基于神经网络和遗传算法对反装甲目标威胁度评估研究

针对威胁度估计问题和装甲车辆在战场上的实际情况,运用神经网络和遗传算法理论探索反装甲目标威胁度评估问题。基于BP神经网络模型的算法,利用神经网络良好的自适应能力和遗传算法强大的全局搜索能力,通过样本数据训练,提高了威胁度估计的准确性和适应性。经过验证该算法能够有效反应出反各种反装甲目标的威胁度,其稳定性、精确性也比较高。     

改进型部队综合战斗力指数评估方法与模型

针对传统的部队综合战斗力指数评估方法中出现的计算结果与实际结果有较大偏差的问题,分析了其产生的原因,然后根据“综合战斗力指数”及其相关概念的定义,对“火力指数”、“生存力指数”及“机动力指数”等概念的内涵和外延进行了新的界定,并进一步通过对部队作战能力的构成及因素分析,提出了部队综合战斗力指数评估方法,建立了相应的模型。     

基于组合赋权和直觉模糊集的合成营作战能力评估

针对评估指标权重未知、各时段权重信息已知的合成营动态作战能力评估问题.从作战要素的角度建立评估指标体系,利用组合赋权法获得评估指标的权重信息,最后在传统VIKOR方法思想的基础上,结合直觉模糊数的计算法则,利用直觉模糊加权平均算子(IFWA)对多个时段的评估结果进行集成,进而对每个合成营的作战能力进行评估.其结果与利用TOPSIS方法获得的结果进行比较,验证了该模型的可行性,为合成营作战能力评估提供一种新的思路.