基于D3QN的火力方案优选方法

针对在多类弹药协同攻击地面工事类目标任务中火力方案优选效率低的问题,提出一种基于双层决斗DQN(dueling double deep Q network,D3QN)的火力方案优选方法。该方法将打击过程建模为马尔科夫决策过程(Markov decision processes,MDP),设计其状态空间和动作空间,设计综合奖励函数激励火力方案生成策略优化,使智能体通过强化学习框架对策略进行自主训练。仿真实验结果表明,该方法对地面工事类目标的火力方案进行决策,相较于传统启发式智能算法能够获得较优的火力方案,其计算效率和结果的稳定性相较于传统深度强化学习算法具有更明显的优势。

利用灰色局势决策法优选炮兵火力方案

针对战场信息的不确定性和不完整性的问题,建立基于灰色局势决策法的炮兵火力方案优选模型。该模型运用灰色理论,客观全面地反映每个火力方案在每个对策下的特征,并对各火力方案的优劣进行排序。实例分析证明:该方法为炮兵指挥员选择火力方案提供了一种高效、科学的辅助决策方法。