面向动态毁伤概率和目标价值的武器目标分配方法

面向毁伤和目标价值动态变化条件下的大规模武器目标动态分配问题,提出了一种基于深度强化学习的武器目标分配求解方法。该方法采用双神经网络结构,基于武器目标分配目标函数设计了一套简单、直观的状态与奖励建模方法。通过仿真实验对所提方法进行了验证,结果表明,所提方法能够较快实现收敛,且整体毁伤和计算效率上优于基于粒子群的方法。所提方法能够有效应对毁伤概率和目标价值动态变化条件下的武器目标分配问题,说明了其良好的拓展性。该方法可应用于作战任务规划、仿真单元自动交火等场景下的武器目标分配快速求解。     

基于随机搜索策略的中继卫星调度方法

高质量的调度方案不仅能满足用户的需求,还能为中继卫星系统的计划编制提供科学的决策手段和依据。针对日益多样化的用户需求,采用全新的中继卫星调度应用模式,允许用户提交多个可以滑动的时间窗口。面向这种调度模式,考虑中继业务中任务调度的灵活性和任务间的冲突,构建考虑多滑动窗口的中继卫星调度模型,并设计基于随机搜索策略的中继卫星调度算法。算法包括任务资源匹配与邻域生成、可用时间段生成、任务冲突分析、邻域搜索与冲突消解以及资源与任务集更新5个算子。通过仿真实验将该算法与基于时间自由度的启发式算法进行对比,验证了算法的有效性。