城市战场目标分群的组合聚类方法

为了消除或减少城市作战中灰色情报信息对态势评估中目标分群的影响,提出一种基于Chameleon算法的组合聚类方法.根据目标属性间的区间灰数关联度和目标间的距离系数得到相似度矩阵,利用Chameleon算法对目标进行初始分群,然后,对分群中各目标的属性历史数据和分群中心的属性历史数据分别进行区间灰数向量关联分析,实现了目标分群的动态维护.通过算例验证了方法的有效性.     

基于主成分分析的战场目标选择模型

针对战场目标数量众多、信息复杂的特点,运用主成分分析理论探讨了战场目标选择问题.分析了战场目标的组成.确立了目标重要性评价指标体系,建立了战场目标重要性评估模型.对某作战想定t时刻战场目标的重要性进行了综合评估,得到了战场目标排列顺序.该模型克服了指标权重选择上主观因素的影响,便于计算机编程迅速实现,较好地满足了指挥员快速准确把握打击重心,确立打击次序的需求.     

基于改进粒子群算法的联合火力打击目标分配研究

针对联合火力打击目标分配涉及影响因素多、存在大量参数和变量的特点，建立了联合火力打击目标分配模型，采用改进的粒子群算法探讨了目标最优化分配问题。对粒子群算法中解空间存在的可能解进行编码，将可能解进行交叉、变异和选择操作得到新的粒子个体，不断迭代，从而得到可行的最优解。通过对一个作战想定的多次仿真，进一步表明了算法的可行性和有效性，为指挥员科学决策提供了依据。     

基于灰色聚类理论的C4ISR系统效能评估研究

随着C4ISR系统的深入发展,对其效能进行评估具有重要意义.从分析C4ISR系统的组成及功能出发.建立了较完备的系统效能评估指标体系,提出了一种基于灰色聚类理论的C4ISR系统效能评估方法,运用该方法进行了算例分析,验证了方法的有效性和可行性.