面向服务的作战辅助决策系统体系架构研究

基于面向服务的体系架构(SOA)的思想,设计了面向服务的指挥控制系统作战辅助决策系统的体系架构,从作战辅助决策过程服务化描述、服务运行管理、作战辅助计算建模、协同作战任务规划和作战过程实时监管等5个方面分析了面向服务的作战辅助决策需要解决的关键技术,为今后研制具有智能辅助决策功能的作战指挥控制系统提供技术参考。

作战辅助决策系统信息融合关键技术

作战辅助决策是当前提高作战指挥效能和效率的重要手段。为建立一个作战信息融合环境,辅助指挥员进行较为深入的作战决策问题探讨,以作战辅助决策信息融合系统为背景,分析了系统的体系结构及功能,并从三维地理环境模型的建立和智能人机交互两方面对系统实现的关键技术进行了研究。

面向服务的作战辅助决策系统体系架构研究

作战辅助系统是一个多功能的集成系统,包括了信息分析及处理,从而对指挥及决策提供相应的帮助。该文就面向服务的作战辅助决策系统体系架构研究做简要阐述,为系统的应用提供一定的参考。

作战辅助决策中的不确定性信息处理方法

根据作战辅助决策的过程,分别分析了对不确定性信息的处理方法。实践证明,该处理方法具有较高的实用价值,可用于作战辅助决策的参考。

作战辅助决策多智能体系统体系结构

针对现代战争中作战节奏越来越快、决策问题越来越复杂、越来越多的问题无法抽象成数学模型等特点,设计一种分层的基于多智能体的作战指挥辅助决策系统。系统分为决策层、决策辅助层和数据平台层,以通用信息处理平台为支撑,提供情报分析处理、方案评估、计划推演等功能,直接面向用户进行决策交互;并采用协同机制、驱动和知识学习机制等多智能体技术,确保系统反应快速灵活,决策实时正确,实现人机智能结合。

赛博作战辅助决策分析框架设计

通过分析赛博空间虚实结合、网络化和高速动态等特点,提出了赛博作战"两空、三域"的范围,以及作战目标可直接作用于信息域这一本质特征。在此基础上,得出赛博空间作战与传统空间作战的六大不同,并以此指出传统指控模式和手段在复杂性和时效性方面都无法满足赛博作战需求,赛博作战指挥必然向"人决策与机器决策并存"新模式转变。为了适应这一新模式,提出了扩展范围后的新赛博作战辅助决策分析框架,并对其对象、目的等内容进行了重新梳理,为开展赛博作战辅助决策研究奠定了基础。

作战辅助决策与军事系统工程

"作战辅助决策与军事系统工程"是中国系统工程学会军事系统工程专业委员会第十七届年会的主题。信息化条件下的联合作战,面临着复杂的电磁环境,而武器装备的多样性、制约战争的因素的不确定性,都使在战争中作出正确的决策异常困难。军事系统工程学界应当在军事系统复杂性、复杂电磁环境的构建和评估、军兵种作战能力评估等方面有所作为。通过加强作战实验论证、方法与技术的研究,促使军事系统工程在作战辅助决策方面的应用与创新决策。

作战辅助决策系统中作战模型开发与调用的研究

本文针对作战辅助决策系统中作战模型开发与调用存在的问题,提出了规范化建议,包括作战模型开发流程、开发准则、参数传递,作战模型测试与验收,以及作战模型调用流程、调用方式等,可为作战模型的开发与调用提供参考。

雷达兵作战指挥辅助决策系统的设计与实现

针对雷达兵作战指挥存在效率低、反应慢等问题,通过应用专家系统的基本理论和方法,提出了研制雷达兵作战指挥辅助决策系统的方案,重点论述了系统的基本组成、工作流程、主要功能以及实现的关键技术,最终实现雷达兵作战指挥的自动决策机制.

基于空间决策多智能体系统的海战场态势预测

分析并建立了一种基于多智能体系统(MAS)的海战场态势演变模型。模型设计了包括单舰、舰艇编队指挥舰和岸基指挥中心的3层智能体结构,利用一种基于"人工势场"的态势分析方法,做出空间决策,从而模拟出海战场态势演变的过程。给出了基于该模型的仿真实例。

军事分析仿真评估系统关键技术综述

动态性和不确定性是军事复杂系统的典型特征,准确分析和预测复杂系统的行为非常困难。军事分析仿真评估系统将仿真系统与实际指挥控制系统有机结合,为复杂系统提供更准确的分析、预测与控制方法,从而得到更可靠的结果,有效提高决策的灵活性和前瞻性,降低决策风险。设计构想重点从军事分析仿真评估系统,互操作性到在线决策系统方案设计三个方面详细研究了军事指挥控制实时决策支持领域中涉及的关键技术和核心概念,并对系统核心构件进行了原型设计。军事分析仿真评估系统的应用将在军事指挥控制实时决策支持领域发挥重要作用,并对社会政策和经济政策分析、公共突发事件的实时响应产生重大影响。

深度学习研究现状及在海战场指挥信息系统中应用展望

为更好地促进深度学习在海战场指挥信息系统中应用研究,明确主要发展方向,论文首先阐述了深度学习概念与内涵,归纳了深度学习技术体系,综述了深度学习在军民用领域研究与应用现状,然后总结了深度学习军事应用存在的主要问题并给出了解决建议,最后论文分析了海战场指挥信息系统智能化发展需求,并从目标识别、态势感知以及作战辅助决策等三方面对深度学习在海战场指挥信息系统中的应用前景进行了展望。

基于AdaBoost的潜射防鱼雷诱饵干扰效果预测研究

鱼雷来袭时,潜艇通常通过发射诱饵和规避机动进行防御。根据本艇、诱饵和鱼雷的相对态势,实时、准确地预判诱饵的干扰效果即鱼雷能否发现本艇,对本艇进一步防御决策具有重要意义。目前,基于经验的预测无法保证准确率的要求,基于在线仿真的预测无法保证实时性要求。对此,采用机器学习将该问题转化为典型的二分类问题,以本艇、诱饵和鱼雷的相对态势作为分类特征,通过离线仿真生成训练数据集,以错误率降低剪枝决策树(Reduced Error Pruning Tree, REPTree)作为基分类器,构建了基于自适应增强(Adaptive Boosting,AdaBoost)的诱饵干扰效果预测模型。实验结果表明,模型具有良好的鲁棒性和准确性。