遗传算法在直升机空战编队优化中的应用

研究了传统的现代直升机群协同空战时对目标的威胁判断算法,并且用遗传算法来优化大规模直升机空战编队战术,最终得到一个我方的最优编队,最后用多机编队作战的算例验证了该方法的有效性。

双机编队空战仿真模型设计

双机编队空战仿真是联合空中作战对抗仿真的基础和关键。为了满足双机编队空战仿真模型的灵活运用需求,基于装备能力和作战过程研究了战斗机概念模型和编队空战概念模型,并采用状态机建模方法构建双机编队空战行为仿真模型,实现双机编队包以德循环(OODA)作战流程仿真。按照空战各个阶段设计双机编队离散态势感知和行为方法,给出基于专家经验的决策方法。本文通过研究双机编队空战建模方法,为双机编队空战仿真提供参考。

编队空战的目标分配研究

编队空战目标分配可以使飞行员在选择空战对手时更趋理性,也更有针对性。首先分析了构成目标威胁的因素,运用层次分析法确定了构成目标威胁度各因素的权值;进而构建了目标分配函数,并运用最优势原理实现了目标的分配;最后,通过设定双方不同性能的飞机空战作为目标分配实例进行了计算,计算结果符合编队空战的一般规律,表明所提出的方法可以解决实际编队空战中目标分配问题,方法简洁,结果可靠。

粗糙集-神经网络集成在编队空战中的应用

为了提高空战决策的实时性和准确度,将粗糙集理论和神经网络引入到编队协同空战战术决策研究中,提出了应用SOM网络—粗糙集—BP网络集成进行编队协同空战战术决策的方案:应用SOM网络离散化决策系统输入数据的连续属性值;利用粗糙集数据分析方法,从数据中提取出规则将输入映射到输出的子空间上;在这个子空间上用BP网络进行逼近。2∶4编队空战实例仿真结果验证该方案的可行性,在数据充分的条件下,该方案可以推广应用于其它空战决策系统。

基于粗糙集-神经网络编队协同空战决策系统

为了提高空战决策的实时性和准确度,将粗糙集理论和神经网络引入到编队协同空战战术决策研究中,提出了应用SOM网络-粗糙集-BP网络集成进行编队协同空战战术决策的方案:应用SOM网络离散化决策系统输入数据的连续属性值;利用粗糙集数据分析方法,从数据中提取出规则将输入映射到输出的子空间上;在这个子空间上用BP网络进行逼近。2∶4编队空战实例仿真结果验证该方案的可行性,在数据充分的条件下,该方案可以推广应用于其它空战决策系统。

预警机指挥编队协同空战分层决策模型

分析了预警机指挥下的机群多编队协同空战过程,根据空战决策特点分别以编队和单机为研究对象,提出了分层决策模型,将预警机指挥下的空战决策分解为战役层决策和战术层决策。针对战役层决策,建立编队目标威胁评估和初始兵力分配模型;针对战术层决策,建立单机目标威胁评估和目标分配模型。通过算例分析,验证了决策模型的有效性和实用性。

编队协同空战的信息交互策略

通过分析现有空战指挥控制通讯方法在编队协同空战中的局限性,编队协同空战的指挥控制关系以及编队协同空战指挥控制对通讯的需求,指出编队协同空战的通讯指挥控制是一个递阶通讯关系。提出基于通讯时间区间和言语行为理论的编队协同空战的通讯行为。针对空战的任务阶段和作战态势对通讯的需求,设计了战役作战阶段和战术作战阶段的信息交互策略。并以2对4空战为例,进行了仿真。仿真结果表明有效的信息交互策略,可提供编队整体的作战效能。

影响图决策方法在编队协同空战中的应用

针对空战环境下出现的大量不确定信息,将影响图决策方法和多Agent系统理论引入到编队协同空战决策研究中,把编队看成一个多Agent系统,编队中的长机和僚机都看成是Agent,利用影响图对多Agent系统进行建模,实现了编队中长机、僚机在不确定空战环境下做出结果最佳的决策。仿真结果表明了决策的有效性。

