不平衡数据下基于SVM增量学习的指挥信息系统状态监控方法

针对指挥信息系统历史状态样本有限的特点,基于支持向量机(support vector machines,SVM)设计了一种面向不平衡数据的SVM增量学习方法。针对系统正常/异常状态样本不平衡的情况,首先利用支持向量生成一部分新样本,然后通过分带的思想逐带产生分布更加均匀的新样本以调节原样本集的不平衡比。针对系统监控实时性要求高且在运行过程中会有新样本不断加入的特点,采用增量学习的方式对分类模型进行持续更新,在放松KKT(Karush-Kuhn-Tucker)更新触发条件的基础上,通过定义样本重要度并引入保留率和遗忘率的方式减少了增量学习过程中所需训练的样本数量。为了验证算法的有效性和优越性,实验部分在真实系统中获得的数据集以及UCI数据集中3类6组不平衡数据集中与现有的算法进行了对比。结果表明,所提算法能够有效实现对不平衡数据的增量学习,从而满足指挥信息系统状态监控的需求。

影响网在作战行动过程优选中的应用

影响网(IN)作为一种典型的概率网络建模方法,广泛应用于作战行动过程(COA)优选。首先,分析了IN相比于其他概率网络方法的优势,概述了基本IN在COA建模与生成中的应用;其次,从机制拓展和功能拓展两个角度出发,综述了拓展IN的研究现状;然后,分析了不确定性下的COA优选问题以保证其鲁棒性和适应性;最后,对基于IN的作战COA优选研究进行了展望。

难分类样本快速空中目标意图识别方法

针对不平衡难分类条件下空中目标群组意图快速识别的难题,提出一种基于滑动窗口估计的时空卷积自注意力网络模型的意图识别方法。该方法根据特征数据的特点对其使用滑动窗口的预先处理,通过时空卷积网络快速提取多维时序特征数据的流信息;然后采用自注意力机制捕捉每个特征数据的关键特征并优化权重。仿真结果表明该方法有效提升了不平衡样本中难分类样本意图识别的训练效率和分类的准确率。

基于层次任务网络的作战任务 系统功能映射方法

针对作战任务系统功能映射问题,建立了作战任务与系统功能的模型。基于任务/能力可以分解的特点,将映射问题转化为智能规划问题,并利用层次任务网络(hierarchical task network,HTN)方法对该问题进行求解。针对HTN规划器无法处理多属性输入的问题,基于递归的思想设计了任务分解算法,使得分解后任务转化的规划问题适配HTN规划器。针对多个映射方案的整合问题,基于邻接矩阵设计了多方案的整合算法,从而得到了满足任务需求的系统功能映射方案。仿真实验结果表明,所提方法能够有效实现作战任务到系统功能的映射。

基于领域BERT模型的服务文本分类方法

针对BERT模型领域适应能力较差,无法解决训练数据类别数量不均衡和分类难易不均衡等问题,提出一种基于WBBI模型的服务文本分类方法。首先通过TF-IDF算法提取领域语料中的词汇扩展BERT词表,提升了BERT模型的领域适应性;其次,通过建立的BERT-BiLSTM模型实现服务文本分类;最后,针对数据集的类别数量不均衡和分类难易不均衡问题,在传统焦点损失函数的基础上提出了一种可以根据样本不均衡性特点动态调整的变焦损失函数。为了验证WBBI模型的性能,在互联网获取的真实数据集上进行了大量对比试验,实验结果表明:WBBI模型与通用文本分类模型TextCNN、BiLSTM-attention、RCNN、Transformer相比Macro-F1值分别提高了4.29%、6.59%、5.3%和43%;与基于BERT的文本分类模型BERT-CNN、BERT-DPCNN相比,WBBI模型具有更快的收敛速度和更好的分类效果。

Holonic-C2组织资源调度问题研究

为了解决复杂多变战场环境下指挥控制(command and control,C2)组织资源调度敏捷性不足的问题,将Holonic控制理论引入C2组织的设计领域,研究Holonic-C2组织的资源调度问题。首先,对基于Holonic理论的C2组织Holon单元进行定义,给出Holonic-C2组织的基本结构;其次,对Holonic-C2组织的决策权限进行分析,给出决策模式的划分及确定方法;最后,研究在不同决策模式下Holon单元资源调度及针对不确定性事件的动态调度方法,建立集中与协作相结合的资源调度和调整机制。

