多射击模式多目标类型下防御效率分析

在军事对抗中,将作战双方抽象为防御方(红方)和进攻方(蓝方),研究红方的射击战斗问题.本文讨论蓝方目标无差别和目标多类型两种情况下的射击战斗,解决以下三个问题:一是在射击-射击策略下,基于给定的射弹和目标数,给出了红方获得最大防御效率(defense effectiveness,DE)时射弹的分配方法;二是在射击-观察-射击策略下,考虑射击次数和齐射弹数等因素,给出了红方多次射击的DE迭代递推生成方法;三是给出了影响DE两个重要基础因素(射弹需求量和射击次数)的通用计算方法.通过仿真分析对本文给出的方法验证,保证了方法的可行性.     

基于改进GM(1,1)模型的弹道导弹位置信息预测

针对弹道导弹速度快、雷达反射截面积小,预警雷达很难全程跟踪预警的问题,提出了使用改进的GM(1,1)模型对其位置信息进行预测。从初始序列光滑度、背景值构造方式和初始条件3方面进行综合改进,建立了新的改进模型,明确了建模步骤。仿真结果表明,改进后的模型比传统GM(1,1)模型适用范围更广,精度更高,可以用于弹道导弹的位置信息预测。     

直接分配到弹的双层反导火力规划模型

反导作战火力运用是反导力量建设的核心内容之一,末段双层反导火力规划是一个复杂的不确定多约束条件优化问题,对火力规划进行了问题分析、弹-目分配时机分析和模型假设;分2个阶段建立了直接分配到弹的末段双层反导火力规划模型,模型重点考虑拦截目标与拦截弹杀伤时间窗口的对应关系,建立起武器系统拦截弹与来袭目标的弹-目对应分配关系,提供一种新的、快速的双层反导火力规划方法。     

末段反TBM火力目标匹配优化及APSO求解算法

末段反导作战火力任务分配建模是一个复杂的不确定多约束问题建模,首先建立了末段双层反战术弹道导弹火力〖CD*2〗目标匹配模型,其次对传统粒子群优化算法（particle swarm optimization,PSO）进行改进给出了一种吸引子PSO（attractor PSO,APSO）,APSO引入吸引子,在保持群体多样性的基础上,将粒子聚集在最优值附近,增加相应区域的粒子密度。其中,为了方便问题求解,将火力目标匹配优化任务进行分解,转化成多个子时间段,再用APSO对多个子时间段进行求解。仿真实例表明,APSO有更加优良的收敛精度尤其是收敛速度,满足了反TBM作战火力任务分配的高时效性要求。     

目标类型识别的改进灰关联模型

针对防空作战目标类型识别的具体需求,分析了传统和广义灰关联模型在处理数据时存在的不足之处,建立了基于熵权法的改进灰关联目标类型识别模型。首先,为了提高空情数据的利用率,运用熵权法对数据熵值进行描述而后客观地赋予权重;其次,用置信度取代数据的绝对差值,更加准确地描述数据间相对差异的偏差情况;最后,对模型输出结果进行离散化处理,增强了模型的区分能力。用实例对模型进行检验,结果表明:该模型准确、简单且识别率高。     

对多波次目标直接分配到弹的反导火力规划方法

火力规划是反导力量作战运用的重中之重,对多波次目标的反导火力安排与分配是一个复杂的不确定多约束优化问题。在对反导火力规划问题分析的基础上,给出了弹 目分配时机、模型思路和假设。分拦截任务分配和弹-目分配两步建立了反导火力规划模型,拦截任务分配中,通过时间段分解将同时需要求解的多个问题转换为多个子时间段的一个问题;弹-目分配中,基于航路捷径、目标落点的不同,拦截弹拦截有利度计算是关键环节。模型突破以往研究目标不考虑时间约束的局限,建立起弹-目-时间对应分配关系,提供一种新的、动态的反导火力规划方法,仿真实例体现了模型较好的工程应用前景。     

导弹攻防对抗中追逃对策模型与配点求解法

未来的来袭导弹可能具备较强的机动性,其弹道不可预测,针对拦截弹追击此类目标的追逃问题,基于微分对策(differential-game, DG)理论建立追逃博弈模型并给出求解方法。模型在分析两者相对运动的基础上,考虑地球重力和自转的影响,以推力角为控制变量,离地高度、速度和经度角为状态变量,建立微分方程组。然后将追逃DG模型转化为单边最优对策问题;并给出改进的高精度五阶Gauss-Lobatto多项式配点法来近似状态变量对时间的导数,将微分方程组转换为代数约束,降低非线性规划问题复杂程度。最后给出了本文研究的仿真实例。     

导弹追逃博弈微分对策建模与求解

针对导弹攻防对抗过程中拦截器追击具备较强机动能力弹头的追逃问题,建立了双方追逃微分对策模型并给出求解方法.一是给出导弹追逃质点动力学模型;二是基于微分对策理论,建立了导弹攻防对抗微分对策模型,模型以推力角为控制变量,高度,速度和经度角为状态变量,并考虑了地球重力和自转的影响;三是针对模型获得解析解的困难,给出高精度四阶Gauss-Lobatto多项式配点法来逼近非线性方程,通过离散化节点和配点上的状态量和控制量将微分方程组转换为代数约束;四是为采用配点法求解模型,给出了将双边最优对策问题转化为单边最优对策问题的具体方法.最后实例分析对本文研究进行了仿真验证.     

Parzen窗确定系数的协同模糊C均值算法

协同模糊C均值(collaboration fuzzy C-means,CFC)算法的协同系数通常根据经验人工设定,且在协同过程中保持不变,不能充分利用数据子集之间的协同关系,算法精度有限.提出Parzen窗确定系数的协同模糊C均值(βp-CFC)算法.用模糊C均值(fuzzy C-means,FCM)算法求出各数据子集的隶属度和聚类中心,再用Parzen窗求出各子集在聚类中心处的密度,根据子集间密度的相关性设定变化的协同系数,利用变化的协同系数进行协同聚类.以Matlab为平台,对βp-CFC算法进行了实验,算法聚类准确率可达到80.34%,比模糊C均值算法、固定系数的CFC算法的准确率分别高出11.80%和3.94%.实验证明,βp-CFC算法较为合理,聚类性能较好.