协同空战中目标的威胁判定方法

作为信息化条件下的一种重要空战模式,协同空战中的目标威胁等级的判定为武器资源的有效配置提供了重要依据。采用灰色多层次评判方法,依据空战效能、空战态势及作战意图所建立的目标威胁评判模型,兼顾单机、编队的生存威胁和完成作战任务的风险因素,做到定量与定性相结合。算法满足独立性和兼容性要求,易于根据实战情况修改评判参量。     

飞机编队中干扰资源的最优配置算法研究

由于单架干扰飞机所具备的能力有限,通常采用多架干扰飞机形成编队的方式,对地面防空雷达或组网雷达进行干扰.在这种多机协同对付多个干扰目标的情况下,如何快速地对干扰机进行任务规划,对干扰目标进行合理分配,是飞机协同的关键问题所在.采用动态规划算法,能很好的解决这一问题,实时为飞机编队中的资源进行最优配置,使飞机编队达到最大的作战效能.     

基于智能算法的无人机航迹规划

文中针对多无人机在复杂约束条件下编队协同、巡航范围内覆盖率高的问题,基于K-means算法和Hop-field神经网络算法实现了一种无人机整体航迹规划方法。对任务要求的禁飞区域、目标区域建立任务区域的数字地图模型,进行模型分解合理的将有效区域分解为多个子目标点。随后采用K-means算法对无人机巡航的目标点进行聚类,并结合Hop-field神经网络算法对同类子目标点进行无人机航迹规划。以无人机在抗震救灾中的真实数据为实例,通过仿真实现了巡航区域90%的覆盖率,验证了文中方法的鲁棒性和有效性。     

基于MAS的编队对地攻击仿真评估

针对协同对编队对地攻击作战效能的影响,提出了基于多智能体(Multi-Agent System,MAS)的编队对地攻击作战效能评估方法。根据编队中各实体具有的自主性或半自主性特点,以及各实体的功能与作战过程,分别建立了编队作战实体的Agent模型以及基于实体Agent交互的编队对地攻击体系的MAS模型。在此基础上,以HLA技术为支撑研究了MAS模型的仿真实现问题,实现了基于MAS的编队对地攻击协同作战效能的仿真评估。该方法有效解决了编队对地攻击体系通过协同产生的整体行为建模问题,从而解决了编队整体合力产生的作战效能评估问题。     

基于作战效能的无人机航路规划研究

综合考虑目标分配与航路规划全过程,提出一种基于作战效能的无人机航路规划方法.在航路规划层利用变长染色体遗传算法规划无人机的初始航路,在协同规划层则以作战效能为指标,运用遗传粒子群优化算法进行任务优化分配,最终得到一个备选航路集.然后,利用协同算法可在备选航路集中找到满足要求的任务航路.该方法不仅能够规划出单机或多机协同全局航路,而且还可根据威胁环境或目标变化适时修正航路,并始终保证较高攻击效能.     

舰艇编队协同防空一体化防御作战体系研究

未来海战场面临的威胁环境突出表现为“单/多方向连续目标饱和攻击”、“低空隐蔽突防”和“复杂电磁干扰下目标攻击”,依靠单一的水面舰艇分层防御作战体系已经不能满足快速发展的战场环境,构建基于编队协同防空一体化作战体系是适应未来海上防御作战的重要发展方向,编队协同防空一体化作战体系应从预警探测体系、指挥控制体系、作战筹划与推演系统及火力打击体系等方面进行研究,其关键技术在于实现统一态势图、高速数据链、海空天一体化指挥控制以及多武器协同防御等技术难点。     

基于TS-NGA的多作战智能体制导-攻击匹配优化

空中制导-攻击匹配(GAM)旨在确定武器单元、制导单元以及目标三者之间的最优匹配关系,以使多作战智能体任务联盟整体作战效能最大。分析了基于混合通信方式的多作战智能体制导-攻击匹配过程,建立制导攻击匹配约束优化问题模型,设计了一种禁忌策略的嵌套遗传算法(TS-NGA)对模型进行求解,算法的外层循环寻求武器单元和制导单元的最优配对,内层循环寻求武器单元和目标的最优配对。针对GAM问题特点,制定了编码与解码策略、交叉、变异规则以及选择、禁忌策略。仿真实验结果表明所设计求解算法能较好地解决三维变量的GAM问题模型。     

基于分布式计算的多机协同空战目标分配算法

针对多机协同空战中目标分配的实时性和复杂性问题,提出一种基于分布式计算的协同空战目标分配算法。该算法参考空中作战常见的三级指挥体制,构建了相应的分层任务分解结构和多智能体(MAS)目标分配模型,将传统的集中控制、集中优化问题分布到多个作战控制单元进行计算,从而提高优化的性能。而且根据空战指挥决策的特点,算法还可将目标优化分配准则镶入智能体(Agent)决策的过程中,使分配结果更能充分考虑空中作战的实际需求。最后就一个典型多编队多目标的空战实例进行了仿真验证,证明了方法的有效性,并对该方法在提高空战效率和分配实时性的优势进行了分析。     

预警机指挥多编队作战中的威胁评估算法研究

在预警机指挥下的多编队作战中,态势评估和目标分配是关系到作战结果好坏的重要问题.作为态势评估的一部分,威胁评估是进行合理的目标分配的前提.基于多属性决策的原则,分析了影响目标编队威胁程度的重要因素,建立了预警机指挥多编队作战的威胁评估模型.运用适合多编队多机型作战分析的平均数动力学方法,提出了计算目标编队威胁程度的算法,并验证了模型的有效性.     

