试论对抗模拟的基本原理

对抗模拟是作战模拟中的一种重要方法,文章就其基本原理作了系统深入的探讨.通过中外专家的论述,阐述了对抗模拟概念的关键要素.通过对信息流动的分析,进一步剖析了对抗模拟的内涵.对抗模拟这种作战模拟形式具有仿真性、拟剧性、博弈性和不可重复性等特征.按照层次、信息提供的方式、结果评价的方式、实施的方式、运用的工具以及地域等区分了不同类型的对抗模拟.对抗模拟需要的关键仿真技术包括分布交互仿真、人工智能、虚拟现实以及信息网格等方面.     

树状军事通信网中的文件传输优化算法

针对树状军事通信网中的文件传输优化问题,提出了一种有效的寻找最优的树图边着色算法,该算法保证了边着色后的树图中"延迟损耗"总和最小,并由求取最小"延迟损耗"的反向推导过程得到最优的树状通信网文件传输方案.算法的计算复杂度是,其中为顶点数,为树的最大度.     

军事网格与Agent Grid研究综述

在简要介绍通用网格概念和发展的基础上,着重对军事网格和Agent Grid进行了研究和分析.介绍了美军军事网格发展历程中4个具有代表性的网格研究项目,展现了当前军事网格研究的现状和未来的发展趋势.以CoABS Grid项目为研究背景,分析了Agent Grid的基本特点和相关的主要观点,着重探讨了Agent和Grid技术的融合,以及Agent Grid与MAS的关系,最后总结提出了Agent Grid研究的技术要点.     

面向信息对抗的C4ISR系统作战效能评估指标研究

评估指标的确定、量化是C4ISR系统效能评估过程的一个重要环节,其结果将直接影响效能评估的正确与否.C4ISR系统的作战效能主要通过在战场上获取信息优势和决策优势来体现,针对这一特点,构建了以信息优势能力和决策优势能力为基础的C4ISR系统作战效能评估指标框架,并提出了信息优势能力和决策优势能力的量化方法,最后合成了信息对抗下的C4ISR系统作战效能.该文对信息化战争中C4ISR系统作战效能的研究具有一定参考价值.     

军用安全模型扩展及其应用

在分析基于格理论的信息流控制军用安全模型在实际应用中存在的不足的基础上,从安全类定义和信息流控制策略两个方面对原模型进行了理论扩展和安全性分析.扩展模型安全类在作为对象和主体时具有相同的表达方式,以及在保持原模型信息流关系情况下,允许同职权等级用户交流他们共知的信息,以及高职权等级用户访问低职权等级用户他们之间共知的信息.以数字文档安全管理系统为例对扩展模型应用进行了描述.实例表明扩展模型更适合实际系统对信息流控制的要求.     

多分辨率建模及其军事应用

多分辨率建模是分布交互仿真中极其关键的技术,建模目的是根据情况需要动态改变分辨率,提高模型或模拟的灵活性和伸缩性,有效解决模拟复杂性与资源有限性等矛盾.介绍了当前多分辨率建模的主要方法:聚合-解聚法、一体化层次法和视点选择法.每种方法有各自的优缺点.多分辨率建模的难点主要是基础理论、一致性问题和应用研究等问题.     

"网络中心战"中的美国海军C4ISR系统效能评估

随着美国海军"网络中心战"从设想开始走向现实,对其C4ISR系统的效能进行评估并分析其对作战效能的影响,具有重要的理论和现实意义.通过分析影响C4ISR系统效能的相关因素,利用图论、信息论和复杂性理论的原理,建立了C4ISR系统效能评估方法,研究了信息、网络、作战流程等因素对作战效能的影响,并建立了数学模型;以美军航母战斗群空袭作战为例,比较了"平台中心战"和"网络中心战"两种作战方式中C4ISR系统的效能.     

网络中心战概念及其体系结构模型

介绍了美、英、澳等军事大国在网络中心战领域的研究状况,阐释了制信息权的概念,给出了网络中心战的定义.分析了美军在<2020年联合构想>中确认的核心作战概念,详细阐述了网络中心作战的顶层概念框架及顶层概念到第二层的映射关系.介绍了网格技术,提出了网络中心战网格模型的立体结构和平面结构,最后总结了对这一领域研究的重要意义.     

网络中心战中的协作及其量化模型研究

协作是网络中心战的原则之一.协作的概念及其量化模型是目前网络中心战研究中的一个热点.在详细解释了信息时代中协作的概念基础上,分析研究了协作的维以及网络中心战中的信息域和认知域的协作,指出协作既有利也有弊.进而,将协作的影响简化为协作对完成作战任务的时间上的影响.利用信息熵量化了协作带来的"正影响",利用Logistic方程量化了协作带来的"负影响",综合这两种影响给出了简化的协作量化模型.最后指出了该模型适用于量化诸如防空作战中的协作等时间关键的协作.     

基于用户相关反馈的排序学习算法研究

在信息检索中,系统需要根据用户查询将文档按照相似度大小进行排序,吸引了众多信息检索和机器学习领域研究者的眼球,并形成了诸多排序算法模型。然而并未考虑到查询短语与文档构成的特征对与用户相关反馈之间存在的同质性。在机器学习算法基础上,通过提取训练样本的主要特征进行有效聚类,并结合用户的相关反馈获取各个类中相关度判断的置信值,形成相似度判定模型,应用该模型来对测试样本进行相关度排序。算法对LETOR数据集进行了测试,实验表明,信息检索性能指标比其他排序算法有了进一步提高,并且无需复杂的数据预处理工作和手动设定算法参数。