基于信息熵和TOPSIS法的装备战场抢修排序决策模型

成功的战场抢修是战斗力的“倍增器”,而及时有效的战损装备抢修排序决策是成功实施战场抢修的前提．在确定战场抢修基本原则基础上,分析了影响战损装备战场抢修排序的因素,通过目标属性本身输出的信息熵客观地确定属性权重,并结合TOPSIS法构建了装备战场抢修排序决策模型,最后通过实例对该模型的有效性和实用性进行验证．实例表明：该模型能够有效地解决战场抢修中多个战损装备的排序问题,是战损装备战场抢修分析及排序决策的一种有效工具．     

【专题】复杂陆战场环境下的智能感知理论现状与发展

近年来,由于基于深度学习方法的智能检测算法不断演进,其网络结构不断进化,实用化程度不断提高,因此,将其应用于复杂战场环境下,形成实用化智能感知能力的可行性不断提高。然而算法的可靠性、可解释性问题目前仍未完全解决。本文认为,在未来的地面无人平台系统框架内,使用基于深度学习的目标检测识别方法,融合多种传感器感知信号,探索如何可靠地收集无人平台附近敌我车辆、人员、相关物体状况以及视距内的地理与气象环境信息,能够实现多元智能感知过程,构建智能复杂体系,为无人平台实现复杂战场环境感知理解,自主环境判定、自主行走、自主危险判定甚至威胁自动处置提供技术储备。同时,这也将是军队下一步智能感知理论方向的主要任务。