舰艇编队防空动态目标武器分配优化模型

根据舰艇编队对空防御指挥决策中目标武器分配的动态性特点,建立了动态目标武器分配的模型。通过与传统静态目标武器分配结果的比较,由于综合考虑了本周期分配方案对后续周期分配方案的影响,动态目标武器分配模型所得出的结果更为科学合理。该模型可以为编队防空指挥决策系统提供一定的借鉴和参考。

动态武器目标分配问题的研究现状与展望

动态武器目标分配(DWTA)是现代指控系统亟待解决的重要理论问题,由于时间因素和随机事件的影响,使得解决该问题的复杂程度进一步增加。在介绍DWTA问题研究基本内容的基础上,重点归纳和分析了目前解决DW-TA问题的一系列方法,包括分阶段求解法、马尔可夫决策过程及anytime算法等,提出了现阶段对于DWTA问题研究的不足和未来尚需解决的问题,并指出在充分考虑时空约束的基础上,寻求一种具有任意时间特性且能灵活处理随机事件的智能算法是解决DWTA问题的有效途径。

动态武器目标分配问题的马尔可夫性

动态武器目标分配(weapon target assignment,WTA)问题是军事运筹学研究的重要理论问题,也是作战指挥决策中迫切需要解决的现实问题。在对动态WTA问题进行描述分析的基础上,运用随机过程理论证明了动态WTA过程的马尔可夫性;给出了该马尔可夫决策过程的状态转移概率的解析表达式,并对其状态特点进行了简要分析。研究结果可以为动态WTA及相关问题的研究提供理论和方法依据。

SVNTS算法的动态武器目标分配问题研究

动态武器目标分配(Weapon Target Assignment,WTA)问题是军事运筹学研究的重要理论问题,也是作战指挥决策中迫切需要解决的现实问题。运用约束规划方法建立了动态WTA问题的约束满足问题(ConstraintSatisfactionProb-lem,CSP)模型。提出了随机变邻域禁忌搜索(StochasticVariableNeighborhoodTabuSearch,SVNTS)算法对模型进行求解。与静态WTA模型相比,动态WTA模型通过时间优化以及匹配优化解决了武器射击时机问题,提高了武器利用效率。SVNTS算法运算速度快,解的质量基本令人满意,可用于解决较大规模的动态WTA问题。最后通过仿真实验,验证了模型和算法的有效性。

坦克会战中动态武器—目标分配问题求解方法

动态武器—目标分配(DWTA)是坦克会战中取得战斗胜利的关键。建立了坦克战中DWTA模型,并提出了它的一种简单求解方法。实验结果表明求解方法是有效的。

合成分队动态武器目标分配协同决策模型

针对合成分队地面作战特点,提出了一种动态武器目标分配的协同决策模型,该模型基于一种自适应决策中心的协同决策体系结构,以战场信息共享为核心,实现动态火力协同优化分配。提出了针对战场应急目标的一种快速火力分配方法,提高火力整体打击效率的火力适度分配优化方法,适应战场态势动态变化的anytime终止控制方法。仿真实例表明,该模型能够满足合成分队火力动态分配的需求,提高动态武器目标分配决策的合理性和科学性。

基于最小资源损耗的武器目标动态分配

传统的以联合毁伤概率最大或被打击目标总期望生存值最小作为武器目标分配函数容易造成武器过饱和攻击,导致资源浪费。针对该问题,将对来袭目标的毁伤概率作为约束条件,以资源损耗最小为优化目标建立模型,并设计了动态变化的武器弹药资源量化描述。在武器目标动态分配过程中,针对时空约束对分配的影响,设计了基于资源损耗最小的武器目标动态分配算法。仿真结果表明:该算法在对时空约束和随机事件的处理时,操作简单、易于编程实现。

