基于变异离散粒子群的协同空战攻击决策算法

为了提高智能协同空战攻击决策算法性能,将变异策略引入到DPSO(Discrete Particle Swarm Optimization)协同空战攻击决策算法中,提出了一种新的基于变异离散粒子群(Mutation Discrete Particle Swarm Optimization,MDPSO)的协同空战攻击决策算法。基于典型空战想定背景,仿真验证了算法的有效性。采用对比实验方法,基于准确性、可靠性和快速性等关键性能指标,分析比较了基于MDPSO协同空战攻击决策算法与多种智能决策算法,验证了基于MDPSO的协同空战攻击决策算法有着较好的综合性能。     

分布式协同拍卖算法的动态联合火力分配方法

动态联合火力分配问题是一类实时性很强的优化问题。以多机编队协同攻击地面机动目标为背景,建立了联合考虑武器、传感器和目标的火力分配问题的数学模型。根据分布式协同拍卖算法的基本原理,考虑不同目标的火力分配截止时间不同,设计了基于分布协同拍卖的动态目标分配算法。所提出的算法主要有以下两个优点:根据不同目标的火力分配截止时间不同,在算法运行的不同阶段给出相应目标的分配方案能有效地提高算法解的质量;根据分配原则,能将具有不同火力分配截止期的目标分配给同一组攻击机——传感器组,能更充分地发挥编队中作战能力较强的攻击机与传感器的优势,从而发挥编队的最大攻击能力。最后,通过仿真,对算法在以上两方面的优点进行了验证。     

编队对地攻击网络化制导决策方法

以编队对地攻击为背景,对网络瞄准下武器网络化制导决策方法展开了研究。首先给出了制导通路的概念并分析了网络瞄准(Networked Targeting,NT)下网络化制导过程的特点;然后设计了构建制导通路的算法,从制导误差的影响因素出发,分析了影响制导通路性能的因素,并根据制导通路中各编队的对地攻击能力与制导时长建立了通路优选模型;最后从任务机组指挥员的角度设计了网络化制导的动态执行过程,并对算法和模型进行了仿真验证。     

基于模糊贝叶斯网络的UAV中远距空战战术决策

针对无人机中远距空战战术决策时决策环境的不确定性和决策实时性问题,提出了基于模糊贝叶斯网络的无人机中远距空战战术决策方法。研究了无人机空战过程,对影响战术决策的主要因素进行分析建模,构建了战术决策的模糊贝叶斯网络。最后,利用模糊集合理论对连续型态势变量进行变参数模糊化,并输入战术决策网络进行推理,对该决策方法的正确性、实时性以及在不确定环境下的有效性进行仿真验证。     

群决策理论在多机协同空战机动决策中的应用

针对近距空战中多架战机对空中的多个敌对目标进行协同攻击的机动决策问题进行了研究。将群决策理论引入多机协同空战机动决策,首先确定了决策成员与候选方案,然后基于战场态势评估提出了采用风险决策准则的偏好排序确定方法,给出了集结偏好的序数型群决策方法。在不同空战想定条件下进行仿真,结果表明,该方法合理、可行,具有良好的应用前景。