远距离支援最优干扰空域规划

针对支援突防作战中远距离支援干扰机最优空域的规划问题,确定了干扰机的配置范围、雷达探测范围,提出了航线安全间隔和有效干扰航段的概念,以有效干扰航段、干扰机数量和干扰机离雷达中心的距离三个参数构建评价函数，建立了远距离支援有源干扰空域规划的模型。该模型具有多约束、非线性的特点，因此采取灰狼优化算法对其求解，为降低在模型求解时算法陷入局部最优的概率，引入非线性调节参数和记忆功能对灰狼优化算法进行改进，继而规划出相应的空域。采用仿真的方式验证模型的合理性和求解算法的有效性，得到了不同决策偏好下的空域。     

基于无人机实时数据多波次任务规划模型分析

针对导弹部队多波次作战任务规划问题, 依据无人机的实时数据, 构建了基于路径的多层规划模型, 并设计了模型的算法求解流程。使用遗传算法与禁忌搜索混合算法, 得出了任务规划中的最优路径规划, 并在此基础上进行了冲突的消除。通过仿真案例表明, 用无人机协同配合导弹部队作战, 实时传输作战数据, 能够解决战场信息模糊不确定的问题; 使用多层规划模型能够为导弹多波次规划作战的路径进行科学的决策和选择。利用遗传算法和禁忌搜索混合算法, 能够避免局部最优导致无法输出结果的现象。     

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。     

针对要点防空模型的作战兵力优化研究

为了在现代化联合防空作战中, 根据蓝方火力配置, 红方能够做出最优的兵力分配, 使防空效能最大化。从要点防空的任务角度出发, 对作战兵力分配进行建模优化, 并对优化后的兵力分配效能进行评估。首先选定任务背景为近海小规模局部战争, 对复杂作战情况进行抽象得到模型。对模型进行优化, 求解得到红方最优兵力分配结果，提出一种新方法, 简化了对有限制的类二项分布期望的求解, 得到蓝方各类进攻力量成功突防的期望以及红方要点平均损耗期望, 并用此值定量评估联合防空的兵力分配效能。最后, 进行了实例分析, 验证了模型的有效性。     

地空导弹兵作战部署兵力需求分析方法

兵力需求分析是地面防空作战部署的重要环节。兵力需求与很多因素有关。首次从不同角度系统地提出了地空导弹兵作战部署兵力需求分析方法。该方法将作战地域分解成若干带状的火力层的集合,在此基础上分别研究了单层火力的兵力需求分析方法、所需火力层数的分析方法、总兵力需求的分析方法以及电磁干扰对兵力需求的影响。该方法也可为其它兵种的防空作战部署的兵力需求分析所借鉴。     

基于蜂群算法的坦克阵地部署与火力分配模型

为了解决坦克分队进攻战斗中的兵力部署和火力协同问题, 提出坦克阵地部署模型和坦克火力分配模型, 前者解决坦克分队从集结区域到作战区域的兵力分配问题, 后者解决坦克接敌后的火力协同问题。针对坦克作战中的对抗特性, 建立确定型火力对抗模型, 在火力分配模型中体现敌我动态对抗过程。为了求取坦克阵地部署和火力分配最优方案, 采取双层迭代策略, 底层迭代求解火力分配模型, 上层迭代调用底层迭代的结果, 寻优坦克阵地部署最优方案。算法方面, 基于模型的具体特点和先验知识, 对人工蜂群(artifitial bee colony, ABC)算法进行有针对性的设计, 提高了算法的收敛速度和收敛精度。仿真实验说明了本文对人工蜂群算法设计的有效性和双层迭代寻优策略的合理性。     

基于Nash均衡的地空导弹兵混编群火力运用策略

建立了地空导弹兵混编群作战模型。该模型是一个离散、带有战斗力损耗的战斗状态向量空间模型。在混编群作战模型的基础上,给出地空导弹兵混编群火力运用目标函数,明确地空导弹兵混编群最优火力运用策略是混编群内各火力单位的最优射击策略组合,称为混编群火力运用的Nash均衡策略。针对求解地空导弹兵混编群火力运用问题的特点,改进了免疫粒子群算法,并验证了算法正确性。通过仿真得到地空导弹兵混编群火力运用策略,并给出战术解释。     

