Research on the self-defence electronic jamming decision-makingbased on the discrete dynamic Bayesian network

The manner and conditions of running the decision-making system with self-defense electronic jamming are given. After proposing the scenario of applying discrete dynamic Bayesian network to the decision making with self-defense electronic jamming, a decision-making model with self-defense electronic jamming based on the discrete dynamic Bayesian network is established. Then jamming decision inferences by the aid of the algorithm of discrete dynamic Bayesian network are carried on. The simulating result shows that this method is able to synthesize different targets which are not predominant. In this way, various features at the same time, as well as the same feature appearing at different time complement mutually; in addition, the accuracy and reliability of electronic jamming decision making are enhanced significantly.     

基于Agent的网络物流配送决策系统研究

针对电子商务下企业物流配送决策面临的新要求,将Agent技术应用于企业物流网络配送决策。分析了电子商务下企业物流配送决策的基本流程,在此基础上构建了基于多Agent的网络物流配送决策系统结构,分析了该系统中Agent间的运作方式,并详细剖析了各子Agent的内部结构。探讨了系统中多Agent间的协调机制,定义了Agent状态转移的协调规则。采用分布式组件对象模型(DCOM)技术实现了Agent间的交互和通讯接口。通过该系统的调试运行,证明将Agent技术应用于物流配送决策提高了决策的效率。     

空地精确制导武器对地攻击目标毁伤评估

针对现代战场的复杂性、目标毁伤评估信息的多样性、不确定性,结合模糊理论和贝叶斯网络建立了目标毁伤评估模糊贝叶斯网络模型.对于网络中的连续节点, 运用模糊理论将其转换为相应的隶属度,再利用可能性概率转换理论转换为可用于贝叶斯网络推理的概率知识.模型考虑了天气、电子和光学干扰、武器-目标匹配度等因素对目标毁伤评估的影响,作战决策人员可以运用该模型对各种攻击条件下的目标毁伤效果进行仿真,快速、准确地评估目标毁伤等级,并可融合战后收集的侦察情报得到目标真实毁伤信息,利用评估准确度对预测评估模型进行修正,最终为是否进行二次打击及合理配置火力提供决策依据.     

基于网络分析法的逆向物流外包或自营决策

为了解决制造业逆向物流外包或自营决策问题,以网络分析法(analytic network process,ANP)理论为基础,建立了影响制造业逆向物流外包或自营决策的网络图。以某汽车制造企业为例,通过SD软件进行仿真模拟和灵敏度分析,透视影响该汽车制造企业逆向物流外包或自营决策的因素权重,验证了该网络图的有效性;同时提供了一种解决逆向物流决策问题的定量化思路,期望对企业的逆向物流运作提供决策借鉴。     

基于时序模糊软集的群决策方法

研究了时序模糊软集环境下的群决策问题.针对实际问题中模糊软集信息随时间动态变化的情形,定义了时序模糊软集等概念,并讨论了其相关运算及性质. 考虑不同时刻模糊软集信息对最终决策的不同影响,分别从连续和离散时间建立基于指数衰减模型的权重确定公式. 然后,利用集成思想定义模糊软集间的运算并给出了算术加权平均算子的计算公式,将时序模糊软集集成为综合模糊软集. 利用水平软集等工具计算各对象的机会值,得出最优决策. 最后,给出了基于时序模糊软集的群决策途径并通过实例验证了决策方法合理、可行.     

变结构离散动态贝叶斯网络参数的自适应产生

变结构离散动态贝叶斯网络及其推理算法解决了对突变过程的建模和定性推理问题,但是环境突变是随时发生而且无法预计,由此网络结构发生变化后,网络参数必须自适应产生.针对此问题,依据贝叶斯网络的原理,定义了相关节点和最偏好状态的概念,提出了变结构离散动态贝叶斯网络参数的自适应产生算法,并将此算法应用于解决飞行器突发威胁情况下的航路选择问题,取得了满意的结果,验证了所提出的变结构离散动态呗叶斯网络参数的自适应产生算法是可行的,有望解决变结构离散动态贝叶斯网络参数的自适应产生问题.     