基于随机时间影响网络的联合火力打击动态武器目标分配问题研究

动态武器目标分配问题是联合火力打击亟需解决的重难点问题。针对敌目标能力丧失对我使命任务达成的支撑作用难以量化描述的问题,引入随机时间影响网络合理分析打击目标与使命任务之间的复杂因果影响关系,从而实现使命达成效果的非解析表达。综合考虑使命达成概率最大化、剩余战斗力最大化、行动时长最小化等原则,从主客观、时空间、敌和我等多个角度全面深入分析动态武器目标分配问题约束条件,构建了联合火力打击动态武器目标分配问题数学模型。最后结合远程精确对海打击作战案例,通过仿真对比实验检验了方法的可行性和有效性。

事件驱动的动态武器目标分配研究

动态武器目标分配(Weapon Target Assignment,WTA)问题是军事运筹学研究的重要理论问题,也是防空作战中迫切需要解决的问题。根据防空作战中事件对动态WTA问题的影响,提出了基于事件驱动的动态WTA的改进蚁群算法。通过处理事件,动态地调整蚁群算法的参数,使武器目标分配方案反映事件的影响,并根据当前最优解确定目标的射击时机。改进蚁群算法运算速度快,解得质量基本令人满意,可用于解决较大规模的动态WTA问题。仿真实验表明了算法的有效性。

基于SDP的动态武器目标分配决策算法研究

武器目标分配是水面舰艇防空反导作战指挥决策的核心环节,决策结果的优劣直接影响了防空反导作战的最终防御效果与水面舰艇的生存能力。针对当前武器目标分配算法较少考虑拦截结果的不确定性和多梯次拦截的序贯分配需求,难以适应战场动态变化的问题,设计一种基于随机动态规划的动态武器目标分配决策算法。通过进制变换编码并计算目标状态和武器状态的变化规律,基于战场态势转移概率采用逆向迭代算法生成序贯拦截方案。最终精确求解面向多梯次拦截的动态武器目标分配最优策略,回答“谁来打”“打多少”和“何时打”的水面舰艇防空反导作战决策问题。通过算例验证和数值仿真表明,使用该算法能够获得比静态武器目标分配算法更好的拦截效能,在最好情况下能够降低空中来袭目标72%的威胁期望。

基于改进多目标简化群优化算法求解动态武器目标分配问题

针对动态武器目标分配算法中计算耗时较长,在动态多目标条件下应用智能算法时普遍存在求解效率低的问题,提出一种多目标简化群优化算法。该算法将简化群优化算法扩展到多目标领域,将全变量更新机制与谐波步长策略相结合,来平衡算法的探索和开发能力,将算法与其他算法用多目标优化测试函数进行多样性和收敛性对比测试分析。实验结果表明,该算法在求解多样性和收敛性上有一定优势,应用于动态武器目标分配问题求解,具有良好的计算效率和求解精度。

空陆攻防博弈的动态武器目标分配

大规模作战具有高动态、非完全信息和不确定性,在分析归纳目前解决动态武器目标分配问题的一系列方法的基础上,尝试构建基于双方动态博弈的攻防对抗综合数学模型,并利用纳什均衡和帕累托最优算法进行分阶段求解。结果表明,该数学模型和博弈论方法结合能够有效解决武器目标动态分配问题。

动态武器目标分配问题的现状与进展

武器目标分配的目的是得到多武器平台针对多目标的协同攻击方案,以最大化作战效能。动态武器目标分配是一个重要研究方向,由于考虑了时间因素以及随机事件的影响,解决这一问题较为复杂。本文在介绍动态武器目标分配研究的基础上,归纳和分析了基于防御资产损失最小、突防目标威胁最小、最大化目标毁伤等的武器目标分配模型,介绍了目前应用于武器目标分配问题的几种常用算法,最后对动态武器目标分配的未来发展方向进行了展望。

基于多目标鲸鱼优化算法的动态武器目标分配

针对传统动态武器目标分配模型以武器打击收益最大化为目标,考虑过于单一,并且现有智能算法在求解该模型存在收敛精度低的问题,提出一种非支配排序多目标鲸鱼优化算法(non-dominated sorting multi-objective whale optimization algorithm, NSMWOA)求解动态武器目标分配模型。首先为提高初始解的质量,引入2次logistic映射初始化种群,合并父代与子代个体,通过计算个体的非支配等级和拥挤度大小对个体进行排序,其次为筛选优秀个体,实验结果表明,在与NSGA-Ⅱ和MOPSO算法的对比中,非支配排序多目标鲸鱼优化算法函数测试中的得出Pareto前沿更接近真实Pareto前沿,寻优精度更高,在动态武器目标分配模型中,能够得出更优的分配方案。

