无人机辅助照射下舰炮制导炮弹对岸攻击效能评估

分析舰炮使用激光半主动末制导炮弹对岸火力攻击的优缺点,对克服缺点提出可能的解决途径。建立无人机辅助照射下舰炮使用激光半主动制导炮弹对岸火力攻击效能评估的指标体系。运用层次分析法（AHP）和模糊综合评估法,评估火力攻击的效能。该方法可对影响舰炮对岸火力攻击作战效能发挥的各因素进行定量分析比较,为提高舰炮作战能力提供参考。     

TOPSIS伪装决策方法在洞库工程中的应用研究

在现代高技术局部战争中,洞库工程是敌我双方攻击和防护的重要作战目标。针对洞库工程,提出了用于伪装方案决策的TOPSIS优化模型。分析了现有TOPSIS模型存在的缺陷,同时以TOPSIS决策方法的原理为出发点,结合灰色关联分析对其不足进行了改进,将优化后的决策模型应用于国防工程目标伪装决策以解决多伪装方案的排序优选问题。     

鱼雷多目标威胁评估建模与仿真

使用水声对抗器材诱骗、干扰鱼雷是现代潜艇最重要的反鱼雷措施之一,鱼雷攻击潜艇时会出现潜艇与各种对抗器材共存的现象,在一定时间及空间范围表现为多目标.由于鱼雷必须对多目标的攻击价值进行评价,优选威胁度高的目标进行攻击,以保证鱼雷作战效能.基于此,分析了鱼雷多目标的威胁因素及其对威胁评估的影响,提出了威胁因素的量化方法,建立了鱼雷多目标威胁评估的模型,为鱼雷多目标作战优选打击提供了一种方法,具有一定的工程应用价值.     

舰空导弹对反舰导弹攻击群射击效能评估

为了提高舰空导弹武器系统抗饱和攻击的作战效能,对反舰导弹攻击群的射击效能进行评估。将多方向攻击的反舰导弹假设成单方向来袭的攻击群,在一定假设条件下,以杀伤全部来袭目标的概率为效能指标,选用舰空导弹武器系统的射击效能作为效能评估准则,建立多个拦截循环的射击效能模型,并进行射击效能流程和实例的仿真评估。仿真结果表明:舰空导弹武器系统对反舰导弹攻击群的射击效能随着反舰导弹速度的增加而降低,舰空导弹武器系统反导时采取连射比单射的射击效能高,该结果为防空指挥决策提供了定量分析的依据。     

AHP方法在多点攻击决策中的应用

在作战过程中,协同作战的多个节点获得大量目标参数信息。如何进行目标分配以获得整个武器系统的最大攻击效能,具有重要的意义。结合目标参数和节点自身状态对攻击效能的影响因素进行分析可知,多点攻击决策实质上是一个多目标决策问题。文中利用AHP方法,建立了该问题的递阶层次模型,将复杂决策问题转化为各层因素之间的简单两两比较,结合实例验证了该方法的有效性,为多点攻击决策问题的解决提供了参考。     

模糊多因素多层次综合评判在目标威胁度评估中的应用

目标威胁度评估是目标分配的重要依据,是区分目标的轻、重、缓、急,为发射决策提供依据的保证。结合模糊优选理论和 AHP 法,以某型地空导弹武器系统为依托,建立相应的威胁度评估模型,为火力单元级自动化作战指挥系统的目标威胁度评估提供了一种简捷有效的方法。     

毕达哥拉斯模糊集和优劣解距离法融合的舰载雷达侦察系统效能评估

为了全面评估舰载雷达侦察系统作战效能，提出了基于毕达哥拉斯模糊集和优劣解距离(TOPSIS)的多属性决策评估方法。引入基尼系数和冲突系数对传统CRITIC法进行改进并确定系统指标权重；将毕达哥拉斯模糊集与优劣解距离法融合，构建模糊决策矩阵，利用毕达哥拉斯模糊混合加权欧式距离(PFHWED)计算贴近度，对舰载雷达侦察系统效能进行优劣排序，得出评估结果。通过实例分析验证了该方法的有效性和实用性。     

模糊多属性决策在多目标跟踪目标优选中的应用

由于海洋环境的复杂性和水声信道的特殊性,多目标跟踪过程中的目标优选一直是水声信号处理领域的突出难题。目标优选是目标分配的重要依据,必须综合考虑目标的多种特征信息。文中针对水下声自导系统,对影响目标优选的各种因素进行了分析,提出了目标优选指标体系,确定了各种特征因素的权重,并以多属性决策方法证实了指标体系和权重确定的正确性,能有效地提高水下声自导系统的作战效能。     

基于强化学习的集群多目标分配与智能决策方法

为提升高动态协同攻击条件下的攻防效能,研究基于强化学习的集群多目标智能分配与决策方法。建立综合攻击性能评估准则,包括基于相对运动信息的攻击优势度评估以及基于目标固有信息的威胁度评估。综合攻击性能、突防概率以及攻击消耗,设计攻防效费比性能指标。构建基于强化学习的多目标决策架构,设计以分配向量为基本元素的动作空间,以及基于量化性能指标的状态空间,利用Q-Learning方法对协同攻击方案,包括导弹选取以及分配形式进行智能决策。仿真结果表明,强化学习能够实现攻防效能最优的多目标在线决策,其计算效率相对于粒子群优化算法具有更明显的优势。     

一种基于MADM和AHP的威胁度评估方法

文中分析了影响目标威胁评估的各种因素,依据多属性决策(Multiple Attribute Decision Making, MADM)理论,并采用层次分析法(AHP),提出了基于MADM的目标威胁评估排序模型,该方法有效地解决了目标威胁评估与排序问题,提高了作战效能.     

