中距协同空战决策过程二次聚类重构与评估

未来空战将以中距空战为主，找出导致中距空战结果的原因是开展贴近实际的中距空战智能决策需解决的重要问题。针对空战训练过程中记录数据分布的复杂特点，建立了中距协同空战训练评估模型，提出了基于高阶导数聚类和相对模糊熵聚类的二次聚类方法，计算编队协同决策集，实现编队中距协同空战决策过程重构。以编队协同搜索和协同机动决策的角度，寻找编队协同决策与中距空战结果的相关性，并通过实例评估验证了聚类算法的合理性。     

激光制导炸弹无偏置上仰投放战术机动规划

无偏置上仰投弹是一种典型的激光制导炸弹投放战术,作战飞机战术机动规划的目的是在遵循战术要求的前提下寻找出最优飞行航路以及装备操作关键点、时机和参数。根据无偏置上仰投弹战术描述,建立了基于机动组合的战术模型。综合考虑战机机动性能和激光制导弹使用限制等约束条件,以地面目标毁伤程度最大化和战机受威胁程度最小化为目标,建立了战术机动多目标优化模型。采用基于分解的多目标优化算法求解模型。仿真实验验证了模型和算法的可行性、有效性。     

基于分解进化多目标优化算法的火力分配问题

战前制定合理的火力分配方案,可以优化资源配置,用最小的代价获取最大的战场收益。综合考虑攻击、资源和毁伤概率等约束条件,建立了火力分配多目标优化数学模型。提出了一种求解火力分配模型的分解进化多目标优化算法,并设计了不可行解修复方法。仿真实验得出两个结论,一是不可行解修复方法可以显著提高算法的收敛性;二是在解决火力分配优化问题上,所提算法具有较好的收敛性和分散性,采用合适的分解方法可以有效提高算法的性能。     

基于MFO-HTN的超视距空战战术机动组合规划

针对超视距空战机动决策问题，提出基于战术机动组合的超视距空战决策模型。首先，利用参数化语言将超视距空战机动描述为两种典型形式，作为超视距空战战术的基本战术动作。其次，引入层次任务规划网络(HTN)模型，利用空空导弹攻击区描述空战态势，构建带参数的空战HTN模型。最后，将机动时间、可发射距离、可发射时间作为目标函数，构建多目标优化模型，采用飞蛾扑火算法对HTN网络参数进行优化求解。仿真实验表明，飞蛾扑火算法能够快速解算当前态势下的最优参数，所得到的空战战术机动序列能够达到战术目的。该算法模型可以为飞行员提供辅助决策，也为研究智能超视距空战提供了新的思路。     

基于Q-network强化学习的超视距空战机动决策

考虑到空空导弹对空战胜负的重要影响,针对空战态势状态特征连续、多维的情况以及传统方法缺乏对空战对抗中敌方策略的考虑,将强化学习应用到1vs1超视距空战机动决策。首先,建立了同时为对抗双方进行机动决策的强化学习框架,提出ε-纳什均衡策略来选取机动动作,并通过导弹攻击区优势函数来修正奖赏函数;其次,基于记忆库和目标网络训练Q-network,形成超视距空战机动决策的"价值网络";最后,设计了Q-network强化学习决策模型,并将机动决策过程分为了学习阶段与实战阶段。仿真结果表明:智能体可以感知空战的态势并作出合理的超视距空战机动决策。