基于Memetic算法的动态武器目标分配问题研究

考虑时间和空间的影响,动态武器目标分配是一个复杂的问题。针对时间和空间对武器目标分配过程的约束,建立了动态武器目标分配数学模型;提出了一种Memetic算法来解该问题,采用遗传算法作为全局搜索策略,模拟退火算法作为局部搜索策略,根据Any-time算法的特性,设置了一种有限时间元级控制策略来响应分配动态过程。最后,通过仿真实例,验证了该算法的有效性和实用性。

基于不完全信息博弈的动态武器目标分配

考虑合成分队作战存在不确定性和动态性的特征,基于博弈论构建不完全信息下的动态武器目标分配模型,建立攻防支付矩阵,利用遗传算法求解不完全信息条件下的纳什均衡,最后通过案例分析和软件仿真证明了模型和算法的可行性,通过博弈论与遗传算法相结合的方式能够快速获得最优的武器目标分配方案,有效提高实际作战能力。

基于记忆辅助动态UMDA的UCAV编队动态目标分配

针对无人作战飞机编队对地攻击过程中的动态目标分配问题,建立了针对联合目标的武器目标分配(weapon target assignment,WTA)模型,反映攻击方攻击意图及对目标内在关系的理解。提出基于记忆辅助的动态单变量分布估计算法(memory enhanced dynamic univariate marginal distribution algorithm,MDUMDA)对问题进行动态寻优,利用概率模型对动态寻优过程中的历史信息加以记忆和利用。仿真结果表明,所建立的WTA模型是合理的,MDUMDA能够有效求解动态WTA问题,其性能明显优于随机迁移算法。

基于改进NSGA-Ⅲ算法的动态武器协同火力分配方法

针对防御场景下的动态武器协同火力分配问题,将其转化为多目标约束组合优化问题,在考虑资源约束、可行性约束的前提下,以我方损失最小、消耗资源最小为原则,对敌方目标造成最大的伤害。基于此,在NSGA-Ⅲ算法的基础上提出基于A-NSGA-GKM算法的动态武器协同火力分配方法,通过遗传K均值聚类算法对初始参考点进行自动分组聚类,用聚类中心代替原参考点,引入基于惩罚的边界相交聚合函数代替原垂直距离,进一步提升原始算法的收敛性能,引入自适应机制保证优秀的解结构。最后,通过实验仿真表明所提优化算法具有较高的收敛性,该方法能够有效地解决动态武器协同火力分配优化问题。

面向防空作战的多级动态目标分配方法

武器-目标分配(WTA)是防空作战指挥控制决策的核心环节之一。针对传统的多级分配模型效率低、动态性差的不足,通过叠加武器射击周期并增加分配轮次的方式对模型进行改进,使其能够更好地适用于目标数量多且实时性较强的防空作战场景。针对常用的WTA算法收敛慢、稳定性差的不足,求解过程采用KM算法以适应改进后动态模型的实时性要求。针对求解动态WTA问题时涉及的有关参数进行了详细描述。仿真实验结果验证了模型和算法的有效性。

基于半约束随机搜索的空舰导弹目标分配方法

空舰导弹在反舰协同作战中发挥着重要作用。在传统蚁群算法基础上,通过改进其搜索机制及信息素更新范围,提出了一种改进的半约束随机蚁群(semi-restraint stochastic ant colony system,SSACS)算法,并将其应用于空舰导弹作战多目标分配中。基于舰艇编队战术价值和动态拦截威胁因素,建立了空舰导弹突防舰队防御威胁数学模型,优化了空舰导弹多目标分配算法。最后通过对比改进的半约束随机蚁群算法和传统蚁群算法,证明了改进的蚁群算法克服了传统蚁群算法局部收敛的缺陷,在解决空舰导弹多波次协同目标分配问题上是有效的。