;然后介绍了谓词Ｐｅｔｒｉ网和有色Ｐｅｔｒｉ网建模技术。最后指出了Ｃ３Ｉ决策系统中,Ｐｅｔｒｉ网的若干研究方向。     

地球静止轨道卫星系统兼容性多维度分析方法

针对地球静止轨道(Geostationary Satellite Orbit, GSO)卫星系统间的兼容性分析,设计了单波束和多波束GSO卫星系统间的上行及下行干扰场景,并在卫星的轨位、系统链路可用度及干扰系统地球站选址等多维度对GSO卫星系统间的干扰进行了评估,提出了不同轨位间隔条件下满足国际电信联盟干扰协调限值的干扰系统地球站最近选址的建议,细化了各维度研究上的颗粒度,在不同维度间进行横向对比,分析了GSO卫星系统在不同维度下的干扰变化特性曲线和各维度对干扰分析结果的影响程度。在系统链路可用度一定的条件下,两个卫星系统的轨位间隔>2°时,干扰数值变化缓慢;轨位间隔≤2°时,干扰数值变化较快;轨位间隔≤0.1°时,干扰数值急剧上升。以国际电信联盟实际登记的CHNSAT-81.5和INSAT-KA82.5E卫星的网络资料为例,将计算得到的GSO系统波束间的干扰噪声比、载波干扰比与Visualyse软件结果进行验证对比,结果误差保持在0.7 dB范围内,证明该方法具有有效的评估性能。     

面向无人环境的机器人生态圈自主任务决策方法

借鉴自然界生态系统的典型特征,提出机器人生态圈概念。通过使集群机器人进行智能协同与复杂演化,涌现自我维持、自我复制与自我进化等生命特征,实现无人条件下的长期生存、繁衍与进化,并执行特定的任务。针对机器人生态圈典型任务场景的自主任务决策需求,分析不同机器学习任务决策方法的特点,建立机器人生态圈自主任务决策的决策树模型和神经网络模型。分析表明,两种模型的正确率均在80%~90%,且均具有良好的稳定性。这说明,机器人生态圈自主任务决策问题可以通过决策树、神经网络等机器学习方法来很好地加以解决,从而为面向无人化场景的任务应用提供技术支持。