坦克会战中动态武器—目标分配问题求解方法

动态武器-目标分配(DWTA)是坦克会战中取得战斗胜利的关键.建立了坦克战中DWTA模型,并提出了它的一种简单求解方法.实验结果表明求解方法是有效的.     

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。     

改进蛙跳算法求解武器目标分配问题

针对武器目标分配问题,提出一种改进蛙跳算法来求解空间受限的武器目标分配。首先,基于武器目标分配原则建立多约束条件下武器目标分配模型,并将多目标优化问题转化为单目标优化问题;其次,采用基于非支配等级和拥挤度因子的精英选择策略改进初始种群的多样性和均匀度,提升算法最优解的质量;最后,通过合理的想定背景进行仿真计算,结果表明：该方法可有效平衡搜索时间和全局最优解质量,可作为编队防空作战时武器目标分配的一个不错选择,通过与SFLA算法和遗传算法进行比对分析,表明该算法相对SFLA算法求解的最优解质量高,相对遗传算法搜索效率高。     

一种基于改进r-NSGA-Ⅱ算法的联合防空问题算法

以传统动能武器及现代高能激光武器的防空反导作战为背景,建立了异构防御武器多战术目标的动态武器目标分配模型;在考虑指挥员抉择偏好的情况下,提出基于改进r-NSGA-Ⅱ算法的武器目标分配优化框架,给出具体优化流程;基于具体作战想定,设计实验将改进r-NSGA-Ⅱ算法与NSGA-Ⅱ、NSGA-Ⅲ、MOEA/D等经典算法在收敛性、分布性与时间复杂度等性能指标方面进行对比分析。实验证明,改进r-NSGA-Ⅱ算法在保证计算效率的情况下可以更好地反映指挥员的作战偏好与意图。     

2005年世界新锐武器扫描

2005年,在新军事变革的推动下,新鲜出炉的各类武器可谓“灿若星河”,但亮彻全年或举世震撼的“大作”却为数不多。本文本着“百里挑一、优中选优”的原则,重点介绍10种新锐武器,涵盖了海、陆、空三维战场空间,并把导弹单列为一类武器加以介绍。之所以选择这些武器,主要是因为它们具有一定的代表性:有的设计独特,放射着军事思想新变革的光辉;有的绝技超群,开创了武器发展新时代;有的另辟蹊径,拓宽了武器改进的新思路;有的影响深远,改变了地区乃至全球安全形势。陆战武器:重新又走热小国亦疯狂由于美国在伊拉克战争中一改科索沃战争全程空袭的…     

水面舰艇的贴身武器——深水炸弹

深水炸弹(简称深弹)是一种能在水下一定的深度或与目标相遇而爆炸的水中炸弹,主要用于攻击潜艇,也可以用来开辟雷区通道或者攻击其他目标,是有效的近距离反潜武器。深水炸弹由水面舰艇或飞机投放,也可以由反潜导弹携带。反潜鱼雷、反潜导弹的问世,曾一度对深水炸弹的发展造成冲击。近年来,由于浅水反潜作战的需要,深水炸弹重新得到重视并取得了深入发展。深弹的分类和组成通常深弹按携带方式分为航空深弹和舰用深弹两类。航空深弹由直升机或反潜飞机投放。舰用深弹按投射方式分为投放式深弹和发射式深弹。发射式深弹,按发射原理分为发射药发…     

基于神经网络的防空武器目标智能分配方法

为满足现代防空作战高动态环境对武器目标实时智能分配的迫切需求,提出了一种基于神经网络的防空武器目标智能分配方法.首先综合考虑武器数量及拦截能力等要素,以毁伤效能最大为优化目标,建立武器目标分配问题优化模型;在此基础上,构建基于神经网络的武器目标智能分配框架,基于分配方案数据集训练武器分配决策神经网络,并通过神经网络预测...     

基于多目标鲸鱼优化算法的动态武器目标分配

针对传统动态武器目标分配模型以武器打击收益最大化为目标,考虑过于单一,并且现有智能算法在求解该模型存在收敛精度低的问题,提出一种非支配排序多目标鲸鱼优化算法(non-dominated sorting multi-objective whale optimization algorithm, NSMWOA)求解动态武器目标分配模型。首先为提高初始解的质量,引入2次logistic映射初始化种群,合并父代与子代个体,通过计算个体的非支配等级和拥挤度大小对个体进行排序,其次为筛选优秀个体,实验结果表明,在与NSGA-Ⅱ和MOPSO算法的对比中,非支配排序多目标鲸鱼优化算法函数测试中的得出Pareto前沿更接近真实Pareto前沿,寻优精度更高,在动态武器目标分配模型中,能够得出更优的分配方案。     

BDS在低轨卫星编队高精度相对轨道确定上的应用分析

分析基于北斗卫星导航系统(BeiDou satellite navigation System, BDS)的低轨卫星编队相对轨道确定问题,但由于缺乏实测数据,通过仿真实验展开研究。结果表明,500 km空域平均可视BDS卫星数约为9.7,由于地球静止轨道(GeoStationary earth Orbit,GEO)卫星和倾斜地球同步轨道(Inclined GeoSynchronous earth Orbit,IGSO)卫星的存在,亚太地区的可视BDS卫星数明显偏多。仅考虑观测噪声的影响时,基于BDS的相对定轨精度可达0.74 mm,加入星历误差的影响,对近距离编队系统的相对定轨而言,GEO卫星数米的星历误差可以忽略,但当星间距离增大到约200 km时,GEO卫星单差后的星历误差可达厘米量级,GEO+IGSO+中圆地球轨道(Medium Earth Orbit,MEO)卫星和IGSO+MEO卫星求解的相对轨道精度分别为1.09 mm和0.96 mm,GEO卫星的加入使得精度下降了13.54%。在其余误差得到有效处理后,BDS的相对定轨精度可达亚毫米量级,且无明显区域差异,GEO卫星和IGSO卫星能提高近距离编队系统的全球相对定轨精度,未来BDS将广泛应用于低轨卫星编队相对轨道确定。