舰炮目标毁伤判定与毁伤效果仿真研究

舰炮对目标毁伤的判定与毁伤效果仿真是舰载作战系统仿真训练的重要组成部分,作为连接舰炮射击与目标毁伤的中间环节,它实现了对目标毁伤状态的判定,以及目标毁伤效果的仿真反馈,从而仿真训练系统中其他仿真成员,以及各型侦察模拟设备可以发现并判定目标毁伤状态,为作战指挥人员进行作战指挥决策提供目标毁伤信息,为参训职手提供更为实战化的仿真训练环境。在简述舰载作战系统仿真训练系统的基础上,重点探讨了基于毁伤概率表和弹目交会的舰炮毁伤判定方法,并简述了目标毁伤效果仿真方法。     

基于改良云模型的舰艇防空威胁评估

为了解决现有威胁评估模型存在不足,快速准确地对来袭空中目标进行威胁排序,提出了一种基于改良云模型的评估方法。针对舰艇防空作战目标特点,选取作战指标进行量化,对不同的定量指标和定性指标,分别采用离差最大化和改良云模型进行处理和赋权,通过Hamming距离计算贴近度,最后进行威胁综合排序。实例验证表明:该方法可以有效避免传统方法中人为确定各威胁指标权重的主观性,同时对定性指标的有效处理提高了评估准确性,为舰艇防空作战威胁评估提供了一条有效途径。     

云模型改进惯性权重的混沌交替粒子群算法

标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。     

基于激励机制的装备采办风险总量控制

针对装备采办中的风险总量控制,提出一种激励方式来提高承包商的积极性。在单目标风险控制模型的基础上,建立了多目标风险控制模型,推导出了激励机制下风险控制的最优合同公式。对激励机制中存在的两类错误进行了理论分析和实例验证,得出了两类错误对收益的影响,并在成本控制中得到了应用,有效地提高了装备采办的质量和效率,为军方决策者在装备采办中提供了合理的参考依据。     

基于效果的装备保障合同商选择方法

基于效果的合同商装备保障是将基于效果的维修理念应用于合同商装备保障领域提出的一种装备保障策略,更加关注装备的作战效能,同时对合同商提出了更高要求,因此,选择恰当的合同商对于实现预期结果显得更为重要。而合同商选择是一个多准则决策问题,很大程度上依赖于决策者和决策条件状态的不确定性和模糊性。构建了一个基于效果的合同商选择系统流程,并提出了基于相似度的模糊TOPSIS法,简化了计算流程,最后通过一个具体案例来验证该方法的有效性。     

基于AdaBoost-SVM的P2P流量识别方法

针对传统的P2P流量识别技术存在识别率低和误判率高的缺点,将机器学习中Ada Boost算法的良好分类能力和SVM的泛化能力结合起来,提出一种基于Ada Boost-SVM组合算法的P2P网络流量识别模型,将SVM作为Ada Boost的基分类器,运用最小近邻法计算支持向量与训练集的样本间的距离实现分类进行P2P流量识别。最后,以4种P2P流量数据为研究对象在MATLAB上进行仿真,仿真结果表明,提出的Ada Boost-SVM的组合算法在P2P网络流量的分类性能和分类准确率上都优于单纯的Ada Boost和SVM,组合算法的P2P流量平均识别率高达98.7%,远高于Ada Boost和SVM的识别率。     

合成分队双层主从决策模型研究

针对合成分队不同指挥层级之间的决策交互优化问题,提出了基于主从决策的双层武器目标分配模型。该模型能够体现上下指挥层级之间交互式决策协调优化的特点:上层目标为主攻方向我方遭受威胁最小,下层目标为对敌打击最大。结合合成分队作战决策的特点和要求,提出了一种求解该模型的改进型粒子群优化算法。仿真结果表明,该模型合理有效,改进的求解算法能够获得满意解。     

基于ADC方法的通信装备保障效能评估

针对通信装备保障系统能力的评估问题,基于对经典评估算法的分析和对通信装备保障能力组成要素的研究,采用效能评估中经典并且目前常用的ADC方法,对通信装备保障系统能力进行效能评估建模与分析,确定了通信装备保障系统主要的能力指标以及影响因素,为通信装备保障系统及其组成装备的效能评估研究奠定基础、提供参考。通过对通信装备保障能力评估的研究,可以揭示构成通信装备保障能力诸要素间的本质联系,明确通信装备保障水平,提高通信装备保障能力。     

基于参数自适应CS模型的机动目标跟踪算法

为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。     

基于Epsilon-Nash策略的动态武器-目标分配方法

在大型任务规划软件的作战单元任务分配中,搜索零和博弈问题的纳什均衡点是求解任务分配的一种有效的方法。然而,纳什均衡点在决策中并不一定总是存在且唯一,这造成了纳什均衡策略在实际使用时具有较大的局限。通过采用Epsilon-Nash策略克服这种局限,并将其应用于自主空战任务规划系统中,通过仿真实验,证实Epsilon-Nash策略具有近似于纳什策略的效果。