多分辨率建模航空武器装备体系对抗效能评估

根据多分辨率建模的思想,分析航空武器装备体系对抗的特点,提出基于多分辨率建模的航空武器装备体系对抗效能评估模型框架,通过体系对抗过程物理特性的分析提炼数学描述方法,基于主动元建模技术建立从高分辨率实体仿真模型的仿真元模型,探讨了对仿真元模型进行基于马尔科夫链的串联聚合和基于元胞自动机的空间聚合方法,提出效能评估多维矢量空间指标体系,研究结果对我军航空武器装备效能评估以及作战论证都具有一定的指导意义和参考价值.     

应用攻防对抗作战仿真评估导弹作战效能研究

本文介绍了攻防对抗仿真的作用及其在国外的发展情况,分析、对比了武器系统作战效能评估的方法。由于武器系统特别是巡航导弹武器系统作战效能的组成与结构都较复杂,传统的武器系统作战效能评估方法需要大量的试验数据,并要进行繁杂的数据统计,而应用攻防对抗作战仿真环境进行巡航导弹作战效能评估是一种正在兴起的方法,只要建立满足一定精度要求的环境、作战、武器、人员等的模型,即可以在攻防对抗的不同层次、不同模型粒度、武器系统的不同生命阶段、对多种不同的作战方案在攻防对抗作战仿真推进过程中进行武器系统的效能评估。     

雷达对抗情报处理数据仓库辅助决策系统构建

本文提出了雷达对抗情报处理数据仓库系统的概念,设计了系统的技术体系结构,并结合现有雷达对抗情报处理子系统,具体规划了面向决策分析的雷达对抗情报处理数据仓库模型,研究了其实现方法。     

水下精确制导武器对抗技术发展现状与趋势

在简要介绍鱼雷水下精确制导技术特性及其对抗技术体系的基础上,重点分析潜用对抗技术的现状,目前具备综合目标模拟和智能对抗能力的自航式诱饵诱骗技术已初步形成"远近结合、软硬杀伤、声磁兼备"的技术格局,未来还将实现"水下水面"通用,经典型组合对抗技术试验验证,其技术成熟、可靠。最后还对对抗技术未来发展趋势进行了展望。     

空天防御作战规划问题研究

从技术与作战结合的角度,系统分析空天防御作战系统和对抗特点等问题,构建了"态势组态—目标排序—目标分配—冲突动态最优预测"新型作战规划方法,提出"博弈控制理论与方法",论述了空天防御作战规划方法论。对空天防御作战规划理论研究有一定参考价值,为发展空天防御作战规划系统提供了研究思路和技术支撑。     

基于改进强化学习的多无人机协同对抗算法研究

多无人机的作战协同研究内容主要包含飞行协同、侦察协同及干扰协同,随着无人机数量及协同决策内容的增加,多智能体强化学习模型的状态空间及动作空间维度呈指数增长,多智能体强化学习算法在训练中不易收敛,协同决策水平难以得到显著提升。采用并对多智能体深度确定性策略梯度(MADDPG)算法原理进行模型构建,在此基础上提出了一种选择性经验存储策略的多智能体深度确定性策略梯度(SES-MADDPG)算法。该算法通过设置回收存储标准以及选择性因子,对进入经验池的经验进行选择性存储,以缓解奖励稀疏的问题。仿真实验表明,在保证算法时间复杂度的前提下,SES-MADDPG算法比其他强化学习算法有了更好的收敛效果,相较于MADDPG算法,任务完成率提高了25.427%。     

网络雷达对抗系统反隐身优化部署技术

针对传统雷达反隐身检测存在的角度信息丢失、装备资源利用率不高等问题,提出了一种基于改进粒子群算法的网络雷达对抗系统反隐身优化部署技术。该技术建立了网络雷达对抗系统反隐身检测模型,在此模型基础上将任务区域进行划分和覆盖率加权,得到粒子群算法的目标函数并对收发站粒子种群进行重新部署,通过多次仿真实验得到了最优化布站数量。仿真结果表明,与标准粒子群算法相比,所提出的研究算法收敛更快,得到的加权覆盖率更高,可满足反隐身优化部署效费比需求。     

基于LS-SVM算法的实兵对抗演习作战效能评估

在实战化实兵对抗演习训练中,经验驱动的作战效能评估方法存在主观性强、评估效率低的问题,对于部队提升实战化训练水平、强化实战能力带来不利影响。针对上述问题,提出数据驱动的实兵对抗演习作战效能评估方法,引入最小二乘支持向量机算法(LS-SVM)构建评估模型,通过演习数据对模型进行训练,建立效能指标和作战效能的非线性映射复杂关系。实验表明,基于LS-SVM算法的实兵对抗演习效能评估方法具有更高的效率和精度。     

基于数据耕耘的作战仿真评估系统框架设计

针对当前作战仿真评估系统存在的仿真结果数据利用效率低和体系对抗特征不明显等诸多弊端,提出一种基于数据耕耘的作战仿真评估系统框架设计,以形成数据在环、多想定创建、回合制交互、多分辨率模型提炼和多视角因素分析的良好机制,提高仿真评估系统的数据支持力度和体系对抗性,为现代军事活动中的决策支持提供可靠参考。     

面向作战体系的生成式对抗网络应用研究

生成式对抗网络GAN作为一种生成式模型,受博弈论中二人"零和"博弈的启发,通过对抗学习的方式来训练,可以达到估计数据样本的潜在分布、生成新的数据样本的目的。从GAN的基本原理和实现模型入手,综述了其衍生模型和研究进展,对其在作战体系研究领域的应用进行了分析展望。