联合作战中航空兵作战规划研究

提出一种联合作战中航空兵作战规划方法。分析联合作战中航空兵肩负的主要作战任务及各任务间的逻辑时序,以此构建了作战任务网络;在作战任务网络的基础上,建立关于目标函数、约束条件以及到达时间的作战规划模型;在编码方式、搜索策略等方面对粒子群算法（particle swarm optimization,PSO）作出了改进,用以求解规划模型;最后使用具体算例进行了仿真分析,结果证明,所提方法能够对联合作战中的航空兵使用进行合理规划。     

基于HTN作战计划生成技术中时序约束处理

针对以网络为中心的作战计划的特点,提出了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,结合简单时序网络和Allen区间代数对传统层次任务网络在时序约束方面进行扩展,介绍了扩展层次任务网络与简单时序网络的映射方法并给出计划求解算法。基于军事作战计划的抽象模型,提出了军事作战计划中军事规则、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。     

改进蚁群算法的无人机突防航路规划

军用无人机在执行伴随突防任务前应充分考虑威胁和性能约束条件规划飞行航路。提出了基于改进蚁群算法的航路规划方法,在继承经典蚁群算法的基础上,首先引入目标威胁因素以修正转移可见性系数,积极影响蚁群转移概率,提升规划航路的整体安全性;再通过合理增加目标点及其周围固有信息素,有效缩小蚁群末段搜索空间,提高规划的时效性。仿真结果表明了方法的可行性,通过转移可见性系数计算中的权重调整,可分别得出最优搜索结果,满足指挥员不同作战任务和要求下的航路需求。     

陆战Agent学习机理模型研究

陆战Agent是陆军作战复杂系统ABMS核心的基础要素,学习是陆战Agent适应复杂动态陆战环境的重要能力,如何构建符合陆军作战特点的陆战Agent学习机理模型,是陆军作战复杂系统ABMS必须要解决的关键问题之一。通过陆战Agent基于效果学习本质特征和强化学习算法的分析,结合陆战Agent通信和指挥控制的特点,提出了基于知识共享的陆战Agent PS强化学习机理模型。与一般强化学习模型相比,该模型既能解决感知混淆和学习一致性的问题,又能节省存储空间,提高运行效率,还可实现不同形式的知识共享,增强陆战Agent系统的整体学习和完成作战任务的能力。     

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.     

求解电子对抗兵力规划问题的改进型混合遗传算法

从现代战争指挥运用角度出发,通过分析电子对抗作战筹划和战斗实施全过程,理清电子对抗在战争中的任务及指挥需求;通过对实际电子对抗作战行动的抽象,充分考虑环境、资源等因素,建立电子对抗兵力规划模型;运用Lanchester信息战模型对电子对抗筹划阶段兵力进行初始化处理,进而提出改进型混合遗传算法,对模型进行求解。通过对实际模型算例进行求解,得到了电子对抗兵力规划结果,表明构设算法的有效性,为指挥员运用电子对抗分队提供了指导性依据。与同类型的3种遗传算法进行对比,表明所构设算法能够快速解决此类问题并且在算法稳定性上有相对的优势。     

基于改进布谷鸟算法的目标分配问题

针对防空作战中目标分配的实时性、动态性、高效性以及作战决策的稳定性需求,基于种群协同进化思想提出一种免疫-布谷鸟算法。通过建立种群协同进化机制,利用两个种群进行不同方向的搜索并实时进行信息交互,加快算法收敛速度;利用布谷鸟算法参数少、易实现及较好的全局搜索能力,以及基于免疫机制的高斯变异算子较强的局部搜索能力,实现了求解速度和解的精度的平衡问题,提高算法的进化活力和求解效率。仿真实验表明,改进的布谷鸟算法与传统的目标分配算法相比,求解效率和性能上有明显提高,新算法求解目标分配问题是有效可行的。     

