基于熵权的装备保障辅助决策系统效能评判

装备保障辅助决策系统是辅助装备保障指挥员顺利完成装备保障任务的重要手段,其效能优劣极大地影响到作战结果.在辅助决策系统的概念基础上,分析了装备保障指挥的特点,建立了包含决策的合理性、系统的时效性、硬件可靠性等十个指标的评判体系,利用熵权法得出评判指标体系的熵权,给出了系统的综合评判模型.最后通过实例验证了该模型的可行性和实用性.     

装备研发与制造一体化物资供应支持系统研究

首先分析了研发与制造一体化技术是适应武器装备柔性化制造需求的先进制造技术,然后介绍了装备研发与制造一体化技术的涵义和体系结构,分为以研发为中心的研发与制造一体化技术和以制造为中心的研发与制造一体化技术。最后详细研究了其中的物资供应支持系统及其体系结构。     

双枝模糊评判在舰炮性能评估中的应用

针对舰炮武器性能指标,运用双枝模糊决策方法对舰炮武器性能进行综合评估。该方法提出了新的论域[-1,1]使评估更能符合人的思维逻辑,能够客观的对舰炮性能进行评估,通过对多中舰炮的具体参数指标进评估,得出各种舰炮的性能优劣的排序,具体的数学模型仿真表明,对舰炮武器性能的评估是行之有效的。     

装备维修辅助决策中的模型库设计

在综合检测平台检测数据和装备日常使用维修登记信息的基础上,开发了装备维修辅助决策支持系统。主要研究面向对象的模型库系统,设计模型库的存储结构,在该结构中模型程序库文件、模型字典库和决策源数据相对分离,运行时动态调用。同时还规划了模型库管理系统的运行管理机制和流程。     

坦克嵌入式车场射击训练炮长操纵控制模型

在嵌入式射击模拟训练系统中,针对炮长操作过程对模拟训练的影响,建立了炮长操纵控制模型。炮长操纵控制模型包括炮长操纵模型和炮长射击决策模型。炮长操纵模型的建立是基于装备的物理模型和人的生理反应模型。炮长射击决策模型根据坦克射击教范要求,采用与/或正向演绎推理得到。在炮长操纵控制模型基础上,建立了射击反应时间模型,并与实际装备操作进行了比较,对建立的操纵控制模型进行了验证。     

基于组合熵权的联合作战目标选择模型研究

针对作战中目标选择与排序问题,分析确定了8种在联合作战条件下影响目标选择关键因素。在此基础上应用多属性决策理论,以组合熵权系数确定指标权重,建立了目标选择模型。模型简洁易于实现,并且在决策中有效减少了主观随意性。最后通过仿真实例说明了模型的有效性和可操作性。     

LDPC-Coded MIMO-OFDM系统的一种判决反馈信道估计算法

研究了LDPC编码在MIMO-OFDM系统中的应用,提出了基于LDPC编码的MIMO-OFDM系统的一种改进判决反馈信道估计算法,该算法一方面利用多步预测和干扰对消技术改进了判决反馈算法的精度,另一方面利用空时解码后的序列和LDPC译码后的序列进行了两级反馈信道估计。该算法在利用LDPC码优异的低误码性能改善信道估计精度的同时,有效地改进了LDPC帧过长导致时变信道条件下的信道估计不精确的问题。     

空战机动决策方法研究

在阐述空战机动决策作用的同时 ,分析对比了几种常用空战机动决策方法 :矩阵对策法、专家系统法、神经网络法和微分对策法等 ;在此基础上引入了一种新的空战机动决策方法——决策影响图法 ,并对其具体应用作了探讨。     

多属性模糊决策对舰炮射击目标优选

舰炮在现代高科技条件下海战中承担着重要的作战使命和任务,它能否完成被赋予的作战使命和任务,射击目标的优选起着决定性作用.为解决舰炮射击目标优选、决策问题,研究分析了多属性模糊决策方法,以及影响舰炮射击目标优选的因素,提出了多属性模糊决策方法的数学模型和求解最优射击目标排序的新方法.该方法在舰炮射击目标优选中的应用实例表明:通过定量和定性相结合,专家判断和信息处理相结合的多属性模糊决策方法对舰炮射击目标优选、决策具有一定的借鉴意义.     

A sequential partial information bomber-defender shooting problem

A bomber carrying homogenous weapons sequentially engages ground targets capable of retaliation. Upon reaching a target, the bomber may fire a weapon at it. If the target survives the direct fire, it can either return fire or choose to hold fire (play dead). If the former occurs, the bomber is immediately made aware that the target is alive. If no return fire is seen, the true status of the target is unknown to the bomber. After the current engagement, the bomber, if still alive, can either re-engage the same target or move on to the next target in the sequence. The bomber seeks to maximize the expected cumulative damage it can inflict on the targets. We solve the perfect and partial information problems, where a target always fires back and sometimes fires back respectively using stochastic dynamic programming. The perfect information scenario yields an appealing threshold based bombing policy. Indeed, the marginal future reward is the threshold at which the control policy switches and furthermore, the threshold is monotonic decreasing with the number of weapons left with the bomber and monotonic nondecreasing with the number of targets left in the mission. For the partial information scenario, we show via a counterexample that the marginal future reward is not the threshold at which the control switches. In light of the negative result, we provide an appealing threshold based heuristic instead. Finally, we address the partial information game, where the target can choose to fire back and establish the Nash equilibrium strategies for a representative two target scenario.