用多目标进化算法求解二层规划双目标模型

传统单目标二层规划模型得到的最优解往往无法使上下级双方都满意.为此,通过在上层规划中同时考虑下级的目标函数,建立了原问题的上层为双目标规划的一个新模型.上下级可通过协商在该模型的Pareto-最优解集中找到双方满意解.对此模型设计了求解的多目标进化算法,用传统优化算法求解下层规划的单目标问题,而对上层的双目标规划问题则采用基于NSGA-Ⅱ的多目标进化算法求解.数值试验表明我们所提出的算法是有效的.     

多波次火力进攻战斗中作战单元使用任务规划

作战单元使用任务的完成是作战训练任务执行的基础和前提。为了保证作战单元能够顺利执行作战训练任务,需要考虑武器系统的可靠性维修性保障性等质量特性对其使用任务进行合理规划。以作战单元多波次进攻战斗为背景,建立了基于任务效能的使用任务规划模型,并提出了一种改进的基于遗传-离散粒子群混合优化算法来求解规划模型。通过与离散粒子群算法和遗传算法的实例比较,结果证明了该方法的有效性和优越性。     

特定多任务下飞机航迹规划研究

为了更好地完成航空特定任务，提出了特定多任务下飞机航迹规划模型。采用栅格法建立战场环境模型，根据复杂、真实战场环境以及作战要求，提出了距离、油耗、任务完成度、地对空威胁和空对空威胁5个目标航迹规划的模型。根据特定任务的要求，分析了满足任务的各种需求，给出了评估任务完成度指标。根据该问题的特点，提出一种两阶段的航迹规划求解算法。第一个阶段用简化二维路径规划模型计算多任务顺序，第二阶段根据多任务顺序使用改进A*算法求解多目标栅格优化问题，解决了A*算法不能处理时变优化问题情况。仿真结果表明该方法能很好地解决多任务、多目标航迹规划问题，比目前的算法更高效。     

基于两阶段DEA的空中突防兵力方案评价方法

以效费比优选兵力方案是作战方案制定中的关键技术。以飞机编队突防作战为研究背景,用系统动力学的方法构建突防编队依次通过飞机拦截区与地空武器拦截区的兵力损失模型。将突防过程抽象为类型3的两阶段数据包络分析模型,证明其与类型1模型在效率加性分解与乘性分解上特性的不同,指出其无偏见性,并分别从两个阶段的输出与输入导向综合定义新的中立性评价方法。在仿真实验中,分别运用3种评价方法对可选兵力方案的两阶段与整体效率进行评价比较,根据任务要求,选取最优兵力方案。     

不确定信息下考虑相关性与多样性的作战方案推荐方法

针对现有的作战需求表征与作战方案评价存在不确定性信息、作战方案设计中经验积累与重用以及作战方案推荐中相关性与多样性权衡问题, 提出了一种不确定信息下考虑相关性与多样性的作战方案推荐方法。首先，将粗糙集理论融入最优最劣法(best-worst method, BWM)中对各作战能力属性进行赋权; 其次, 给出了不确定信息下作战方案与任务需求之间的相关性、作战方案之间的多样性计算模型; 然后, 提出了权衡相关性和多样性的行列式点过程(determinantal point process, DPP)模型, 在此基础上, 给出了贪婪最大后验概率(maximum a posterior, MAP)推断算法和贪婪Trade-off推断算法以获得作战方案最优推荐子集; 最后, 通过案例分析验证了所提模型和方法的适用性和可行性。     

