多传感器时间控制系统的数据融合新算法

针对由多个传感器组成的时间控制系统,为满足其较高的实时性和鲁棒性要求,提出了一种新的加权融合算法。该方法不需要传感器测量值的先验信息,根据实测数据之间的相互关系来确定门限和权值分配策略,避免了设定经验门限带来的主观因素。仿真试验和工程实际应用均表明:该算法鲁棒性强,融合精度高,且计算量小,满足系统的高实时性要求,具有一定的理论意义和较高的工程实用价值。     

延时控制差异并联算法与自适应加权融合算法

为提高延时控制系统现有决策算法的精度,提出了基于遗传算法的差异并联决策算法,利用遗传算法对各个延时电路的决策增量进行优化求解;为改善系统决策算法的鲁棒性,提出一种自适应加权融合算法,在对实测数据进行分析的基础上确定合理的权值分配策略。利用数值算例对精度、可靠度、鲁棒性和实时性的对比表明:与原有算法相比,所提两种算法具有更优的综合性能,其中自适应加权融合算法性能较为均衡,而差异并联算法具有较强的抑制异常测量值能力,适用于对鲁棒性要求较高的场合。     

基于蚁群算法的目标分配问题研究

目标分配问题是多机协同战术决策的核心内容之一.文中以攻击优势最大为准则,结合蚁群算法的思想,建立了基于蚁群算法的目标分配问题求解模型,并以实例说明了算法的有效性.     

舰-舰导弹超视距攻击最优化机动决策方法

针对现行装备的舰－舰导弹超视距攻击机劝决策软件的不足提出了一种最优化决策方法。该方法采取了指挥员主导决策方式,通过最优化方法而不是解析方法加强了计算机在决策过程中的支持能力,使该类战术决策软件的性能得以提高,建立了符合战术要求的评价函数体系,导出了寻优公式系。     

改进遗传算法的多机超视距协同空战目标分配方法

针对多机超视距协同空战中的目标分配问题,依据协同空战攻击决策的度量指标,构建交战优势矩阵,建立整体优势函数;在此基础上,考虑目标分配整体均衡策略,引入目标分配密集度和目标分配均匀度两个指标用于目标均衡和任务均衡分配,改进整体优势函数,从而合理利用作战资源;考虑传统遗传算法解算速率不高的缺点,提出了一种改进的遗传算法,该方法能快速寻优满足实时性要求.     

改进的模型集自适应变结构多模型算法

针对传统固定结构的交互式多模型算法模型集无法覆盖目标的所有运动模型,提出一种改进的模型集自适应变结构多模型算法。该算法在量测信息的基础上,采用Kullback-Leiber规则对模型集中各模型与目标运动模型匹配程度进行判别,删减匹配程度较低的模型;同时,采用改进的期望模型算法得到一个新的匹配程度高的模型集,并对原模型集中的模型进行更新;最后再与容积卡尔曼滤波器相结合,实现非线性目标跟踪系统的变结构多模型算法。仿真结果表明:该算法在保证系统计算量没有明显增加的基础上有效地增加了算法的自适应性能和系统的鲁棒性能,更好地满足了工程应用中对算法自适应性和实时性的要求。     

武装直升机群对地攻击智能战术决策系统

对武装直升机群对地攻击智能战术决策系统进行研究,根据威胁评估定义地面目标对武装直升机的威胁指数,提出基于遗传算法的目标分配,并进行基于鱼群算法的武装直升机的多目标火力分配。仿真结果表明,本文提出的智能战术决策准确有效。     

基于毁伤下界的常规导弹火力分配方法研究

主要解决在武器资源充足而打击目标有限的情况下的常规导弹火力分配问题.针对常规导弹打击军事目标的特殊性,给出了有效毁伤下界的定义,通过对常规导弹火力分配问题的分析,建立了在满足目标毁伤要求下以节约武器资源为目的的火力分配模型,并利用遗传算法给出了适应于该模型求解的方法及步骤.通过仿真结果分析,验证了模型的有效性和算法的可行性,为指挥决策提供了有力的支持.     

