面向战区联合作战的空间需求响应任务规划

针对战区联合作战中的空间需求响应问题,描述了面向战区联合作战的空间需求响应任务规划的背景;从空间资源能力、空间需求响应机制、空间需求响应效益和代价等方面,分析了空间需求响应任务规划所需考虑的主要因素;定义并描述了任务规划模型,设计了任务规划计算方法,并结合战区联合作战实际进行了案例仿真与分析,验证了模型和方法的有效性,为战区联合作战中空间需求的有效响应提供了理论和方法支撑。

军用任务规划技术综述与展望

任务规划是作战指挥及控制的核心,特别是随着联合作战理念的提出与深入,任务规划技术作为传统手段与新兴技术的最佳结合点,正逐步成为解决未来智能化战争的关键所在.为了能充分利用该领域内已有的成熟技术成果,并开展更深入的探索,详细分析了任务规划技术的发展现状以及技术路线,对未来的研究方向作了展望.

美军联合作战筹划及任务规划研究

联合作战系统已成为作战系统发展趋势。论文分析了美军联合作战的职能及职能领域,对美军联合作战筹划要素进行了排序,给出了联合作战筹划程序及联合作战筹划过程,并分析了联合作战筹划的特点。梳理了美军任务规划系统的发展思路,研究了其任务规划系统的实现方法,给出了面向Agent技术的MPS实现功能,并结合实际战例,研究了美军任务规划系统在战场中的应用。最后,分析了其对我军联合作战的启示。

美军联合任务规划过程分析和系统建设思考

讨论了联合作战任务规划的作用和过程,依据当前新的作战理念、云计算和大数据的巨大影响,对如何构建未来我军联合作战任务规划系统、服务和应用作了初步的分析和思考,旨在为未来联合作战任务规划业务、技术和系统发展提供思路.

任务规划系统发展现状与启示

近年来,任务规划系统逐步成为军事领域关注的焦点,特别是以美国为首的西方军事强国,在任务规划系统的建设和应用方面取得了显著成效,积累了丰富经验。为把握现状、启发思路,在广泛搜集国内外相关资料基础上,运用对比分析的方法,针对任务规划系统的建设发展历程,界定了基本概念和类型划分,综述了任务规划系统的发展现状,在总结外军系统发展的有益经验和我军现存问题基础上,提出了我军任务规划系统建设的几点思考。

关于作战筹划与作战任务规划

随着信息化战争理论与实践的不断拓展,人们在大力推动联合任务规划的同时,对于如何与传统意义上作战筹划相结合的问题引发深度思考.通过对作战筹划与作战任务规划的基本概念、决策思维方法、计划制定流程和筹划作业方式等问题进行研究探讨,提出"作战筹划主要是对战争进行的运筹谋划,而作战任务规划则是用智能化和工程化的方法设计战争"的思想,指出"随着作战方案计划制定流程的规范化应用,作战筹划正以战役设计的理念和方法融入作战任务规划之中"等重要观点.

基于竞争蛙跳算法的联合火力打击任务规划方法

针对联合火力打击任务规划中兵力、火力和目标之间的动态分配最优化困难问题,设计了一种基于竞争蛙跳的智能优化算法,并将其引入到联合火力打击任务规划问题中。竞争蛙跳算法在标准蛙跳算法基础上,引入遗传算法的寿终正寝和优胜劣汰机制,设计自然寿命和淘汰系数,使多代迭代后的最优个体快速逼近全局最优,而后通过熵权法和理想点法搭配获取联合火力打击任务规划的综合评分。仿真实验结果表明,竞争蛙跳算法不仅能够在有效时间内获取联合火力打击任务规划的最优解,且优化速度和收敛代数优于标准蛙跳算法和标准遗传算法。

基于信息素遗传算法的联合火力打击任务规划

从智能优化视角出发解决联合火力打击任务规划中动态兵力、火力、目标最优化分配问题,设计了信息素遗传算法并将其引入到联合火力打击任务规划问题的求解。信息素遗传算法作为标准遗传算法的改进算法,借鉴了蚁群算法中信息素浓度概念,用信息素浓度控制种群个体变异方向,使用可控变异替代标准遗传算法中的随机变异,使最优个体快速收敛。同时使用熵权法和理想点法将联合火力打击任务规划的众多评估指标融合为可量化对比的综合评分,为任务规划提供评估参考指标。仿真实验结果表明,信息素遗传算法能够有效应用于联合火力打击任务规划问题求解,相较于标准遗传算法具有更高的收敛效率和综合评分。

