基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。     

虚拟物理人工智能多粒度水下态势感知研究

在分析水下多平台集群可变粒度态势感知发展的基础上,研究了多粒度水下态势感知的体系范畴提升及时空演进同步问题,提出虚拟物理人工智能多粒度水下态势感知原理及方法。通过内嵌多物理知识和上下文情景模型的动态虚拟物理神经网络,以时空数据与情景信息为驱动,实现了跨领域多粒度水下态势感知及跨时空同步态势演进分析,为有效遂行水下攻防对抗任务提供协同智能决策支持。理论分析及数值结果表明,多粒度水下态势感知及其同步态势演进分析可以通过有效融合集群资源,增强信息优势并动态优化所涵盖的功能领域和时空规模。所提出的原理及方法可为水下立体攻防体系的构建和发展提供理论依据与技术参考。     

延时下基于事件触发的多智能体系统一致性

研究了通信延时下基于事件触发的一阶多智能体系统一致性问题。针对有向固定拓扑,设计了通信延时下基于事件触发机制的控制器。利用李雅普诺夫稳定性理论提出了能够使系统稳定和一致的事件触发函数和时延上界,并利用该事件触发规则求取两次触发之间的最小间隔,证明了该系统不存在Zeno行为。事件触发机制的引入有效减少了控制器的更新次数和智能体之间的通信频率,节约了资源,最后通过仿真实例验证了该理论方法的可行性与有效性。     

C~4ISR系统需求一致性开发方法

C~4ISR系统是复杂大系统,C~4ISR系统需求工程的建设需要建立一套完整的C~4ISR系统需求体系框架和开发方法论.对C~4ISR系统需求的开发方法进行了研究,按照C~4ISR系统需求的层次,结合系统体系结构的开发方法,提出C~4ISR系统需求的分析开发过程和基于UML的模型表述方法;为保证需求模型的一致性,提出C~4ISR系统需求开发的一致性策略.     

多空域窗射击技术研究

未来空域窗射击体制相对集火射击体制,提高了对机动目标的拦截概率,能够对付有限机动目标,然而依然难以对付具有高度机动能力的目标,尤其是有人驾驶飞机,如果在射弹飞行时间内进行拐弯、爬升、俯冲等强机动.为了进一步提高对目标的拦截概率,提出了多空域窗射击体制,即在传统火控系统中增加目标实时态势估计模块,实时预测目标在射弹飞行时间内的可能机动模型,并根据预测结果进行多个未来空域窗射击.     

基于贝叶斯网络的态势认识

态势认识的本质是通过因果推理进行态势理解和诊断推理以实现态势预测,不确定性知识表示和推理是态势认识过程中需要解决的两个重要问题。基于贝叶斯网络易于进行不确定性推理的优点,综合应用贝叶斯网络因果推理和诊断推理,提出了态势认识的贝叶斯网络模型,应用贝叶斯网络信息传播算法,给出了态势认识系统实现的方法,并通过实例计算论证了该方法的可行性和实用性。     

事件

美国公布《核态势报告》 美国国防部长盖茨4月6日召开新闻发布会,公布《核态势报告》,宣布美国将削减核武器、停止发展新核武、降低核武器在国家安全战略中的作用,但并未承诺不首先使用核武器。报告显示,美国承诺只在最极端的情况下考虑使用核武器保护本国及盟友安全。核武器在美国安全战略中的“唯一作用”将是威慑别国不对美国及其盟友实施核打击。     

基于机器学习的联合作战任务筹划模型

战争复杂性日益提高,快速完成作战任务筹划对于提高指挥效率至关重要。提出了联合作战任务矩阵分析模型,为作战任务筹划提供了一种理论方法;以此为基础,构建作战任务-支撑要素-威胁要素信念网络模型;设计了信念网络关键参数的贝叶斯学习方法,采用想象力机制来提高算法在自博弈学习中的收敛速度;给出了一种深度最小威胁生成树搜索算法,该算法能够通过平衡搜索误差和搜索速度,高效完成任务优先级排序。最后,通过仿真实验验证了上述模型和算法的有效性。