防空兵群动态防空抗击效率评估模型研究

结合未来陆军机动作战实际,研究了集中射击指挥条件下,防空兵群动态防空抗击效率的评估方法。提出了目标可射击概率应依据火力单位射程选用不同模型评估的观点,探讨了火力单位转移、导弹(弹药)储备和群指挥所状态等因素对群抗击效率的影响及其评估模型。在此基础上,指出了所建模型的适用范围和需要进一步解决的问题。     

空间预警系统建立导弹目标优先级的多属性决策

空间预警系统在多传感器多目标的情况下需要传感器调度,而建立目标优先级是有效进行传感器调度的第一步。由星载传感器所得图像对目标特征进行估计具有很大的不确定性,直接影响到导弹目标优先级的建立。首先通过作战分析确定出导弹目标的主要属性,采用层次分析法评价属性的权重,然后在不确定的条件下对属性求期望值,使用3种多属性决策方法评价导弹目标的威胁程度,最后取期望值作为导弹目标的威胁评价。正交实验结果表明算法具有很强的实时性和实用性。     

不完全权重信息下地空导弹部队阵地评价与排序

给出了地空导弹部队阵地评价指标体系,在已知专家对各指标的打分结果和目标权重范围的局部信息基础下,提出一种先进行局部优化再组合赋权以求得指标的组合权重向量,并根据综合属性值对各方案进行排序的多目标决策方法,避免了获取有关地空导弹部队评价指标偏好信息的困难,最后以实例说明了本方法的应用情况.     

军事目标打击的辅助决策系统设计研究

现代战争中“目标”已经成为现代指挥作战的“核心”。文章从研究“目标”出发,根据目标选择与打击的特点和辅助决策任务,提出了军事目标打击辅助决策系统设计的初步设想,阐述了该系统的系统结构、系统实现的流程和系统功能,并做了可行性分析。该系统在信息化条件下,较好地为指挥员进行军事目标打击提供了有效的决策工具,更好地加快了军队指挥自动化的步伐。     

基于分布实时多Agent技术的防空兵群指挥决策研究

探讨了防空兵群指挥决策的重要地位,依据现代高技术条件下防空兵群作战指挥的决策支持需求,研究并设计了防空兵群作战指挥决策支持系统的基本结构,重点研究了系统的人-机交互技术,阐述了Agent的元模型,详细论述了基于Agent的分布实时群体联盟体系,并对Agent的通信语言ACL消息结构进行分析且应用于联盟体系的通信传输,为构建防空兵群作战指挥决策支持系统的人机交互子系统提供技术准备。     

基于模糊MODM的空袭目标威胁评估

针对当前空中来袭目标的主要特点,运用模糊多目标决策(MODM)理论和方法,提出了一种空袭目标威胁评估方法。首先对影响空袭目标威胁程度的因素进行了分析;然后阐述了如何确定影响目标威胁评估的各个指标值;最后依据多目标决策方法,建立了在各指标权重值只有部分已知的情况下,目标威胁评估的数学模型,并通过示例介绍了威胁评估的求解过程。仿真结果表明,该方法有效地解决了目标威胁评估与排序问题,提高了防空作战效能。     

基于全脉冲分段转发的LFM雷达干扰方法

线性调频(LFM)脉冲雷达输出信号时延敏感于输入信号频率,基于此,文中提出了一种基于雷达全脉冲信号分段转发的干扰方法,通过对雷达完整脉冲信号的合理分段并排序转发,在LFM脉冲压缩雷达匹配滤波处理后形成多假目标干扰。利用群延迟原理揭示了脉冲分段转发干扰机理;根据干扰信号频谱和匹配滤波原理,推导了多假目标输出形式;给出了假目标幅度不低于真目标时脉冲分段数计算公式及假目标数目最多时对应的转发次序要求;仿真实验验证了理论分析的正确性。     

引导方式的代价评估

引导方式的选择是超视距舰舰导弹攻击中最重要的决策问题。它牵动到兵力的使用问题,是目前作战部队急待解决的重点课题之一。传统的评估方法往往只侧重最终的数学结果而忽视对评估过程的揭示,难以被部队指挥员接受,从而影响了数学评估在作战指挥中的应用。给出了引导方式损益评估中代价评估的方法。该方法采用表格作业方式,可帮助指挥员全面掌握决策要素,自主控制各因素的作用,符合部队指挥员对决策透明的要求。计算过程简洁,易于在部队推广使用。     

目标数据关联多因素分布式推理判决系统推理结构

目标数据关联多因素分布式推理判决系统 ,是一基于分布式判决分类系统理论进行目标数据关联分析的大规模推理判决系统 ,在C3I系统中有着广泛的应用前景。本文在分析推理判决系统的推理规则类型和状态类型的基础上 ,给出系统的推理结构图 ,该推理结构是正关联神经推理结构     

Minimizing the false alarm rate in systems with transient abnormality

We consider a stochastic partially observable system that can switch between a normal state and a transient abnormal state before entering a persistent abnormal state. Only the persistent abnormal state requires alarms. The transient and persistent abnormal states may be similar in appearance, which can result in excess false alarms. We propose a partially observable Markov decision process model to minimize the false alarm rate, subject to a given upper bound on the expected alarm delay time. The cost parameter is treated as the Lagrange multiplier, which can be estimated from the bound of the alarm delay. We show that the optimal policy has a control‐limit structure on the probability of persistent abnormality, and derive closed‐form bounds for the control limit and present an algorithm to specify the Lagrange multiplier. We also study a specialized model where the transient and persistent abnormal states have the same observation distribution, in which case an intuitive “watchful‐waiting” policy is optimal. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 320–334, 2016