MFR认知干扰决策体系构建及关键技术

随着多功能雷达(multifunctional radar, MFR)和认知电子战的不断发展,现有干扰决策体系越来越难以满足现代化战争的需求。对此,构建了一种对MFR的认知干扰决策体系。首先,构建了MFR信号层级结构,在此基础上结合认知特点,提出了认知干扰决策体系,使得对MFR的干扰决策体系具备了一定的认知能力。其次,对体系中的关键技术——干扰库和案例库的构建和更新、干扰有效性分析和基于强化学习的干扰策略分别进行了研究分析。对认知电子战的发展具有重要的理论和实际意义。     

MFR认知干扰决策体系构建及关键技术

随着多功能雷达(multifunctional radar, MFR)和认知电子战的不断发展,现有干扰决策体系越来越难以满足现代化战争的需求。对此,构建了一种对MFR的认知干扰决策体系。首先,构建了MFR信号层级结构,在此基础上结合认知特点,提出了认知干扰决策体系,使得对MFR的干扰决策体系具备了一定的认知能力。其次,对体系中的关键技术——干扰库和案例库的构建和更新、干扰有效性分析和基于强化学习的干扰策略分别进行了研究分析。对认知电子战的发展具有重要的理论和实际意义。     

离散动态贝叶斯网络的直接计算推理算法

离散动态贝叶斯网络是对动态过程进行建模和定性推理的有力工具。但是目前所用的各种推理算法都需要进行复杂的图形变换,不易于计算机编程实现而且计算时间长。为此,基于概率论和贝叶斯网络的基本性质,提出了离散动态贝叶斯网络的直接计算推理算法,从理论上对算法进行了推导并进行了实例验证。该算法的最大优点就是不需要复杂的图形变换,非常适合于计算机编程实现,而且在某些情况下推理速度快于其它算法。     

基于离散时间贝叶斯网络的动态故障树分析的改良方法

传统基于离散时间贝叶斯网络的动态故障树分析方法的计算时间和计算精度受时间分段影响极大。基于复合梯形积分方法分析传统方法的计算误差,提出改良的动态门转化方法,补偿其计算误差。以某测量系统为例,建立动态故障树和贝叶斯网络,验证改良方法的可行性和高效性。结果表明:改良方法在时间分段较小时,能得到精确的系统失效概率。改良方法补偿了传统方法的计算误差,提高了结果的计算精度和计算效率,适用于服从各种常见分布的复杂系统。     

基于RS-DBN的电子对抗目标清单生成方法

由于电子对抗作战目标类型和工作方式多样, 变化速度快, 有效信息难以充分获得, 且在不同作战阶段呈现出不同特点, 使用传统评估方法难以对其等级排序实施精确评估。对此, 提出一种基于随机集的动态贝叶斯网络电子对抗目标等级评估方法。首先，对电子对抗作战目标清单生成方式进行梳理, 确定了评价指标体系, 并根据作战阶段的变化特点，结合动态贝叶斯网络完善了评价体系。然后, 充分考虑作战过程中数据获取不完整的特点, 通过引入随机集方法将传统贝叶斯网络的节点参数求解方法进行拓展, 使用区间数学的思想得到了较为准确的动态贝叶斯网络节点参数。最后，进行了案例仿真计算和结果分析, 并对节点概率确定方法进行算法复杂度讨论。结果表明，所提方法更加适合样本不完整的军事评估问题, 评估结果与实际作战基本一致, 使用的算法具有高效性、适用性和推广性。     

对多功能雷达的DQN认知干扰决策方法

基于Q-Learning的认知干扰决策方法随着多功能雷达(multifunctional radar, MFR)可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络(deep Q network, DQN)干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。     

基于A3C的多功能雷达认知干扰决策方法

在多功能雷达对抗领域, 目前基于强化学习理论的认知干扰决策方法难以满足雷达对抗高实时性要求。对此, 将异步优势行动者-评论家(asynchronous advantage actor-critic, A3C)算法引入到认知干扰决策领域, 设计了包括干扰机模型、环境模型(目标方多功能雷达)以及交互机制的认知干扰决策整体框架, 制定了干扰决策流程, 干扰机模型利用异步多线程方式与环境模型进行交互训练。仿真实验表明, 在扩充雷达任务转换关系表的基础上, 所提方法与基于深度Q网络(deep Q network, DQN)的认知干扰决策系列方法相比, 极大地提高了时间效率, 平均决策时间降低70%以上, 并且在决策准确度上有着明显优势, 表明所提方法能够为多功能雷达对抗决策提供更有力的技术支撑。     

