基于决策偏好的联合火力打击目标分配研究

目标分配是联合火力打击作战任务规划需要解决的关键问题之一。在联合火力打击战役进程的不同阶段,指挥员的作战企图和作战目的不尽相同。依据联合火力打击不同作战阶段的特点,建立了基于决策偏好的联合火力打击多目标分配优化模型,采用定性与定量相结合的方法,将多目标优化问题转化为全局目标优化问题,并采用离散粒子群算法进行求解,得到了较为合理的目标分配方案。

联合火力打击智能化规划流程

联合火力打击规划存在规划手段自动化水平不高、成果验证评估不够、流程规范化较低等问题,在现今战争维度复杂、节奏加快的形势下,以人工作业为主、有限自动规划手段为辅的模式显然已经无法满足要求,亟需规划智能化上有所突破.着眼联合火力打击规划的智能化发展趋势,在分析联合火力打击智能化规划的军事需求基础上,设计提出了联合火力打击智能化规划支撑作战筹划和作战指挥的工作流程,针对流程关键环节提出了目标清单自动生成、行动方案快速规划等关键技术,并设计了相应的应用支撑原型系统,能够为作战部门展开作战筹划、设计与优化方案提供高效辅助决策支撑.

基于遗传算法的联合火力WTA问题研究

研究联合火力优化分配问题。联合火力是多种作战力量参战条件下的多武器-多目标对抗。由于火力分配受到多种条件的限制,分配方案又决定作战效果,而武器-目标分配(Weapon Target Assignment,WTA)是多个装备同类型武器的作战单元联合抗击多个目标进行的分配方法。针对WTA问题求解规模大和精度高的特点,传统算法均不能满足速度和精度的要求,在基本遗传算法的基础上,采用精英选择和动态遗传算子的改进算法,避免了过早收敛。利用WTA的数学模型进行仿真。仿真结果验证了算法的有效性。

联合火力打击协同式指挥控制模式及其军事概念建模

基于平台中心战和网络中心战思想,简要分析了联合火力打击两种指挥控制模式的优缺点;结合作战任务简要构想,以平台中心战为基础,借鉴网络中心战的思想提出了联合火力打击的协同式指挥控制模式,并分析了其特点;利用IDEF0建立了联合火力打击协同式指挥控制的军事概念模型。

联合火力打击中常规导弹作战集团火力计划的量化评估研究

着力探讨如何对火力计划进行合理抽象的评估,以建立能够适应联合火力打击的火力计划量化评估模型。通过对火力计划进行深入分析,将总体毁伤效能指数和已用武器总价值2个指标进行整合,构建火力计划评估模型。其中依据联合火力打击行动的战略目的、指挥员的意图和作战阶段等因素对火力计划评估模型进行灵活的主观赋权,解决了非结构化要素的量化问题,具有较好的军事应用前景。

基于SysML的联合火力打击方案建模方法

为了达成联合火力打击的作战目标,必须在决策层面上确定科学的作战方案,从而指导作战计划的制定。通过对联合火力打击方案建模,一方面可以在顶层控制和协调联合火力打击作战计划的制定,另一方面可以支持联合火力打击方案对作战使命目标完成效果的评估分析。在对当前常用建模语言的对比分析的基础上,提出基于SysML的联合火力打击方案建模方法,并给出了相关视图的描述范式。实际应用表明,该方法有利于提高作战方案决策的适应性和开放性。

基于AHP-FSD的联合火力打击效益评估方法

通过分析影响联合火力打击效益的主要因素,构建了联合火力打击效益指标体系,并提出一种AHP-FSD评估方法。该方法通过构建评估因素参数和评估等级参数之间的模糊关系矩阵,运用平均加权算法求出评估因素参数的综合隶属度,较好地解决了联合火力打击效益评估的模糊性和不确定性问题。

联合火力打击目标优化分配模型

将所属不同军种火力打击资源进行合理编组,并统一分配给打击目标,是联合火力打击作战筹划工作的关键;针对这个问题,通过分析联合火力打击目标分配工作的基本流程,明确了打击顺序、毁伤状态、威胁环境为影响目标分配问题建模3个关键因素;然后对联合火力打击目标分配流程所涉及的基本概念进行形式化的表示,为数学模型的建立奠定了基础;最后定义了数学模型的相关变量,并建立了联合火力打击目标分配的多目标优化模型。

基于多级协同MOEA/D的联合火力打击目标分配方法

将不同火力打击资源进行组合,并分配给打击目标,是筹划联合火力打击作战需要解决的关键问题之一。针对联合火力打击目标分配问题的特点,综合考虑打击顺序、毁伤等级、威胁、效费比、战损等因素,建立了联合火力打击目标分配问题的多目标优化模型。将MOEA/D和多级协同进化框架相结合,提出利用多级协同MOEA/D算法求解目标分配的多目标优化模型,并设计了相关的遗传进化机制。仿真结果表明,所提出的算法具有良好的收敛性和均匀性。

