层次任务网络的作战计划建模及生成技术

针对以网络为中心的作战计划的特点,提出基于层次任务网络的军事作战计划建模方法.在对层次任务网络形式化描述的基础上,介绍层次任务网络计划求解算法.基于军事作战计划的抽象模型,提出军事和战计划中军事规则、作战使命、作战能力和作战行动过程等要素与层次任务网络的映射关系,并针对登岛战役案例对基于层次任务网络的军事计划建模和求解过程进行说明.     

末段多层反导作战的任务分解

任务分解是末段多层反导任务规划的基础和前提。为有效提高任务的执行效率,界定了作战任务分解的基本概念,改进了任务分解的方法,提出了任务分解的基本原则,建立了作战任务属性数据表,明确了子任务的结构关系、优先顺序和资源需求。任务分解进一步明晰和细化了反导作战任务,可降低决策的复杂性,提高作战资源的利用效率。     

装备保障需求开发方法

为解决装备保障需求开发规范化的问题,界定了装备保障需求的内涵,分析了装备保障需求开发的目标,提出了＂元任务＂的概念,阐述了＂任务确认-能力集成-能力开发＂的装备保障需求开发方法,并通过实例分析验证了方法的有效性,对于规范装备保障需求描述形式和完善装备保障需求开发机制具有一定的参考价值。     

基于混合智能算法的小型通信干扰装备分配优化

如何充分发挥小型通信干扰装备的作战效能是指挥员面临的棘手问题。本文将战术指标——干扰后的通信畅通区覆盖程度作为评估通信干扰装备分配优劣的指标,分别建立了单机和多部干扰时的通信干扰有效压制区和通信畅通区边界的计算模型,并给出了通信干扰有效压制区和通信畅通区面积的计算方法。构建了基于机会约束规划的空域频域通信干扰任务分配模型,并设计了混合蚁群算法和遗传算法的模型求解算法。最后进行了仿真实验,验证分析了模型和算法的合理性。研究成果为通信对抗战术计算和作战运用研究拓展了思路。     

未来陆军模块化炮兵(火力)营多火力单元射击任务分配与方案评估模型

通过对未来陆军模块化炮兵(火力)营建立的必要性和特点分析,基于满足该类炮兵(火力)营可进行超大和混合编配、多种弹药同时使用、单炮独立实施火力打击、多级射击单元合理分配多个目标,以及任务分配方案可多方优化与评估等方面的需求,构建了可适用于未来陆军模块化炮兵(火力)营进行多级火力单元射击任务分配和方案评估模型。     

应用单亲遗传算法进行大规模UCAVs任务分配

在应用GA求解大规模无人作战飞机(UCAVs)任务分配这个典型组合优化问题时,需要使用描述问题直观的序号编码方式,但由于传统的交叉、变异算子操作复杂,因而进化效率不高.针对上述的不足,提出了一种单亲遗传算法,采用序号编码,使用基因换位等遗传算子,简化了遗传操作.通过对单亲遗传算法、传统遗传算法求解该问题所得的结果作了详细的比较,证明了单亲遗传算法在寻优效率上的优越性.     

面向两类典型分析仿真的多样本任务调度工具的设计

当在多台计算机上调度很多样本并行运行时,采用手工操作效率低且极易出错。设计一个自动化的任务分发与调度工具可以有效地提高仿真运行效率。蒙特卡罗仿真和粒子群优化算法仿真是两类典型的分析仿真,介绍了面向这两类仿真的多样本任务调度工具的实现原理和关键技术,这些方法具有很好的通用性和可扩展性,可以广泛应用于解决各类仿真任务的自动分发与调度问题。     

任务分配与调度中遗传算子的设计

应用遗传算法等进化方法进行任务分配与调度为越来越多的计算机学者们所关注。基于任务排列的知识表示 ,常规的标准遗传操作算子并不总是有效的。好的遗传算子对算法收敛性及收敛到好点是非常重要的。在列表编码的知识表示基础上 ,设计了三个有针对性的遗传算子 ,即改进的交配算子、内部交配算子和一种作为变异的迁移算子。模拟实验结果与分析表明这些算子对任务分配与调度是有效的。     

两段探测目标的传感器任务调度问题0-1规划模型及算法

为解决指挥系统控制中的调度困难,研究了一类特殊的传感器资源调度问。主要分析了跟踪目标的探测次数、时间间隔和传感器资源等约束条件。用跟踪目标的重要程度之和作为目标函数,建立了一个0-1规划的数学模型,再利用变换将其转化为0-1线性整数规划模型。利用割平面法求解得出最优调度策略,其能在工作量饱和的情况下合理调度传感器资源。为提高求解速度,提出了对应的模拟退火算法。通过对一些不同规模实例的求解,在资源利用率和算法的求解速度等指标上,与割平面法及遗传算法进行对比分析,验证了模型的有效性和模拟退火算法求解的高效性。     

基于协同相关度的作战任务分解优化

针对协同作战中任务分解的优化问题,构建了任务协同相关度的量化模型。对作战任务中几个基本概念进行定义,从时间、逻辑、功能3个维度对任务间的协同关系进行了形式化描述,在此基础上,建立了任务协同关系的综合度量模型。最后,通过设置任务协同度阈值的方法,对协同紧密的任务进行聚合,实现任务分解的优化。通过仿真实验验证了模型的可行性和有效性。