联合作战筹划与方案推演研究

网络中心化环境下的联合作战系统已成为作战系统重点发展方向。论文提出了基于本体的联合作战方案描述和校验方法,研究了联合作战方案的自动生成方法,提出了基于MDLS算法的联合作战任务规划方法,为方案快速筹划和作战任务高效规划提供了手段。联合作战方案推演引擎的研究为联合作战方案的预演和验证提供了具象的展现方法,将便于对筹划的方案进行及时调整和优化,为联合作战系统的研制提供了理论和方法支撑。

联合作战任务智能规划关键技术及其应用思考

作战任务规划是战场指挥和决策的关键一环。随着多军兵种联合作战思想的发展与成熟,作战任务规划领域正成为传统作战指挥方法与各类新兴技术相结合的集中点,该领域也不断成为智能化指挥和决策指导未来作战的核心点。本文主要阐述了作战任务规划的基本概念和智能化需求,并结合战区级联合任务规划系统对智能化关键技术进行了分析研究,提出了几种具体技术实现架构,并对未来研究做出了展望。

联合任务规划通用基础框架及模型构建技术

为研制联合任务规划系统,运用复杂系统工程方法,研究了通用基础框架结构、功能结构、基础设施平台、通用框架应用模式设计、规划模型构建流程与模型库构建步骤,提出了联合任务规划的基本原理、功能组成及其框架结构、作战组织模型框架结构等.

基于进化粒子群算法的联合火力打击任务规划方法

针对联合火力打击任务规划中对兵力、火力与目标动态分配优化困难的问题,提出一种基于粒子群算法的联合火力打击任务规划智能优化算法。该算法以粒子群算法为基础,模拟鸟群的觅食行为设计智能优化算法,并在标准算法基础上引入遗传算法中的生物优胜劣汰机制,提升算法的迭代效率和全局寻优精度,根据联合火力打击任务规划的内在制约条件设计了衡量任务规划各方面综合性能的评估指标模型,并通过熵权法和理想点法获取联合火力打击任务规划综合评分。仿真结果表明:进化粒子群算法较标准粒子群算法和遗传算法具有更优越的迭代收敛效率和全局寻优能力,具备解决联合火力打击任务规划智能优化问题的能力。

基于改进熵权法的联合火力打击任务规划综合评估

针对联合作战火力打击任务规划综合评估量化分析与评定标准制定困难的问题,提出一种基于专家评分法和熵权法相结合的融合评分算法。通过层次分析法梳理联合火力打击任务规划的主观和客观评估指标,通过构造数学模型和专家评分的方法获取评估指标,通过熵权法获取熵权重,进而计算出综合评分,通过仿真实验验证了方法的有效性。仿真结果表明:该方法能够快速实现联合作战火力打击任务规划的综合评估,并兼顾了指挥员临机指挥的主观决策倾向,相比于现行的联合火力打击任务规划综合评估方法具有明显优势。

基于对抗进化的联合火力打击任务规划

针对联合火力打击任务规划评估优化困难的问题,提出一种基于改进遗传算法的对抗进化算法。该算法引入敌我双方的态势图构建出基于OODA循环的作战超网络,模拟自然竞争原理引入敌我双种群,按照自然竞争的优胜劣汰法则设计个体的遗传和变异操作,实现了敌我双方个体在动态对抗中的自我进化,最终得到最优个体。仿真结果表明:该方法获取的最优个体能够有效解决联合火力打击任务规划的评估优化问题。

含时间窗联合作战计划问题的建模与求解

实际作战过程中时间窗(time window)属性是作战任务具有的一类重要属性.结合作战计划的制定过程,阐明了作战计划所固有的层次性.以及各指挥层次中任务与计划的关系:以多兵种联合作战战役计划为研究对象.建立了含时间窗联合作战计划问题数学模型,并通过扩展的多维动态列表规划算法(EMDLS)予以求解.案例结果表明,解算出的作战计划合理可行.