网络信息体系联动的影响因素重要性等级评估方法

开展了网络信息体系联动的影响因素重要性等级评估问题研究。首先,描述了网络信息体系及其联动的概念,并从物理域、信息域、认知域和社会域4个方面提炼了网络信息体系联动的影响因素;然后,基于群决策理论,设计了联动影响因素重要度系数评估方法以及重要度等级映射方法,详细描述了评估方法中的领域专家群体意见一致性检验和权威度高且意见一致的领域专家子群体选取的方法步骤;最后,以典型案例仿真验证了所提出的网络信息体系联动的影响因素重要性等级评估方法的有效性和适用性。

有人/无人机协同作战系统C2结构和行动计划适应性设计方法

针对有人/无人机协同作战系统指挥控制(C2)结构和行动计划设计问题,基于粒度计算思想,提出分层适应性设计方法。将C2结构和行动计划适应性设计问题分解为平台编组方案生成、任务调度方案生成、平台编组方案调整和任务调度方案调整4个子问题,从而有效降低问题求解规模。首先,建立适应性设计框架;其次,对关键元素属性进行形式化描述;然后,详细分析子问题耦合关系;最后,给出了4个子问题的适应性设计方法。

基于能力满足度的网络信息体系武器装备发展路线评估方法

针对网络信息体系武器装备发展路线评估问题,提出了基于相邻阶段武器装备体系方案演化代价计算和武器装备体系发展路线综合效能计算的评估步骤。演化代价计算方面,提出了现有武器装备体系方案间增量和武器装备体系方案间增量的实现费用评估方法;综合效能计算方面,提出了周期内所有阶段武器装备体系能力满足度均值、方差以及演化总代价的计算方法,并构建了非线性优化模型。最后,通过仿真验证了所提方法的正确性。

空战场多分支态势仿真生成方法

针对空战场态势要素多、影响因素复杂和不确定性强的特点,提出了空战场环境下多分支态势仿真生成方法。该方法将空战场态势预测分为战场实时态势情报接收、敌方目标分群和多分支态势生成3个模块。首先,对态势信息进行收集、格式化及分类存储,为后续多分支态势生成奠定基础;然后,对敌方目标多维属性信息进行深层次抽象,从而将众多敌方目标分解成多个战术编队,达到降解态势分支生成复杂度的目的;最后,结合深度神经网络和贝叶斯网络等方法生成主分支及旁路分支,并对多分支态势进行规范化表征。通过案例分析可见,该方法可提前预测战场态势信息,为指挥员快速、科学地决策提供支撑。

考虑时域稳定性的军事信息系统运维性能评估

军事信息系统在信息时代体系作战中发挥的作用日渐显著,对其运维性能进行综合评估,有助于掌握军事信息系统整体运用情况。针对考虑时域稳定性的系统运维性能评估问题,通过构建“6+20”两级指标体系,建立了考虑时域稳定性的性能评估模型;随后基于综合主客观信息,采用拉格朗日乘子法确定最优指标权重,以方差值为优化目标确定评估时点权重,并在确定指标和评估时点权重基础上进行系统运维性能评估结果的生成;最后通过仿真算例,验证了所提出方法的有效性和可靠性,为军事信息系统运维性能评估提供方法支撑。

基于分层结构的C4ISR服务部署分布式演化方法

针对指挥信息系统(command,control,communications,computers,intelligence,surveillance and reconnaissance,C4ISR)服务部署分散、作战平台计算/存储资源有限、演化实时性要求高的特点,基于分层结构设计了系统状态分布式监控与演化总体架构,并在该架构下提出了一种服务部署方案层级动态调整方法。通过定义信息流转长度与方案调整代价设计了服务部署调整方案的数学优化模型,针对部署方案中同时包含服务部署位置和信息流转路径的特点,将成对交换思想、最短路径规划与m-best策略相结合提出了一种贪心求解算法,以实现调整方案的快速生成。实验证明,该方法能够在保证系统信息流转效能的同时有效控制系统的演化范围,适用于执行任务过程中服务部署方案的敏捷调整。

Holonic-C2组织决策分配及演化方法

为了有效发挥指挥控制(Command and Control,C2)组织集中式决策和协作式决策的决策优势,对具有决策权限动态变化能力的Holonic-C2组织的决策分配问题进行研究。针对群决策中专家固定权重的主观性太强的缺点,提出基于专家权威性和意见一致性相结合的专家组选择方法,提高了决策分配过程中多属性决策的客观合理性;针对决策分配的动态演化问题,提出基于多阶段决策的决策模式演化机制,在考虑属性前后阶段的变化的基础上,给出相邻阶段决策模式跃迁方法。仿真结果表明,所提方法能够给出相对客观的决策模式的优劣排序以及多阶段的演化路线,从而证明了方法的可行性和有效性。