神经网络在联合火力打击目标价值分析中的应用

针对联合火力打击中目标价值的特点,运用BP神经网络理论对目标价值进行分析,并建立了联合火力打击目标价值分析指标体系,设计了BP神经网络模型;通过定义学习代价函数、确定函数输出信号、修正函数信号、网络初始化等改进BP算法对目标价值进行了分析,得到了目标打击序列分类。算例验证了该算法的合理、高效、稳定,在联合火力打击中目标优选分类方面具有广泛的实用意义。

基于模糊综合评判的联合火力打击多目标火力分配优化分析

对多目标打击的火力分配是火力计划的重要组成部分,运用模糊综合评判的方法,对多目标条件下炮兵火力分配建立了模型,并举例进行验证。

基于BP网络的武器装备运用合理性评估

联合火力打击方案评估是对联合作战备选方案的综合评估,武器装备运用合理性作为方案的核心,关系着打击行动的费效比和作战企图能否实现。由于各种评估指标的不确定性,在评估中难免会出现不客观,缺乏科学合理性。文中基于BP神经网络建立评估模型,通过用MATLAB软件的仿真检验,证明了BP神经网络可以很好的对方案评估,避免人为因素的影响,可以科学,客观地对方案进行评估。

联合火力打击火力计划评估指标研究

针对目前缺乏对联合火力打击火力计划科学性、可行性进行定量验证的现状,提出了一个定量评估联合火力打击火力计划的方法。研究了火力计划评估的指标体系,在此基础上,给出了重点研究的评估指标和相应的指标模型。

联合火力打击智能优化系统设计与实现

从联合火力打击智能优化系统的系统架构分析出发,详细阐述了涉及联合火力打击智能优化的关键技术:战法策略转译算法、对抗推演算法、体系价值评估算法和多智能体协同进化算法,并重点介绍了协同进化算法的设计原理、“协同+竞争”机制构成、智能体内部构造以及变异和优胜劣汰方法,通过系统设计实验内容,分别检验了冗余项、备选任务规划项、歼灭阈值和内外网调节参数等系统内部参数的优化情况,分析了协同进化算法作为智能算法的优势,最后,通过对比算法的结果,证明本系统的有效性和应用性。

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。

智能算法在兵棋对抗推演中的应用

针对兵棋对抗推演中的制权瘫体阶段联合火力打击任务规划问题,研究智能算法应用的可行性。设计了以多智能体协同进化为设计理念的群体智能优化算法,同时针对联合火力打击毁伤特点设计了对抗模拟平台,通过计算机迭代进化输出优化智能体,分析对应的最优任务规划的结构特点。实验分析表明,相比于手工拟制任务规划本算法应用于联合火力打击任务规划,具备全方位的优势,能够有效与兵棋对抗推演结合,可通过任务规划优化辅助指挥员决策,达成人机结合和智能决策的智能算法应用目的。

随机组合约束下的联合火力打击弹药需求预测模型

针对联合火力打击背景下弹药需求预测难的问题,基于武器装备对抗的损失交换比确定不同装备打击不同目标的有效战斗力指数,将有效战斗力指数大小作为衡量敌方目标对我方装备威胁度高低的评判标准,为弹药需求预测提供基本依据。按照对敌最大毁伤原则,建立以最大综合战斗力指数为目标函数的联合火力打击弹药需求预测模型。根据弹药需求量的影响因素设定多种约束条件,结合作战实际及战场态势对约束条件进行随机组合,并运用智能优化算法求解模型。结果表明:该方法合理有效、可操作性强,符合联合火力打击特点,实现了装备-弹药-目标最优编组模式下的弹药需求预测,为未来高技术战争的弹药需求预测开拓了新思路。

联合火力打击战法策略的智能进化方法研究

提出了基于智能算法的火力打击战法策略优化方法。该方法突破常规人工智能算法的神经网络和强化学习范式结构,利用智能体和种群的双层构造和对抗推演中的反馈评分实现智能体的智力提升,通过群体进化和复杂系统涌现达成战法策略的优化。实验结果表明:总体效果优于常规的遗传算法和对抗进化算法,设计思想能够迁移到诸多研究领域,具备应用性和扩展性。

基于时间影响网络的联合打击方案评估方法

有效建立打击目标毁伤效果与使命目标达成效果之间的因果影响关系模型是联合打击方案评估的难点,目前计算机仿真建模是解决这类问题比较的常用方法,但是通常运行时间较长、效率较低,数学解析模型虽然能够有效提高评估计算的效率,但往往难以充分描述作战效果的内部关联关系。针对这些问题,在对联合打击作战效能基本生成机理分析的基础上,充分考虑作用效果时间延迟和不确定因果影响关系等因素,提出一种基于时间影响网络的联合打击方案评估方法,能够有效解决计算效率和作战效果关联表示不足等问题,给出上述方法的一般流程,并结合一个案例对上述方法的有效性进行验证。

TOPSIS法在优选联合火力打击方案中的运用

联合火力打击方案的选取需要综合考虑各方面的因素,TOPSIS法可以通过计算,对于各个作战方案进行优选和排序,为联合火力打击作战指挥员选择方案、定下作战决心提供理论支持。