基于动态自适应蚁群算法的航线规划仿真

蚁群算法是一种新型的基于群体的仿生算法,其在解决飞机航线规划问题中已经获得了较为广泛的应用。在传统蚁群算法的基础上提出了一种动态自适应调整信息素蚁群算法的航线规划算法,即在航线点搜索过程中对信息素强度Q值进行动态自适应调整,并将三维地形、雷达威胁等因素结合到算法中。仿真结果表明,该改进算法能够有效解决扩大搜索空间和寻找最优解之间的矛盾,帮助飞行员更快地规划出一条最优航线,为更好完成作战任务奠定了良好的基础。     

基于协同网络信息的舰艇编队编成优化模型

编队编成模式的优化直接影响舰艇编队完成各项海上作战任务的成败。为解决协同作战模式下舰艇编队编成优化问题,建立了基于协同网络信息的舰艇编队编成优化模型,并设计一种多目标进化算法对模型进行求解,通过实例验证了模型的准确性和算法的有效性。     

基于 ANP 的作战筹划能力模糊评价方法

基于网络层次分析（ANP）的模糊评价方法,通过对作战筹划能力进行分析评价,为提升作战筹划能力提供参考。首先运用 ANP 法,提出包含4个方面18个指标的评估指标体系,构建作战筹划能力评估模型,然后通过模糊综合评价法对作战筹划能力进行评价。该评估模型探索了筹划能力评价的方法,为作战筹划能力评价工作提供新思路。     

航母编队反潜目标识别和威胁评估仿真

采用贝叶斯网络模型对目标识别、威胁评估是一种有效的定量分析方法。这里首次将贝叶斯网络模型运用到航母编队作战决策中识别水下目标和评估威胁等级。结合部队实际情况分别构建目标识别和威胁评估贝叶斯网络模型;基于部队实践数据、院校专家和查阅资料构建符合实际情况的条件概率表;最后通过仿真实验对水下目标进行识别和评估威胁等级,对比部队相关数据验证了贝叶斯网络对航母编队目标识别和威胁评估的有效性,能够为航母编队指挥员反潜作战提供一定的辅助决策。     

基于分层目标任务网络的作战任务规划方法

为提高复杂非结构化作战环境下作战系统规划能力,提出一种新的分层任务网络智能规划方法 HGTN(Hierarchical Goal-Task Network),给出了HGTN的形式化定义,研究了HGTN规划算法,以及启发式搜索算法和目标推理规划算法。HGTN在HTN(Hierarchical Task Network)规划方法基础上,增加了目标任务和相关处理方法,具备基于目标的逆向推理机制。通过作战任务规划实例分析,HGTN规划方法相对HTN,能够提高规划的适用性和求解效率,符合作战决策推理的思维模式。     

基于PSO-Markov联合模型的无人机路径规划

利用PSO算法对无人机在侦查任务中的路径进行实时规划,将算法与地形、飞行角度、油量等约束条件结合起来,有效地缩减了搜索空间;同时为了在任务中能够更好地掌握无人机完成任务与生存的概率以及整个路径的代价,引入了一种可用于计算风险和评估任务威胁的生存性联合模型,该模型使用了八状态马尔科夫链来描述无人机的状态。仿真实验结果表明,该方法可以有效地检测航路中飞机的各种状态的概率,并以此对整个航路进行评估。     

一种针对坦克速度控制的深度强化学习算法

坦克的无人化将成为作战装备的未来研究方向之一,针对坦克无人驾驶如何提高智能体训练速度是当前深度强化学习领域的一大瓶颈,提出一种最近经验回放的探索策略来对传统的软行动者-评论家算法（soft actor-critic,SAC）进行改进,在训练阶段,赋予最近经验更大权重值,增大其采样概率,从而提高了训练的稳定性和收敛速度。在此基础上,基于应用环境以及作战任务设计奖励函数,提高算法的战场适用性。构建具体作战场景,对改进的算法与传统算法进行对比,结果表明,提出的算法在坦克速度控制上表现出更好的性能。     