信息攻击对雷达情报系统作战效能的影响

雷达情报系统作战效能由信息获取、信息传输、信息处理、指挥控制和信息优化等子系统的效能构成.分析了信息攻击及其对雷达情报系统的影响过程.信息攻击过程主要通过影响信息传输子系统和指挥控制子系统来影响整个作战系统效能.最后运用层次分析方法对信息防护条件下雷达情报系统作战效能进行评估.     

基于熵值和TOPSIS 法的装备体系方案优选方法

针对传统的方案筛选方法会产生海量数据且评估不客观的问题,提出一种基于熵值和 TOPSIS 法的装备体系方案优选方法。在确定装备体系方案优选指标的基础上,构建了基于熵值赋权的 TOPSIS 法装备体系方案价值评估与优选模型,并通过实例验证了该模型的有效性。结果表明：该方法能有效提高装备体系方案优选的科学性、客观性和有效性,从而为装备论证人员开展装备体系方案优选工作提供参考。     

水下地形辅助导航最优航路规划

为了确保水下地形辅助导航系统在规划航路上能够获得充足的地形信息,提出了一种综合考虑航行任务和地形信息量的最优航路规划方法。该方法首先建立了水下地形熵信息量分布模型,然后以地形信息量和航路长度为优化目标,同时考虑障碍物和航行器机动性能的约束,利用粒子群优化算法在匹配区内全局寻优,得到符合要求的最优航路,最后采用粒子滤波水下地形匹配算法沿该航路进行匹配运算。仿真结果表明,该方法能够给出地形特征充足的最优航路。     

基于Simpy 的部队装备维修仿真系统设计与实现

针对新形势下装备维修保障的优化问题,提出一种装备维修仿真系统的体系结构。分析部队维修保障过 程中关键要素之间的关系,阐述装备维修仿真系统的用户需求;以维修时间优化为例建立静态维修的任务分配优化 模型,设计动态维修条件下维修保障的过程模型,并采用层次分析法(analytic hierarchy process,AHP)和逼近理想解 排序法(technique for order preference by similarity to an ideal solution,TOPSIS)对不同维修分队的维修效能进行比较。 基于离散事件仿真库Simpy 实现了仿真系统的数据分析仿真功能,结合某型装备的维修保障数据进行了仿真验证, 仿真结果表明,该系统能为装备维修的流程设计、资源配置与优化等方面提供参考依据。     

多管火箭炮定向管的多目标优化及多属性决策研究

针对某多管火箭炮(MRLS)复合材料定向管的结构设计指标,根据有限元分析方法和优化设计方法,以复合材料定向管的复合铺层厚度、铺层角度及定向管中定位部的位置为优化设计变量,定义定向管固有频率和定向管质量为优化目标,结合有限元数值计算结果,采用改进非支配排序遗传算法(NSGA-Ⅱ),建立了复合材料定向管的多目标优化模型。通过优化求解,得到帕雷托(Pareto)最优解,并由这些Pareto最优解构成决策矩阵,利用客观赋权的信息熵法计算各属性的权值,并运用逼近理想解的排序方法(TOPSIS)进行了多属性决策研究(MADM),对Pareto最优解作了排序。引入比刚度结构效能对比分析优化前后的定向管性能,表明对定向管的优化设计是有效的。     

基于AHP-Fuzzy的装备保障指挥信息系统指挥控制效能评估

针对装备保障指挥信息系统的复杂性、随机性和模糊性特点,对其指挥控制效能的评估提出了层次分析法（AHP）和模糊理论（Fuzzy）相结合的综合评估方法;先对层次分析法和模糊理论进行阐述,而后建立了装备保障指挥信息系统指挥控制效能评估层次结构指标体系,并按照层次分析法相关理论,构建了装备保障指挥信息系统指挥控制效能评估模型,依据模糊理论结合实验数据对模型进行了求解,最后得出层次分析法和模糊理论相结合是评估装备保障指挥信息系统指挥控制效能有效方法的结论。     

基于TOPSIS的地空导弹总体方案评价决策研究

地空导弹总体方案科学与否直接关系到地空导弹性能的优劣，科学准确地评价总体方案是做出正确决策的前提．针对地空导弹总体方案定量分析问题，提出了一种用基于AHP法分配权重，模糊数学量化定性指标，最终运用目标决策分析中逼近于理想解的排序方法（TOPSIS）对总体方案进行排序，比较好地克服了以往方法区分度小等不足．实例表明，该方法是有效而又实用的。     

基于信息熵的射击目标选择模型

根据射击目标选择的特点,利用信息熵权重和层次分析方法建立目标选择的数学模型.其步骤包括:对因素集因素属性进行量化;确定各因素的信息熵权重;建立层次分析法模型,计算方案层对准则层的权重;最后利用组合权重进行排序.     

A Study of New Method for Weapon System Effectiveness Evaluation Based on Bayesian Network

As weapon system effectiveness is affected by many factors,its evaluation is essentially a multi-criterion decision making problem for its complexity.The evaluation model of the effectiveness is established on the basis of metrics architecture of the effectiveness.The Bayesian network,which is used to evaluate the effectiveness,is established based on the metrics architecture and the evaluation models.For getting the weights of the metrics by Bayesian network,subjective initial values of the weights are given,gradient ascent algorithm is adopted,and the reasonable values of the weights are achieved.And then the effectiveness of every weapon system project is gained.The weapon system,whose effectiveness is relative maximum,is the optimization system.The research result shows that this method can solve the problem of AHP method which evaluation results are not compatible to the practice results and overcome the shortcoming of neural network in multilayer and multi-criterion decision.The method offers a new approach for evaluating the effectiveness.