基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。     

虚拟物理人工智能多粒度水下态势感知研究

在分析水下多平台集群可变粒度态势感知发展的基础上,研究了多粒度水下态势感知的体系范畴提升及时空演进同步问题,提出虚拟物理人工智能多粒度水下态势感知原理及方法。通过内嵌多物理知识和上下文情景模型的动态虚拟物理神经网络,以时空数据与情景信息为驱动,实现了跨领域多粒度水下态势感知及跨时空同步态势演进分析,为有效遂行水下攻防对抗任务提供协同智能决策支持。理论分析及数值结果表明,多粒度水下态势感知及其同步态势演进分析可以通过有效融合集群资源,增强信息优势并动态优化所涵盖的功能领域和时空规模。所提出的原理及方法可为水下立体攻防体系的构建和发展提供理论依据与技术参考。     

多空域窗射击技术研究

未来空域窗射击体制相对集火射击体制,提高了对机动目标的拦截概率,能够对付有限机动目标,然而依然难以对付具有高度机动能力的目标,尤其是有人驾驶飞机,如果在射弹飞行时间内进行拐弯、爬升、俯冲等强机动.为了进一步提高对目标的拦截概率,提出了多空域窗射击体制,即在传统火控系统中增加目标实时态势估计模块,实时预测目标在射弹飞行时间内的可能机动模型,并根据预测结果进行多个未来空域窗射击.     

基于贝叶斯网络的态势认识

态势认识的本质是通过因果推理进行态势理解和诊断推理以实现态势预测,不确定性知识表示和推理是态势认识过程中需要解决的两个重要问题。基于贝叶斯网络易于进行不确定性推理的优点,综合应用贝叶斯网络因果推理和诊断推理,提出了态势认识的贝叶斯网络模型,应用贝叶斯网络信息传播算法,给出了态势认识系统实现的方法,并通过实例计算论证了该方法的可行性和实用性。     

事件

美国公布《核态势报告》 美国国防部长盖茨4月6日召开新闻发布会,公布《核态势报告》,宣布美国将削减核武器、停止发展新核武、降低核武器在国家安全战略中的作用,但并未承诺不首先使用核武器。报告显示,美国承诺只在最极端的情况下考虑使用核武器保护本国及盟友安全。核武器在美国安全战略中的“唯一作用”将是威慑别国不对美国及其盟友实施核打击。     

基于机器学习的联合作战任务筹划模型

战争复杂性日益提高,快速完成作战任务筹划对于提高指挥效率至关重要。提出了联合作战任务矩阵分析模型,为作战任务筹划提供了一种理论方法;以此为基础,构建作战任务-支撑要素-威胁要素信念网络模型;设计了信念网络关键参数的贝叶斯学习方法,采用想象力机制来提高算法在自博弈学习中的收敛速度;给出了一种深度最小威胁生成树搜索算法,该算法能够通过平衡搜索误差和搜索速度,高效完成任务优先级排序。最后,通过仿真实验验证了上述模型和算法的有效性。     

文化媚俗之忧

只要你留心就会注意到 ,如今有很多刚面世的影视、歌曲和文学作品已很难再激起观众和读者的兴趣了 ,呈现出一种“腐化”态势。这不能不令人堪忧。君不见 ,影视剧“戏说”不断 ,武打盛行 ,“情”有独钟。诸如宫廷秘史 ,帝王将相 ,侠客武义 ,才子佳人 ,名人情变……大多是刚看了头就猜出了尾。不少“鸿篇巨制”更是胡编乱造 ,仓促上马 ,质量低劣。前些年拍摄的万余部电视剧中 ,有相当多的连成本也难以收回 ,有上千部直接被压库尘封。歌曲的内容不是似曾相识的颠来倒去的那几句词 ,就是哥呀妹呀恨呀爱呀。阅读小说散文 ,不是名人自传的个人隐私…     

美国核威慑战略咄咄逼人——评美国《核态势评估》秘密报告

美国是世界上第一个制造出原子弹,并第一个使用原子弹袭击别国的国家,也是世界上到目前为止,唯…使用过核武器的国家。美国在核武器技术的先进程度和核武器拥有的数量、质量上,一直处于世界领先地位。几十年来,美国在争霸世界和对外扩张中,始终奉行核威慑战略,用其无与伦比的核力量恫吓别国,以达到其侵略扩张、称霸世。