模糊多目标群决策方法的军事应用

本文利用模糊数方法表示多目标群决策中的语言评价权系数和目标评价值 ,并用模糊数排序的方法求出各方案的排序指标 ,从而得到方案的最佳排序。     

高炮群防空作战战斗力分析

在满足一定假设条件下 ,高炮群与飞机群所进行的直接对抗可用兰切斯特方程予以描述。本文从战斗力的角度分析了高炮群战斗力在防空战斗随机对抗中的变化规律 ,说明及时的战斗力恢复和战斗力补充对高炮群取得战斗的最后胜利具有十分重要的意义。     

装备群战斗损伤模拟方法研究

分析了影响装备战斗损伤的主要因素,讨论了量化这些因素的方法。在对该问题进行分析后,指出模拟模型是解决装备群战损分析的比较好的方法,并给出了该模型的基本结构。结合战损分析的特点与当前国内外神经网络的研究成果,作者认为BP(Back Propagation)神经网络是实现这一模型的有力工具,并给出了BP网络工作的过程。     

相依目标群状态转移概率矩阵的特性及其应用

本文对相依目标群的状态转移概率矩阵的性质进行了深入的分析,得到了若干重要结论,并在此基础上讨论了相依目标群系统的火力分配模型     

基于粒子群优化的点云场景拼接算法

多视点三维点点云场景拼接是解决激光三维主动成像目标自遮挡或被遮挡情况下目标数据不完全问题的一种有效方法,它将直接影响到后续的目标检测与识别处理。本文提出了一种基于粒子群优化（PSO）的点云拼接算法,该方法通过投影分布熵对待拼接场景姿态进行估计,由此获取场景拼接的初值,然后利用PSO实现多视点场景的精确拼接。仿真实验结果表明,本文方法是一种有效可行的方法。     

基于粒子群优化的模糊交通控制器设计研究

城市中往往存在着一些关键路口,其交通通畅与否会对周围的路网的交通流起着很大的影响,需要优先保持此路口的通畅.针对以上情况,设计了基于上下游交通信息的二级模糊交通控制器来对路网进行协调控制.在此基础上,本文提出了针对交通特性改进的粒子群优化算法(TIPSO),并采用TIPSO对第一级模糊规则进行优化,实验结果表明TIPSO对模糊规则具有较好的优化效果,能够离线训练获取到比人工设定的更优的模糊规则.     

多传感器目标识别和火力分配群决策算法

针对多传感器目标识别的群决策问题,考虑到多目标威胁程度评价指标属性的模糊性,首先将多传感器目标评价属性的定量、定性描述指标统一转化为三角模糊数,充分利用三角模糊数性质构建群决策函数,实现定量指标与定性指标的规范化处理,在此基础上提出一种基于加权矩阵排序的三角模糊数多传感器目标识别的群决策算法,实现对多传感器目标的威胁程度的综合评估.最后,通过多传感器目标评估实例分析并证明了算法的可行性和有效性.同时实验发现该算法对于多属性、多评价者的群体决策具有优势,且不易受外界参数变化的影响.