信息支援下的作战体系多层网络建模

在传统作战环的研究中, 通常考虑目标、传感、打击和指控4类节点的关系, 缺少通信网络对作战体系影响的分析。为此, 本文研究了在通信网络信息支援下, 作战体系分层模型的构建, 并利用超网络理论对各层分别建模, 并对信息流、物质流和能量流进行形式化描述。最终形成物理域、信息域和认知域的3层网络模型。同时基于武器装备体系功能和属性的多样性, 将其映射到作战网络, 选取7种网络模式和典型杀伤链作为研究对象, 并根据各打击节点构成边的特性, 给出相应的战技性能指标。对于进一步分析作战网络中的信息协同和共享具有重要意义。     

基于ONM的无人机信息支援远程体系作战能力评估

提出无人机远程信息支援体系的顶层作战概念,建立远程作战的OODA环模型。对无人机信息支援下的远程作战体系进行深入研究,探索作战网络节点和边的建模方法,构建作战网络模型。基于信息熵度量作战过程的不确定性程度,提出基于OODA环和作战网络模型的体系作战能力评估方法。通过实例分析,验证评估方法的适用性。通过对评估结果的分析,辨识对作战能力影响较大的节点,对比不同作战环的作战能力,生成作战环信息流程建议。     

多功能复杂网络模型及其应用

复杂网络的节点可以具有多个属性,不同的属性(集)将导致节点间的连接关系不同,进而使得网络具有不同的功能。针对现有复杂网络模型无法根据选择的节点属性构建具有不同功能的网络的问题,本文提出了多功能复杂网络模型,该网络模型仅使用节点及其关联的属性集来表示,通过对节点属性的选择以及节点在对应属性下的映射规则定义,确定不同的网络拓扑结构和网络功能。通过建立并分析某导弹防御作战网络,验证了多功能复杂网络模型的可用性和有效性。     

基于超网络的作战信息流转建模及特性分析

针对现有单一要素模式的信息网络不能有效反映作战信息流转复杂结构及动态过程的问题,提出一种基于超网络的作战信息流转"两层三网"模型构建及特性分析方法。首先,分析作战信息流转超网络结构特征,抽象作战节点和信息关系的多维属性,定义关联映射规则,建立作战信息流转超网络模型;其次,从节点的超度分布、超边的度分布、介数、聚类系数、子图向心性和网络弹性6个方面,研究了作战信息流转超网络的拓扑特性。最后,以空中突击作战为例,通过仿真实验,验证了模型与方法的可行性和合理性。     

基于武器装备体系作战网络模型的装备贡献度评估

从体系角度出发,提出一种基于武器装备体系作战网络模型的装备贡献度评估方法。首先,将武器装备与装备间关系分别抽象为作战网络中节点与边,建立了基于作战指标的节点与边关系描述模型。然后,构造基于作战环的综合影响指标对武器装备体系作战网络作战能力进行评估,同时建立装备的贡献度评价模型衡量单装备在武器装备体系中的贡献程度。最后,以导弹防御体系为例分析验证了提出方法的可行性。结果显示决策类节点在武器装备体系中扮演重要角色。     

基于作战环和改进信息熵的体系效能评估方法

针对信息化条件下作战体系中装备种类繁多、关系复杂的问题,以敌方目标为牵引,提出了一种基于作战环和改进信息熵的体系效能评估方法。将装备和关联关系抽象为节点和边,根据节点的战技指标确定边的度量指标,构建了基于作战环的作战体系网络模型。提出了基于邻接矩阵的作战环数量确定方法和基于改进信息熵的作战环效能评估方法,根据各目标节点参与的作战环数量及其效能,建立了作战体系效能评估模型。以某打击大型水面舰艇作战体系为例进行分析,结果表明所提方法充分考虑了各装备和关联关系的异质性与不确定性,能够全面客观地评估体系效能,为作战体系效能评估和结构优化提供方法支撑。     

基于节点重要度与改进信息熵的装备体系效能评估方法研究

针对装备体系网络建模过程中未充分考虑节点异质性等问题, 提出了基于节点重要度与改进信息熵的体系效能评估方法。首先, 依据作战环理论和装备分层方法构建装备体系网络模型。其次, 从网络全局、网络局部、战时装备完好性三方面综合评估节点重要度。最后, 根据节点权值和节点参与作战环数量, 建立了改进信息熵的作战效能评估模型。以轰炸蓝方指挥所作战体系为例进行分析, 验证了所提方法的可行性和合理性。     

基于功能图的作战体系关键节点分析

目前大多数基于网络拓扑的作战体系关键节点分析方法只是单纯考虑作战节点的拓扑连接关系, 缺乏从实际业务角度考虑体系中各节点在功能之间的相互依赖。而多数基于作战环的作战体系关键节点分析方法又需要分析人员具有很强的专业背景知识, 且存在分析数据难以获取等问题。基于此, 提出了一种基于功能图的作战体系关键节点分析方法。首先, 介绍了基于任务、反映作战体系功能的功能图概念。然后, 提出了基于功能图的度中心性、介数中心性、接近中心性、PageRank算法、节点移除和收缩等关键节点分析方法。最后, 以某作战体系为例, 作战环为其功能图, 采用介数中心性、接近中心性、基于功能图的介数中心性、基于功能图的接近中心性、基于功能图数量的节点移除法等关键节点分析方法对作战体系中关键节点进行分析, 验证了该方法的简单性、可行性及有效性。     

