决策中心战的能力需求与技术支撑

为重建长期战略优势,美国率先提出的决策中心战作战新概念已经成为世界各军事强国的关注热点。分析了决策中心战的提出背景和原因,从深化认知决策优势和作战复杂性等方面剖析了其内涵机理,认识到强大的网络通信能力的支持是实现马赛克战或分布式控制的重要能力需求。在此基础上,重点分析了决策中心战在战役战术层6个方面的能力需求,并提出了未来支撑这些能力形成的先进技术,有助于全面把握以“决策中心战”为代表的新军事理论体系的构建与实践运行,为我军智能化建设提供借鉴。

面向多目标优化火力目标分配问题的前瞻式边际贪婪算法

针对现有面向多目标优化的火力目标分配(weapon target assignment,WTA)问题的求解算法相对较少、有关算法的求解效能不稳定等特点,提出了前瞻式边际贪婪构造(look-ahead margin-greedy constructive,LAMGC)算法。首先,对火力目标分配问题的多目标优化模型进行了深入分析,通过定理证明优化了LAMGC算法的求解效率;然后,明确了LAMGC算法具体的求解步骤,分析了算法计算复杂度;最后,以超体积和计算时间为评价指标,通过实验验证了LAMGC算法的合理性和有效性,LAMGC算法很好地满足了轻量型智能作战平台的使用需求。实验数据显示,相比于求解此类问题的有关算法,LAMGC算法具有更高的求解效率、求解质量和求解稳定性。

面向海域监测的卫星信息在线融合方法

航道安全是我国建设21世纪"海上丝绸之路"的关键。为有效应对海域中的不安全事件,需要利用对地观测卫星建立海域监测系统。由于环境和人为的影响,基于单个卫星遥感器的信息具有较大的不确定性。设计了一种基于神经网络的学习型卫星信息在线融合方法,提高海域监测系统的效能。该方法通过离线学习方式建立融合模型,并且具有重调整机制,能够根据融合评估结果修正融合模型,适应环境和目标特征的变化。通过仿真实验进行了参数优化,证明了融合方法的有效性。