语义驱动的作战资源服务聚类方法

针对SOA架构下指挥信息系统中作战资源服务池规模大、服务组织效率不高的特点,进行了服务组织聚类的研究。首先对作战资源进行属性分析,基于OWL-S描述规范对其进行服务化建模,形成作战资源原子级服务本体模型,实现云服务化;然后构建了作战资源服务聚类模型,并在遗传算法中将模拟退火方法和K-means方法相结合,提出了一种作战资源服务聚类方法;最后通过仿真与GS和GK算法进行了对比。实验结果表明,所提算法能够在可接受的时间内找到适应度值更高的聚类方案,且方案结果适应度值的标准差较低。该方法相比于GS与GK算法具有更好的寻优性与稳定性。

基于全局更新规则蚁群优化的决策实体配置问题求解方法

为解决战场C2组织中平台资源的聚类问题,首先定义了决策实体配置过程中的各个要素,然后以面向作战任务的形式从外部和内部两个方面定义了决策实体的工作负载,以工作负载的均方根(root mean square,RMS)为目标函数建立决策实体配置模型,将平台调度方案作为输入信息,采用基于全局更新规则的蚁群算法对问题模型进行求解,生成符合作战需求的决策实体配置方案。最后通过仿真算例对所提方法进行验证和分析,实验结果表明,该方法能够得到较好的平台聚类方案,在聚类结果和收敛速度两方面与传统方法相比均具有优越性。

样本不平衡下的空中群组意图识别方法

针对样本不平衡情况下空中群组意图识别问题,提出了一种基于注意力机制的双向门控循环单元网络空中群组意图识别方法。将空中群组的状态信息编码成时序特征,利用先验信息封装成样本标签,提出一种改进的边界合成少数过采样方法对少数类样本边界进行处理,以生成合适的样本集。通过双向循环机制提取空中群组目标时序特征的深层信息,并利用注意力机制为深层信息分配权值,以提高网络捕捉更具区分度特征的能力。实验仿真结果表明,所提方法在样本不平衡情况下空中群组的意图识别问题上有更好的分类效果和更高的训练效率。

基于rollout策略下的决策实体配置问题求解方法

针对传统层次聚类法采用贪婪策略的聚类过程可能无法达到聚类效果最优的情况,提出了一种基于rollout策略下的层次聚类法对所得聚类方案进行优化改进。分析了聚类过程中决策实体、平台与任务之间的关系以及约束条件,以作战任务的执行时间作为工作负载测度,建立以决策实体工作负载的均方根(root mean square,RMS)为目标函数的问题数学模型,以任务与平台的分配关系作为输入信息,在基于最小RMS值的平台合并准则下采用rollout策略对层次聚类法的每层聚类进行优化,得到平台与决策实体的优化配置关系。最后通过联合作战仿真算例和一般算例进行仿真分析,验证了该方法的可行性和优越性。

基于软件定义网络的抗毁网络仿真

为了在网络毁伤时能迅速恢复通信,提出一种基于软件定义网络的抗毁网络技术。通过抗毁控制器实时感知网络毁伤情况,重新规划端到端传输路径,实现网络抗毁恢复。同时,提出了最短路径恢复和最快速度恢复2种算法。仿真试验表明,2种算法具有恢复速度快和恢复能力强的特点,可降低网络毁伤对上层传输的影响。

Formation and adjustment of manned/unmanned combat aerial vehicle cooperative engagement system

Manned combat aerial vehicles （MCAVs）, and un-manned combat aerial vehicles （UCAVs） together form a cooper-ative engagement system to carry out operational mission, whichwill be a new air engagement style in the near future. On the basisof analyzing the structure of the MCAV/UCAV cooperative engage-ment system, this paper divides the unique system into three hi-erarchical levels, respectively, i.e., mission level, task-cluster leveland task level. To solve the formation and adjustment problem ofthe latter two levels, three corresponding mathematical modelsare established. To solve these models, three algorithms calledquantum artificial bee colony （QABC） algorithm, greedy strategy（GS） and two-stage greedy strategy （TSGS） are proposed. Finally,a series of simulation experiments are designed to verify the effec-tiveness and superiority of the proposed algorithms.

MAV/UAV task coalition phased-formation method

The formation of the manned aerial vehicle/unmanned aerial vehicle(MAV/UAV) task coalition is considered. To reduce the scale of the problem, the formation progress is divided into three phases. For the task clustering phase, the geographical position of tasks is taken into consideration and a cluster method is proposed. For the UAV allocation phase, the UAV requirement for both constrained and unconstrained resources is introduced, and a multi-objective optimal algorithm is proposed to solve the allocation problem. For the MAV allocation phase, the optimal model is firstly constructed and it is decomposed according to the ideal of greed to reduce the time complexity of the algorithm. Based on the above phases, the MAV/UAV task coalition formation method is proposed and the effectiveness and practicability are demonstrated by simulation examples.