基于交叉熵优化的多飞行器在线协同目标分配方法

在线协同目标分配技术是支撑多飞行器自主协同作战的关键,为此,针对多飞行器在线协同目标分配问题进行研究,综合考虑飞行器性能、命中概率、目标价值等因素建立了约束条件模型和代价指标评估模型,提出了基于交叉熵的在线协同目标分配策略求解算法,经不同计算规模下的数学仿真分析,验证了本文方法对于解决在线目标分配问题的计算实时性和有效性。     

坦克分队最优火力分配的决策模型

依据指派问题及其解法（匈牙利法）,构建了一对一射击和多对一射击情形下的坦克分队最优火力分配决策模型,并通过具体实例对该模型进行了初步验证．结果表明,该模型的解法满足作战实时性要求．实际应用表明,该模型用于解决坦克分队的最优火力分配问题是有效的．     

多机协同多目标分配战术决策研究

神经网络在协同空战决策领域有着非常好地运用的前景，本文引入威胁指数法来计算协同优先权，并将其作为神经网络的教师值．最后给出了仿真算例，计算结果表明，通过文中介绍的方法改进的协同优先权算法可以更有针对性地完成战术决策任务．     

分阶段对地打击武器-目标分配建模与决策

为解决以对地打击作战行动为背景的武器-目标分配问题,在合理的假设条件下,建立了分阶段对地打击武器-目标分配的全局模型和局部模型,并设计了粒子群算法结合改进单纯形法的模型求解思路。结合具体算例所得出的仿真结果表明,所提出的模型与算法是准确的,能够有效地得到目标选择方案和武器分配方案,决策结果与实际作战思路基本一致,为对地打击武器-目标分配问题的工程实现提供了参考,具有重要的实际应用价值。     

基于回合制的火力分配优化问题建模方法研究

为解决火力分配中目标威胁度量化评估难,以及不同装备使用不同弹药对不同目标的毁伤效果差异大问题,建立了火力分配优化问题模型,该模型以最大战斗力指数为目标函数,并在火力分配基础上提出了装备-弹药-目标的分配方法。以武器装备回合战斗力指数为火力分配依据,有效解决了当前优化模型中很难精确确定不同目标威胁度大小问题;以回合制为计算周期确定装备战斗力指数、弹药消耗发数及装备运用方案等,有效解决了当前优化模型中一次计算后目标动态变化造成的火力资源浪费以及实时动态分配造成的计算困难等难题。运用遗传算法求解所建立的模型,算例结果验证了模型的可行性和有效性。     

基于整数域改进粒子群优化算法的多平台武器目标分配

武器一目标分配( WTA)问题是军事运筹学中经典的NP完全问题,其模型为非线性整数规划模型,包含多种约束条件,求解复杂、收敛速度慢,采用改进粒子群优化( PSO)算法求解WTA问题.在建立WTA最优化分配模型的基础上,提出了一种针对多约束WTA问题的粒子编码方案及模型的适应度函数,解决了粒子的整数域初始化问题.采用粒子...     

基于深度强化学习的巡飞弹突防控制决策

巡飞弹突防控制决策（LMPCD）问题是“多域战”作战概念背景下的重要研究方向。针对该问题,建立基于马尔可夫决策过程的LMPCD模型。拟合LMPCD函数与飞行状态-动作值函数,构建基于演员-评论家方法的LMPCD框架,给出基于深度确定性策略梯度算法的深度强化学习模型求解方法,生成巡飞弹突防控制最优决策网络。通过1 000次巡飞弹突防仿真测试,结果表明,巡飞弹执行任务成功率为82.1%,平均决策时间为1.48 ms,验证了LMPCD模型及其求解过程的有效性。     

基于模式搜索的导弹目标分配方法研究

提出了基于模式搜索的导弹目标分配问题的求解方法.该问题是一个带约束的非线性整数规划问题,采用传统模式搜索求解可能产生非整数解以及陷入局部最优.通过设置模式搜索的终止条件和引入变异操作,克服了上述问题.实践表明,该算法运算速度快,效率高,鲁棒性好,可用于导弹目标分配的决策模型.     

基于文化基因算法求解动态武器目标分配

针对动态武器目标分配(dynamic weapon target assignment,DWTA)问题,提出一种基于进化算法和局部 搜索算法的文化基因算法(memetic algorithm,MA)。以最大化目标毁伤为目标,建立考虑能力约束、策略约束、资 源约束、拦截可行性约束条件下的DWTA 模型;引入虚拟排列进行编码以满足拦截可行性要求,设计将排列转化为 实际分配方案的构造方法,给出算法运行过程中对随机事件的处理方法。通过与遗传算法(genetic algorithm,GA)、 MA-GLS(memetic algorithm global local search)求解不同测试实例的对比仿真,结果表明,MA 算法具有寻优速度快、 优化能力强、稳定性好的优点。     

基于区间直觉模糊决策的多无人机任务分配方法

针对多无人机在不确定环境下面向SEAD 约束的任务分配问题,提出一种基于区间直觉模糊决策的多无 人机任务分配方法。构建面向不确定环境下无人机的任务分配数学模型,将无人机和任务的不确定信息用区间直觉 模糊数表示;借助TOPSIS 原理,考虑区间直觉模糊数的曼哈顿距离和犹豫度对区间直觉模糊数进行比较,采用改 进后的离散差分进化算法求解得到最优的任务分配方案。结果表明：该分配模型合理,算法具有较好的收敛性。