基于深度随机博弈的近距空战机动决策

针对空战中作战信息复杂、难以快速准确地感知态势做出决策的问题,提出一种博弈论与深度强化学习相结合的算法。首先,依据一对一典型空战流程,以随机博弈为标准,构建近距空战中红蓝双方对抗条件下的双机多状态博弈模型。其次,利用深度Q网络(deep Q network, DQN)处理战机的连续无限状态空间。然后,使用Minimax算法构建线性规划来求解每个特定状态下阶段博弈的最优值函数,并训练网络逼近值函数。最后,训练完成后根据网络输出求得最优机动策略。空战仿真实验表明,该算法具有较好的适应性和智能性,能够有效地针对空战对手的行动策略实时选择有利的机动动作并占据优势地位。     

卫星地面站资源调度优化模型及启发式算法

针对涉及合理确定各地面站各类设备的数量及其分布,对设备进行最优调度,提高地面系统资源利用率等卫星地面站资源优化问题,建立了一种非线性泛函优化模型,并根据实际,在适当假设的基础上建立了系统的0-1规划模型。为了求解模型,提出基于地面站资源冲突消解策略,提出了一种启发式调度算法。利用该算法,研究了一个5站10星问题的调度方案,并与人工经验调度方案进行了比较。结果表明,采用这种启发式调度算法,卫星获得服务的时间增加,平均每天服务总圈数没有明显下降,说明该算法是有效的。     

基于区间数的空中进攻作战信息流转模式构建

高效合理的信息流转模式是有效实施空中进攻作战的前提和重要保障。针对空中进攻作战信息流转模式构建问题,给出了基于复杂网络理论的信息流转模式基本定义,解析了空中进攻作战3个阶段的情报保障、作战指挥和武器控制信息的流转关系。引入区间数概念及运算规则,以信息流量、信息质量和传输时间为优化目标,构建了基于区间数的空中进攻作战信息流转模式多目标规划模型,结合线性加权法和区间数满意度,将其划归为单目标确定型两层嵌套优化模型,并利用微分进化算法进行求解。最后结合实例,验证了该模型与方法的合理性与可行性。     

不确定条件下后装协同保障链优化调度

后装保障链是联合作战环境下的重要支撑, 针对保障链中的2个重要节点-前进基地和保障基地的资源协调问题, 提出了考虑不确定因素影响的优化模型及基于信息共享的协同保障算法; 为了解决保障数据样本较小情况下的不确定参数估算问题, 利用模糊规划方法把不确定优化模型转化为概率约束模型; 并利用增强ε-约束法来估算多目标Pareto解, 帮助后装指挥人员在难以事先给出权重的情况下选择合适的解决方案; 为了解决规划模型的计算复杂性过大的问题, 设计了嵌入自适应大规模邻域搜索的Memetic算法进行求解。最后通过仿真实验对模型和算法的有效性进行了验证。     

基于PSO和扩展TOPSIS方法的COA优选方法

作战方案(COA)优选是任务规划系统的重要组成部分,其性能很大程度上决定了任务规划的性能.因此针对任务规划必须符合作战要求和时效性要求,提出了扩展TOPSIS和PSO结合的COA优选方法.首先,为了提高规划的时效性,采用粒子群算法进行搜索优化;对作战要求和作战效能数据进行模糊化处理,生成标准化决策数据,计算每个COA到TOPSIS(逼近于理想解排序)正负理想解的距离;得到COA灰色关联贴进度,作为PSO算法的适应值.文章最后进行实例分析,验证该方法的可行性和有效性.     

基于模糊多目标规划的防空反导火力分配

针对现有多目标火力分配(weapon target assignment,WTA)方法很难适用于不确定情况下防空反导作战的问题,提出了基于模糊多目标规划的防空反导WTA方法。首先,采用三角模糊数刻画不确定的目标威胁度,在考虑防空反导作战特点的基础上,基于模糊多目标规划建立了WTA模型;然后,根据必要性测度原理将含有模糊参数的目标函数进行了等价清晰化;接着,提出了具有单/双势阱的多目标量子行为粒子群算法用于求解WTA模型,该算法采用了单/双势阱位置更新方式、粒子混合随机变异方法、领导粒子两阶段选取方法;最后,通过实例仿真验证了模型的合理性和算法的有效性。