企业政工工作与企业管理的共同发展策略

在现代企业管理中,制度所形成的约束力是推动其整体发展的重要力量,其涵盖范围广,同时涉及企业战略目标执行、财务及人事管理的多个方面,通过开展政工工作,则能带动企业战略目标的持续优化,促使企业管理理念与社会经济建设同步更新、协调发展.因此,需积极探索政工工作与企业管理的共同发展策略,同时增强这两项工作的工作能效.     

基于智能反射面辅助的无人机主动监听优化方法

针对可疑用户可能利用无线通信危害公共安全的问题,通过智能反射面和无人机组合的方法来帮助合法监视器监听可疑链路。首先,考虑了无人机与地面用户以及地面用户之间复杂的信道交互,构建了一个合法监视器监听速率最大的优化问题。其次,为了解决这个复杂的非凸优化问题,采用深度强化学习技术,将无人机的轨迹规划和智能反射面的相移变化问题建模为马尔可夫决策过程,设计了相应的奖励函数,并基于最大熵的深度强化学习算法实现无人机和智能反射面相移设计的联合优化。最后,从仿真结果看,与无智能反射面的优化方案相比,有智能反射面的优化方案不仅提高了合法监视器的监听速率,还降低了无人机的能耗,另外智能反射面反射单元的不同数量也会对监听速率产生影响。同时,相较于近端策略优化,基于最大熵的深度强化学习算法的优化策略拥有更稳定的训练过程和更快的收敛速度。     

基于灰度图的空基双站交会定位区模型

确定和分析交会定位区是电子对抗侦察行动的一项重要工作。构建起双站交会定位区模型;设计一种确定区域轮廓的算法,实现定位区域的灰度图表示;仿真分析最佳站距的影响因素,提出确定最大内接矩形的方法,以及分析偏航角对侦察效率的影响。通过仿真证明建模方法的合理性,为电子对抗直升机侦察部署提供参考。     

P3C-MADDPG算法的多无人机协同追捕对抗策略研究

针对策略未知逃逸无人机环境中多无人机协同追捕对抗任务,提出P3C-MADDPG算法的多无人机协同追捕对抗策略。首先,为解决多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient, MADDPG)算法训练速度慢和Q值高估问题,在MADDPG算法中分别采用基于树形结构储存的优先经验回放机制(Prioritized Experience Replay, PER)和设计的3线程并行Critic网络模型,提出P3C-MADDPG算法。然后基于构建的无人机运动学模型,设计追逃无人机的状态空间、稀疏奖励与引导式奖励相结合的奖励函数、加速度不同的追逃动作空间等训练要素。最后基于上述训练要素,通过P3C-MADDPG算法生成策略未知逃逸无人机环境中多无人机协同追捕对抗策略。仿真实验表明,P3C-MADDPG算法在训练速度上平均提升了11.7%,Q值平均降低6.06%,生成的多无人机协同追捕对抗策略能有效避开障碍物,能实现对策略未知逃逸无人机的智能追捕。     

基于属性匹配的装备保障体系建模方法研究

现有装备保障体系拓扑建模方法难以描述体系内部异质节点及各功能子网之间的关系,借助超网络理论提出了装备保障体系网络建模方法.定义了基于超网络的装备保障体系概念;提出了基于"三层五网"结构的装备保障体系超网络模型,结合欧式距离算法提出了基于属性匹配优先的边连接策略;以某战区装备保障体系为例,仿真表明该模型展现出近似无标度特...     

部队机动作战中无人机安全威胁与防控对策

近几场局部冲突表明无人机作战已由小规模使用转向常态化运用,无人机机型谱系众多、作战样式多样,给传统防控体系带来了全新挑战,特别是严重威胁装甲车、坦克、后勤车队等机动作战单元的安全。在分析无人机主要安全威胁的基础上,立足当前典型的无人机防控手段,针对性开展机动作战中无人机防控体系设计,提出驻车待机阶段和机动行进阶段两种防控模式,重点围绕防区规划、防控流程、战术要领研讨防控策略,以期为现代战争中机动作战单元无人机防控力量建设和实践运用提供参考。     

学院学科建设与发展策略刍议

通过对学院学科建设现状与问题的分析,探讨了学院学科建设与发展的策略,提出了学院学科设置与调整的发展性、需求性、层次性、整合性及开放性等原则,讨论了学科发展与建设中应注意解决好的几个突出问题,研究了如何突出学科特色、提高学科建设水平的途径和方法.     

潜艇突破单舰巡逻的辅助决策模块研究

本文首先分析了潜艇突破单艘水面舰艇巡逻线的方法 ,并在此基础上探讨了在潜艇指控系统和相应模拟器中实现辅助决策的思路     

基于深度强化学习和导航向量场的卫星规避拦截算法

针对在轨卫星规避拦截问题,提出了一种新的基于强化学习和三维李雅普诺夫导航向量场（3D-LGV）算法。首先,采用3D-LGV产生收敛于椭圆轨道的趋近律,保证规避拦截后能再次入轨。其次,针对拦截卫星利用扰动流体动态系统算法（IFDS）产生扰动流场,利用该扰动流场对导航向量场产生的趋近律进行修正,从而保证卫星能有效地规避拦截。由于IFDS算法中扰动流场大小和方向主要受其中反应系数和方向系数的影响,采用近端策略优化深度强化学习算法作为决策层输出反应系数和方向系数,用于指导卫星在不同场景下提供合适的对导航向量场的修正。最后,通过将IFDS算法修正后的趋近律作为卫星的最终运动方向,实现了整个规避过程。在构建的不同场景下进行了对比实验,结果表明,相较于滚动时域优化算法（RHC）、人工势场算法（APF）和传统IFDS算法,基于强化学习的算法决策时间更短、规避效果更好,在不同场景下均能实现有效规避。同时,对该算法进行蒙特卡洛仿真,统计结果显示卫星规避成功率高达98%。因此,此研究对智能方法在卫星规避拦截领域的应用具有一定价值。     

大气湍流引起的相位起伏对相干态量子雷达相位估计的影响

基于马赫曾德干涉仪模型并采用相位扩散主方程描述大气相位起伏效应对量子雷达的影响,给出了光场在相位扩散通道的演化过程,详细分析了大气相位起伏对相干态宇称探测量子雷达相位估计分辨率和最佳灵敏度的影响,并计算了大气相位起伏下相位估计灵敏度的Cramer-Rao极限。研究发现:相位起伏对于分辨率的影响可通过增加单个脉冲平均光子数来消除。在强相位起伏情况下,宇称探测得到最佳灵敏度会严重偏离散粒噪声极限,但是在弱相位起伏情况下,通过与Cramer-Rao极限的对比,发现宇称探测是一种准最佳探测方案。