基于神经网络的组网雷达协同探测模式控制

针对多机编队多雷达协同探测模式的切换选择问题,提出了一种基于神经网络的协同探测模式控制策略.通过利用模糊逻辑理论对战场态势信息进行模糊表征;然后,采用神经网络技术对态势表征因子与协同探测模式之间的映射关系进行数学建模;最后,将实时态势信息输入建立的模型,自主得到协同探测模式的选择建议.通过数值仿真表明,神经网络建模技术...     

基于多智能体技术的协同信息融合系统研究

为达到充分发掘信息组合潜能的目的,利用多智能体(multi-agent)技术构建了自协同信息融合系统。给出了自协同信息融合系统的体系结构,对该信息融合系统需要进行的协同内容进行了分析,总结了基于多智能体的协同信息融合的主要技术特点。该系统可以起到实现信息共享、统一协调传感器探测行为、提高信息融合系统综合效能的作用。     

基于遗传算法的共架发射系统武器空域协调方法

舰载共架发射系统在舰艇全方位武器攻击中发挥着重要作用,舰载多类型导弹的空域协调决策是当前亟待解决的问题.基于共架发射系统的特征,首先总结了发射选取的原则,进而结合选取原则提出基于二进制编码遗传算法的空域协调弹药选取模型,对适应度函数的构建方法进行了深入阐述,并对算法中的算子取值作出改进,最后结合实例,验证了算法的可行性...     

遗传算法在目标跟踪中的传感器分配算法

传感器在进行目标跟踪时,常规算法主要通过线性规划建立传感器与目标之间的分配方法.但是在对多目标和多传感器的战场环境中,这些方法有一定局限性.研究了基于遗传算法的传感器分配方法,通过构造符合传感器分配这一特殊问题的染色体,从而形成初始种群,然后利用遗传算法模拟生物遗传迭代和自然选择的遗传机理,通过多次选择最终收敛于问题的一个满意解.仿真显示,在大数据运算的环境中,该算法有更高的可行性和有效性.     

人/机协同智能火力与指挥控制系统研究

智能火力与指挥控制系统是提高现代战斗机作战能力的核心因素.通过对传统的火力与指挥控制系统存在的问题进行分析,提出了一种基于人/机协同的智能火力与指挥控制系统模型,该系统在 "适当智能化"思想的指导下构建了新型的人/机关系,提高了系统的整体智能,以适应未来网络化与信息化的战争环境.接着给出了系统体系结构模型,并讨论了系统的设计方法.最后指出在系统研究中所涉及的关键技术.     

多武器协同的复杂性分析与Agent方法

单舰多武器协同作战是舰船设计中的一个高度复杂而重要的问题.复杂的信息战场环境和指挥控制一体化要求舰艇作战系统能够很好地协同多武器系统.近年来,智能代理技术逐渐在复杂系统的模拟、分析和设计中得到了越来越多的应用.在分析多武器协同作战的主要内容和现状的基础上,利用代理概念对单舰多武器协同作战的技术与战术实现问题进行了比较深入的研究,给出了一种多代理单舰多武器协同作战的方法,为多武器协同作战问题的解决提供了新的研究思路.     

基于指挥级别的作战行动协同方法

通过对基于Agent的作战行动协同方法不足之处的分析,根据作战行动协同的实际情况,提出了基于指挥级别的作战行动协同方法,从方法的算法实现、协同行动的组织,协同方案的建立等方面对基于该作战行动协同方法进行了探讨,应用结果表明,该方法适合在作战仿真系统中解决作战行动协同问题.     

基于鲁棒优化的多无人机协同侦察任务规划

针对多无人机协同侦察任务规划问题,考虑由环境因素或机动操作引起的无人机飞行油耗等参数的不确定性和随机性,以侦察目标信息价值最大化为目标 、以团队定向问题模型为基础,建立了多无人机协同侦察随机规划模型.针对飞行油耗的分布律难以精确预测的特点,考虑用其名义值及预测偏离来描述飞行油耗的不确定区间,利用鲁棒线性优化方法构建原模...     

构建党组织领导的“三治融合”的乡村治理体系

在新的农村变革背景下,乡土社会多元化、复杂化、差异化的矛盾格局凸显,如何构建治理有效的新型乡村治理结构是当前发展形式下的核心问题。构建党组织领导的“三治融合”的乡村治理体系不仅是实现治理有效的关键手段,也是发挥现代化治理体系协同效用的根本内容。本文立足于长春市双阳区的“1+3+X”乡村治理模式,从多元主体协作治理的视角出发,探索“三治合一”的学理逻辑与应用成效。坚持以“自治”是核心,“法治”是保障,“德治”是辅助的治理逻辑关系,将“法治”“德治”的建设进程融入“自治”的实现过程中,实现从传统单一管理向多元合作治理转变。     

基于元课程强化学习的多智能体协同博弈技术

多智能体协同博弈具有实时及动作连续性、非完全信息博弈、庞大的搜索空间、多复杂任务和时间空间推理等特点,是当前人工智能领域极具挑战的难题之一。针对大规模多智能体强化学习训练时间长、难以收敛等问题,提出了一种基于Actor-Critic的多智能体强化学习协同博弈框架,利用元课程强化学习方法对小规模场景进行基础课程元模型提取,并且基于课程学习向大规模场景进行模型迁移,在元模型基础上继续进行训练,扩展元模型策略网络,最终得到较优协同博弈策略。在《星际争霸Ⅱ》平台上进行仿真实验,结果表明：基于元课程强化学习的多智能体协同博弈技术可有效地加速其训练过程,相较于传统训练方法可以在较短时间内达到较高的胜率,训练速度提升约40%,该方法可有效支撑多智能体协同博弈策略的高效生成,为低资源下的强化学习高效训练奠定理论基础。