DDBN的无人机决策推理模型参数学习

针对复杂战场环境下的无人机决策推理模型参数学习的问题,提出基于遗传算法的离散动态贝叶斯网络参数学习算法。该算法将模型网络参数的最大似然估计函数作为遗传算法的适应度函数,在全局进行并行优化搜索,得到最优的网络参数,从而提高了决策推理模型对复杂环境的快速适应。仿真结果表明,该算法可以获得准确的离散动态贝叶斯网络参数,能够有效地解决复杂战场环境下无人机威胁评估问题,为无人机的自主任务决策提供有效的参数保障。     

基于任务的连续出动舰载机航空保障重调度研究

对舰载机和各种保障资源进行调度是提高舰载机航空保障效率、保证舰载机所承担作战任务顺利完成的有效手段。为了克服以往研究中没有考虑作战任务变更对舰载机航空保障调度的影响,使用重调度的理论与方法研究了基于任务的连续出动舰载机航空保障重调度问题,建立了连续出动舰载机航空保障重调度模型。采用免疫算法对模型进行求解,可以避免模型的解空间可能出现组合爆炸问题。最后通过一个实例表明该模型可以很好的应对由作战任务变更所引起的重调度问起,算法求解速度满足作战需求,从而验证了模型的准确性及算法的有效性。     

陆战Agent协作机制模型研究

陆战Agent是陆军作战复杂系统ABMS核心的基础要素.友方陆战Agent之间的协作,能够使陆战Agent有效地完成作战任务,提高系统的整体作战能力及面对复杂动态陆战环境变化的应变能力.如何构建符合陆军作战特点的陆战Agent协作机制模型,是陆军作战复杂系统ABMS必须要解决的关键问题之一.针对陆战Agent的"受控性"和层次性,提出了陆战Agent自主协作和上级统一组织协作两种协作模式,探讨了具有单一目标的陆战Agent协作算法和应用集合覆盖理论的作战任务协作分配算法,为陆军作战复杂系统的ABMS奠定了基础.     

一种改进的电子情报分析模型

电子情报的分析处理,对提高电子对抗作战效能意义重大。综合运用聚类算法和分类算法构建了一种改进的电子情报分析模型。该模型首先通过基于粗糙集改进的k-means算法完成对记录数据库中雷达信号的聚类分选,选取聚类中心信号表征此类信号;再采用粗糙集提取有效的最优规则并用于聚类中心脉冲识别,从而分选出已知信号和未知信号;未知信号确定其特性后添加到已知威胁雷达数据库。通过仿真,验证了该模型的适用性和有效性。     

近海威胁目标威胁度评估与无人艇兵力分配

针对近海防御战中威胁目标规模小、速度快、灵活性强的特点,为提高无人水面艇编队御敌的作战效能,及动态适应战场态势的复杂变化,提出近海威胁目标威胁度评估模型和无人艇调度分配方案.建立威胁度影响要素框架,设计各影响要素的效用函数,通过熵权法和TOPSIS算法得出威胁目标的威胁度,并对蚁群算法中的信息蒸发系数进行改进,基于威胁...     

基于聚合模型的高轨预警卫星威胁评估

高轨预警卫星威胁评估是导弹作战指挥辅助决策的重要环节,可以为指挥员的太空目标选择提供依据。在分析其威胁要素特征的基础上,提出了采用“聚合模型”开展威胁评估的方法,并给出了威胁评估步骤。通过分析美国高轨预警卫星的工作模式及作战流程,选取了扫描探测、凝视跟踪及外部等三个方面的关键性威胁要素,并构建了各要素的评价函数模型。基于上下层威胁要素之间关系的不同,给出了两种不同的聚合模型,采用该模型分析了所选要素之间的聚合关系,得到了高轨预警卫星威胁评估模型。最后通过实例计算,验证了该评估方法的可行性和实用性。