基于多阶段多指标的编队干扰方案协同决策研究

在现有装备的基础上,为合理地选择各个阶段的干扰方案以达到最佳效果,将编队干扰方案决策问题看作一个多阶段多指标系统,依据系统协同原理,定义了协同度概念,将模糊优选理论与动态规划原理相结合,提出一种能够有效求解多阶段多指标问题协同决策的方法。将该方法运用于编队干扰方案决策中,建立了全程决策数学模型。在给定的战术想定情况下,对求解过程进行了分析,为能够实时准确地得到各种作战态势下的最优决策,编程设计了基于GUI的干扰方案决策系统操作界面,通过仿真分析了不同指标权值下协同度对决策结果的影响。     

编队空战中协同电子干扰的功率分配

针对编队空战的协同电子干扰功率分配问题,采取空域叠加方法将编队空战中协同电子干扰的空域简化为单机干扰空域,以目标对编队的威胁程度以及编队对目标的压制效果为指标,采用整数规划方法建立了编队空战时的电子干扰功率协同分配模型,包括干扰扇区间和干扰扇区内的功率分配算法。仿真结果表明,进行编队空战电子干扰功率的统一分配,能够避免单一干扰装置对目标干扰功率分配的不足,还可以减少各干扰装置独立作用时对同一目标干扰功率的重复分配,达到了干扰效果的优化。     

Applying Even-Swap Method to Structurally Enhance the Process of Intuition Decision-Making

The purpose of this study is to employ a rational decision-making method to structurally and systematically enhance the process of intuitive decision-making. This study employed the Even-Swap method as a rational decision-making method. Eleven nurses who intended to quit their jobs because of their experience with the care of SARS patients were selected as a control group. Then Even-Swap method was employed with the same 11 nurses for making resignation decisions as experimental group. This study found that 10 of the subjects who employed both methods to evaluate the same scheme reached different decision conclusions from their original ones, while the other subject reached the same decision conclusion. The Even-Swap method proved to be more comprehensive when used in conjunction with intuitive decision-making. In addition, this method can assist clear presentation of intuitive decision-making process by its structural and systematic process.     

远距离支援干扰下双隐身飞机自卫相参干扰对单脉冲雷达影响

以复杂电磁环境下双隐身飞机自卫相参干扰对抗单脉冲雷达为研究背景,针对单脉冲雷达角欺骗问题,提出了远距离多假目标干扰下双隐身飞机自卫相参干扰模型。首先构建双隐身飞机姿态敏感性模型,提取即时雷达散射截面序列,依据目标回波与干扰信号对应关系,建立复合等效信干比模型。在此基础上,采用脱靶与有效干扰最小即时距离对双机干扰模式下雷达角跟踪误差形成评判指标。仿真表明，该组网干扰模式使雷达角跟踪误差提高696.49倍,比单一干扰模式使单脉冲雷达角跟踪误差平均提高1.07倍,检验了组网复合相参干扰样式的有效性。     

基于GAN的通信干扰波形生成技术

现有通信干扰方法, 通常基于通信侦察中获取的目标信号特征进行干扰决策, 选取合适的干扰波形实施干扰, 难以应对目标信号特征未知或参数动态变化的情况。为此, 提出一种基于生成对抗网络(generative adversarial networks, GAN)的通信干扰波形生成技术, 运用GAN直接提取目标信号的潜在特征, 并生成与目标信号特征相似的干扰波形。在介绍GAN原理的基础上, 首先设计网络模型, 并对学习率进行优化, 使GAN更适用于时间序列通信干扰波形的生成。然后通过对不同类型和参数的通信信号进行干扰波形生成实验, 验证了该技术的泛化性。最后进行干扰效果对比试验, 结果表明, GAN生成的干扰波形干扰效果能够逼近最佳干扰效果。     

基于贝叶斯网络的复杂系统故障预测

针对复杂电子系统信号具有不确定性的特点,提出一种基于贝叶斯网络的故障预测模型。该模型通过对连续的信号特征进行量化处理,利用专家知识结合信号建立贝叶斯网络结构;对不同样本采用不同算法来进行网络学习,采用概率推理定量估计信号的区间预测概率,从而建立一个可推理的预测模型。将该方法应用于电源系统进行故障预测,针对不同数据样本进行实验,结果验证具有较高的区间预测率,为复杂系统的故障预测提供了新手段。     

信息技术对企业中决策权分配影响的模型研究

按照决策成本的特点对决策进行分类 ,在决策权最优分配的数学模型基础上 ,定量研究了不同类型决策的决策权最优分配问题 ,分析了信息技术的进步对不同类型决策的决策权最优分配所带来的影响 .