基于多层模糊Petri网的编队空战战术决策

对于编队空战战术决策这一个动态的不确定性决策问题,FPN是一种快速、适用、直观的方法,但存在不能适应知识库的扩展和更新,以及不能利用结构化方法对知识库进行建模的问题。为此,根据编队空战战术决策过程,利用抽象库所和抽象变迁来提高模型对复杂知识的表示能力,建立基于HFPN的编队空战战术决策模型。以典型的"二对一"空战战术为例建立决策规则库,经过抽象库所和抽象变迁的逐步精细化,并用模块合并方法和"补弧"对模型进行简化,建立"二对一"空战战术决策的精细化FHPN模型。通过算例验证表明,基于HFPN的建模方法用于编队战术决策不仅发挥了模糊Petri网基于知识的表达和逻辑推理能力,而且降低了编队空战战术决策的复杂性。

基于混合神经网络编队协同空战决策支持系统

针对缺少先验知识的前提下,提出一种混合神经网络编队协同空战决策支持系统,同时采用一种无教师—有教师的混合训练算法来训练混合神经网络。仿真结果表明该系统的有效性。

基于空域划分的超视距空战态势威胁评估

编队超视距空战(BVR,Beyond Visual Range)已成为现代空战的主要模式.在空战优势区域与劣势区域判断的基础上对整个空域进行划分,并给出4种特定空域态势.从空中态势和编队作战能力两方面对空战态势进行分析.使用主成分分析法选取输入变量分析编队作战能力,降低评估过程中收集数据的复杂度.应用遗传神经网络对影响BVR各因素进行效能评估,将遗传算法(GA,Genetic Algorithms)与多层前馈(BP,Back Propagation)网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题.结果表明:该模型能在综合分析空战各指标后给出红蓝双发的态势评估指标,该模型可有效减少评估中的人为因素,使评估结果更为客观可信.

改进cell密度聚类算法在空战目标分群中的应用

针对传统聚类算法对流形分布数据聚类效果差,且实时性不高的缺点,提出改进基于cell的密度聚类(Cell-Based density Spatial Clustering of Applications with Noise, CBSCAN)算法解决实时空战目标分群问题。通过分析空战态势参数,建立了空战目标分群通用模型,将目标分群转化为聚类问题。通过改进CBSCAN算法的簇类扩展方式,建立基于改进CBSCAN算法的目标分群模型。通过仿真实验,对比分析了K-means、最大期望算法、密度峰值算法、密度聚类算法、CBSCAN算法和改进CBSCAN算法在30种作战态势下的分群准确性和实时性,结果表明:改进CBSCAN算法可以在编队数目未知和目标流形分布的条件下,对多目标编队进行正确分群,且实时性较原始算法提高约30%,具有实际应用价值。

深度强化学习技术在智能空战中的运用

随着指挥控制网络化体系由中心集中式决策控制向边缘分布式决策控制发展,在未来空战场中,以深度强化学习技术为代表的智能决策控制方法在末端自主行动指挥方面将大放异彩。在深度强化学习技术理论成果与应用探索基础上,结合编队智能空战发展的迫切需求与关键问题,分析了该技术的应用潜力与实施价值,提出了解决思路与若干思考,可为空中编队指挥控制智能化发展提供指导。

基于模糊Petri网编队协同战术决策

为了解决在不确定环境下编队协同空战战术决策问题,将Petri网理论引入到编队协同空战分析中,依据决策规则的模糊性,结合具有图形描述能力的Petri网,提出利用模糊Petri网对编队协同空战战术决策进行建模,并对模型进行了仿真分析。仿真结果表明模型能够提高编队协同空战战术决策的智能化和自动化程度。

基于分布式市场机制的目标分配算法

针对超视距编队协同空战目标分配问题特点,对分布式市场机制应用于超视距编队协同空战目标分配的若干问题进行研究.首先,介绍了分布式市场机制的原理,并提出由活动的协调代理完成目标招标.然后,建立了初始状态和作战过程中的目标分配算法.另外,提出了一种新的目标函数计算方法.仿真算例和时间复杂性分析表明分布式市场机制不但能完成初始状态和作战过程中的目标分配任务,而且与利用优势矩阵完成目标分配算法相比具有更高的时间效率.