基于元路径的武器装备体系作战网络链路预测方法

链路预测是网络科学研究的基本问题,武器装备体系作战网络链路预测有助于识别异构作战网络中的隐含信息,对网络重构、关键节点识别以及作战计划制定等具有重要意义。从体系视角出发,基于元路径思想,提出了一种基于元路径的武器装备体系作战网络链路预测方法。首先,针对武器装备与装备间关系的异质性,分别抽象为作战网络中不同类型的节点与边,建立武器装备体系异构作战网络模型。其次,异构作战网络中不同元路径具有特定语义含义,梳理异构作战网络中存在的元路径并对其具体物理含义进行描述,提出基于元路径冗余度的节点相似性指标,在此基础上构建武器装备体系作战网络链路预测模型。最后,与选取的典型链路预测模型及算法进行对比,证明所提方法的可行性和有效性,并结合具体军事应用需求进行应用实例研究。     

基于作战网络的反潜活动效能评估

针对航母战斗群反潜作战活动,基于作战环思想构建网络作战模型,根据参与反潜活动的装备能力要素指标,综合利用层次分析法和灰色评估法,分析作战网络节点的效能值,从而评估作战网络边的效能,进一步结合网络模型分析打击敌方目标的效能值,最终得出反潜作战活动针对目标的打击效能。     

基于时空关联网络的机场机位运行过程建模

为了提高机场机位运行效率, 对机位运行过程进行精确分析描述。在分析机场进出港航班机位运行流程的基础上, 将机位运行过程抽象为时空关联网络，定性描述航班与机位的逻辑关系, 使用航班时间窗、机位地理位置等特征参数定量描述机位运行信息, 由此构建一种基于时空关联网络的机场机位运行过程定量描述模型。利用国内某大型枢纽机场实际机位运行数据对所提模型进行分析验证, 结果显示，时空关联网络模型符合幂律分布, 58.62%的节点平均误差为0.172 4 h, 节点度分布均值为0.666 7, 聚集系数均值为0.807 5。节点度分布较高和聚类系数较高的节点为关键节点, 对应影响力较大的关键航班；较现有模型, 描述态势信息的宏观微观特征参数提升了场景描述精度并能有效适应数据规模的变化。     

能量平衡的异构传感网跨层密钥管理方案

传统的传感网密钥管理协议独立于网络其他层设计,这种层间的独立性造成传感器节点物理性能浪费,网络整体性能降低。从节点剩余能量出发,提出一个能量平衡的异构传感网跨层密钥管理方案。通过节点剩余能量、节点度数等参数,从能量平衡的角度出发确定下一跳节点的选择,再利用密钥交换建立两节点间的会话密钥,该方案将网络层节点路由关系与应用层节点密钥关系结合,实现了密钥管理的跨层设计。结果表明,该方案保证节点密钥连通性的同时,均衡网络节点间的能耗关系,有效延长了异构传感网的生命周期。     

航班运行风险网络的传播与控制改进

为探究航班运行风险的产生、传播与控制过程, 首先统计华北区域航班运行数据共计76个风险节点。然后，采用偏秩相关系数构建风险网络, 再使用社团模块探测算法与三角最大滤波法验证网络适用性。并且, 提出一种适用于航班运行风险分析的SEIR(susceptible-infected-exposed-recovered)模型。根据动力学传播结果, 聚类定位网络传播中关键节点。最后, 采用前置预防与战术处置两类控制方案。计算结果表明，仅控制5个节点后, 感染峰值可降低18.44%, 峰值时间推后两个周期, 起降等重要操纵节点被感染次数平均下降11.74%。该方案在感染峰值、感染周期、重要节点感染3个方面的抑制效果均占优。以上结果证实, 所提方案可有效用于航班运行风险问题分析。     

基于信息熵的复杂作战网络动态演化研究

网络中心战、分布式和分散式指挥控制逐渐替代传统的以平台为中心的作战形态和集中式指挥控制,信息成为一种作战能力。结合新型信息化武器装备体系作战环,构建了基于信息熵的复杂作战网络模型,提出了信息化武器装备体系作战能力的度量方法。以提高作战能力作为网络演化动力,设计了复杂作战网络的动态演化规则,构建了择优演化和随机演化2种作战网络演化模型。结合典型信息化武器装备体系作战案例,对其作战网络动态演化进行分析,揭示了复杂武器装备体系整体作战能力与武器装备单元微观变化之间的规律,为信息化武器装备体系作战效能设计与优化提供理论依据。     

融合LSTM和MoE的倒闸操作识别

为解决不同人员相同操作的个体差异以及同一人员不同时间相同操作差异的问题，提出一种基于混合专家系统(mixture of experts，MoE)和长短期记忆神经网络(long short-term memory，LSTM)的倒闸操作识别方法MoE-LSTM。基于MoE对LSTM进行集成，学习不同来源数据的特征分布。采集加速度动作数据构建倒闸操作数据集，基于滑动窗口对动作序列进行切分；将动作序列输入到MoE-LSTM中，由不同LSTM独立学习不同动作的时序依赖；通过门控网络选择对当前输入分类较好的LSTM的输出作为动作识别结果。仿真结果表明：不同LSTM对来自不同时空的动作数据都有擅长分类的特征空间。