C2组织决策实体配置问题建模与求解方法

针对指挥控制组织设计中决策实体的配置问题,提出了一种问题的配置模型及其求解方法。在分析传统决策实体配置模型不足的基础上,采用了作战任务执行时间来测度决策实体工作负载,建立了以全部决策实体工作负载的均方根(root mean square,RMS)最小为目标函数的问题数学模型。提出了基于最小RMS合并规则的层次聚类方法的问题求解思路,给出了该方法的具体步骤和流程。最后结合联合作战仿真算例中一个任务-平台的调度方案,验证了所提方法的有效性和优越性。

基于知识约束的决策实体配置问题建模与求解

针对指挥控制组织设计中决策实体的配置问题,提出了在知识约束条件下该问题的数学模型及其求解方法。分析了该问题的约束条件,包括该问题的知识约束、隶属约束、能力属性约束等,建立了以最小化决策实体工作负载均方根为目标的优化模型,提出了基于遗传算法的模型求解算法,设计了针对问题模型的染色体编码方式、适应度函数以及遗传算子。最后结合联合作战仿真算例中一个任务与平台关系的设计方案,验证了所提方法的可行性和稳定性。

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。

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。