空对空多机协同攻击多目标的决策研究

介绍了多机协同攻击多目标的基本概念，提出了在用模糊聚类和模糊识别算法对目标进行重要性等级评价的基础上，运用二部图的最大匹配算法对导弹和目标进行最大配对的新方法，仿真表明该方法产生的结果符合多机协同攻击多个目标的目标分配原则，具有一定应用价值。     

面向多模异构任务的无人机集群自主协同优化

针对无人机集群同时遂行多个异构模式、异构价值、异构需求任务时的自主协同优化问题,构建了集群遂行多模异构任务协同优化模型,提出了一种基于重叠式联盟博弈的分布式协作算法。通过综合考虑任务模式、任务价值、任务需求,以及集群中不同无人机成员的资源情况,基于不同任务类型下联盟内任务成功率和效能计算,优化无人机任务选择和资源分配并实现算法收敛和系统稳定,以及优化的分布式多机协同。仿真结果表明,所提方法能有效提高系统效用和任务成功率,并能在不同环境下实现面向异构任务目标的高效协同。     

基于改进粒子群算法的多UAV协同侦察任务规划

针对多无人机（UAV）协同侦察的任务规划问题,充分考虑侦察目标的侦察分辨率和时间窗约束,建立了数学模型;提出了一种改进的粒子群算法,使得粒子群能够较均匀地在问题空间内搜索,避免陷入局部极值,在保持传统PSO算法快速收敛的同时,加强了算法局部搜索能力。基于该模型和优化算法,制定了合理的多UAV协同侦察任务计划,使得多UAV协同侦察任务在满足任务要求、平台性能和战场约束的条件下具有最小代价和最优作战效能。     

基于衰减因子的分布式卫星高精度编队导航技术

针对分布式卫星长时间高精度编队导航问题，提出了一种基于衰减因子的自适应编队导航算法。首先，建立基于 e/i 矢量的编队卫星相对运动方程，其次，完成星间相对位置与相对轨道根数的转换，最后，引入自适应衰减因子，增加系统稳定性，完成高精度相对导航估计。 仿真数据表明，该方法能克服模型线性化的误差，比传统的 CW 导航算法具有更高的构型确定精度，并且能实现长时间稳定的编队导航。     

多卫星成像任务规划的冲突消解

分析了多卫星成像任务规划中多卫星之间的任务冲突,印多卫星成像任务冲突和多卫星下传任务冲突,研究了这两类冲突的消解方法;提出了基于拍摄概率的多卫星成像任务冲突消解算法和基于非互斥链的多卫星下传任务冲突消解算法.将多卫星成像任务规划问题转换成各卫星独立的成像调度问题,从而降低了问题的复杂度.实验表明,该方法解决了多卫星之间的冲突问题,使星地资源得到均衡有效的利用.     

基于多准则遗传算法的航线规划

飞行航线规划是中小型飞机执行长途飞行任务时的重要工作。通过建立问题的多准则最短路径问题模型,提出一种多准则最短路径遗传算法求解优化飞行航线。通过理论分析证明了算法的收敛性。仿真实验验证了该算法的有效性。     

基于AHP的遥感卫星任务规划效能评价方法

目前,针对遥感卫星任务规划问题的求解算法种类繁多,但是对算法效能进行客观定量的综合评价一直是个难题。对此,提出了一个面向应用的算法效能评价机制,给出了标准测试算例集的生成方法,并首次从资源利用率和任务满足度2个方面,抽取建立了算法的分层评价指标体系,基于层次分析(Analytic Hierarchy Process,AHP)算法和Delphi算法建立了算法效能的综合评价模型,给出了具体的评价步骤。通过2个算法的实例对比分析,验证了方法和模型的有效性。     

自适应遗传算法的数据中继卫星光网络资源调度算法

以数据中继卫星光网络系统资源、任务和约束条件为参量,以任务对资源的选择为优化对象,提出了一种基于自适应遗传算法的数据中继卫星光网络资源调度算法.综合考虑多中继星、多时间窗口、多光学天线以及任务优先级要求,建立调度模型;采用当前任务调度时间的确定和后续任务可见时间窗口的更新的调度操作,对不同资源的任务集合进行调度安排并实现了可见时间窗口的动态更新,获得调度任务的总权值并将其作为参量计算适应度值,最后通过改进的自适应遗传算法对不同调度方案进行寻优.以3颗中继星、12颗用户星,6个光天线,60个任务为条件设置了仿真场景,仿真结果表明该算法在收敛速度、调度效率方面具有优势,适应于多任务、多天线的数据中继卫星光网络系统资源调度.     

自适应蚁群算法的无人机航迹规划方法

为了提高无人机完成任务效率,在执行攻击任务前必需规划设计出高效的无人机飞行航路.提出了一种Q-学习的自适应蚁群算法的无人机航路规划方法,建立了基于真实地形数据和火力威胁区的威胁模型;针对传统蚁群算法在搜索过程中出现停滞现象,提出的Q-学习的自适应蚁群算法有效地解决了这一缺陷.并使用该算法对无人机的攻击任务航路进行了仿真计算,仿真结果表明该方法是一种有效的航路规划方法.     

基于贪婪算法的遥感地面站任务调度技术

针对遥感地面站任务调度问题,介绍了工程背景和现实需求,分析了问题实际约束和问题调度目标,提出了遥感地面站任务调度问题模型。为了降低卫星数据接收调度的算法复杂性,基于贪婪算法采用分治法思想和随机化思想,提出了一种解决该问题的有效方法。实验数据表明,该算法有效避免了贪婪算法容易陷入局部最小点的缺点,有效提高了算法性能。