空中突击编队优化配置算法研究

组建空中突击编队是空中突击任务规划的主要内容之一.首先介绍了空中突击编队的概念及其组建步骤,应用决策影响图构造了该问题的图示表征模型,分析了组建空中突击编队的主要影响因素及其内在关系;然后采用混合整数规划建立了组建空中突击编队的具体模型,最后对该模型的求解方法作了讨论,提出了四种求解方案,并给出了初步对比结果.     

空中联合投送任务规划仿真与效能评估系统

空中投送体系在现代战争中发挥着重要作用。与美俄等军事强国相比,我国空中投送体系还存在明显的短板与不足。针对投送体系论证与使用分析需求,围绕运输机与货物、机场、航线之间的交互关系以及投送体系内多机型的协同关系,开发建立了一套具有模型构建与管理、想定编辑、运输任务规划、仿真推演、效能评估等模块的投送体系仿真与分析系统,可实现装载方案自动生成、任务流程自动规划、多机型组合使用优选、多任务动态调度等功能,能为我国未来投送体系与投送装备的发展论证提供技术手段。     

基于目标网的空中突击兵力使用方案的优化方法

依据计划活动的思维机制 ,建立了适应战役任务要求的突击目标网 ,据此给出优化空中突击兵力使用方案的一种有效方法 ,最后对有关参数进行了分析.     

基于VORONOI图的无人机空域任务规划方法研究

无人机任务规划系统对充分发挥无人机自主控制与飞行和自主执行任务的能力起着十分关键的作用。在分析VORONOI图的性质的基础上，以压制敌防空火力作战任务想定为背景研究基于VORONOI图的无人机任务规划技术，重点讨论了规划环境建模、航路代价计算和初始航路选择问题。最后对该方法进行了时间和空间性能分析。     

考虑发射失败的多中心多卫星发射任务协同规划方法

在中国未来卫星发射需求急剧增加和卫星发射中心发射能力有限的情况下,为多颗卫星协调发射中心和发射时间变得日趋困难。为解决大量卫星发射任务的协同规划问题,以发射成本最少、发射失败概率最低为优化目标,建立了多中心多卫星发射任务协同优化的多目标混合整数规划模型。基于非支配排序的多目标优化算法(non-dominated sorting genetic algorithm II, NSGA II)框架,设计了求解模型的多目标进化算法,提出了发射中心选择的整数编码方案,给出了基于启发式搜索的发射时间规划解码算法,并设计了染色体质量检查与修正算法。基于中国现有的4个卫星发射中心和可能面临的6类发射任务,设计了包含10颗卫星发射任务的小规模案例和30颗卫星发射任务的大规模案例,对模型和算法进行了仿真验证。实验结果表明该方法能有效解决多中心多发射任务协同规划问题。     

兵棋推演空中任务智能预测方法研究

对战场敌空中目标作战任务进行高效、准确地自动判断,是态势认知的基础和辅助作战资源分配的关键。结合前馈深度神经网络和长短时记忆网络模型计算特点,设计了2个针对性基指标学习器,然后根据基指标交叉熵进行加权组合,用于进一步学习器训练评价指标,既能有效防止模型过拟合,又能提高模型训练效率。测试结果表明,所提模型能较好防止模型过拟合,并能以较高的准确率判断战场敌目标作战任务。     

作战任务优选建模及求解方法研究

针对作战任务规划中的任务优选问题,结合属性图与影响网定义一种作战任务图,以描述任务、效果及其相互之间的关系。基于作战任务图构建任务优选模型,提出作战效果网络传播算法和资源约束判断算法,并利用改进的差分进化算法进行求解。实验结果表明,作战任务图能够形象地描述作战任务及效果之间的关系,而基于作战任务图的模型及求解方法具有可行性和有效性。     

对地观测小卫星星座长期任务规划求解技术

针对小卫星星座的成像特点和约束特性,建立长期任务规划数学模型。将该模型分解为初始轨道分配和冲突消解两阶段进行求解：首先将初始轨道分配问题映射为图的k-GCP模型,并提出了贪婪顶点序列着色算法进行分配;然后采用区间变量表示成像时间,根据区间变量间的时间关系对影响任务拓扑排序,设计了一种基于深度优先搜索的任务规划算法进行冲突消解。算例表明,该方法能够在满足时效性的前提下解决小卫星星座的长期任务规划问题。     

基于本体的无人系统任务规划研究综述

作战知识是提高无人系统的自主作战能力的重要因素。如何系统规范地存储和表示作战知识, 使无人系统能够根据高层任务指令, 自主完成任务规划, 并基于不断更新的战场知识进行重规划和智能决策, 是一个新的研究领域。首先, 通过对任务规划领域概念、规划方法和知识表示方法的梳理, 提出了基于本体的任务规划框架。然后, 总结了本体在机器人、无人系统、军事任务规划等领域的应用情况, 分析了当前研究的特点和不足, 并提出了该领域的重要研究方向。最后, 针对构建无人系统任务规划本体时应遵循的原则和需要关注的关键能力指标进行了论述。     

基于DTC的UCAV任务规划方法研究

无人作战飞机(Uninhabited Combat Aerial Vehicle,UCAV)任务规划是指在执行任务之前制定UCAV行动的步骤,是实现UCAV智能化和自主化的必要的条件.以任务分析和环境建模仿真框架(Task Analysis Environment Modeling and Simulation,TAEMS)作为任务结构的描述模型,实现UCAV的任务模型描述并给出了UCAV任务规划问题描述.提出基于DTC(Design to Criteria)的UCAV任务规划算法,并在任务规划过程中集成路径规划,DTC算法是一种启发式算法,任务规划的结果是完成UCAV任务所需要执行的动作序列.仿真实例证明了任务规划算法的可行性.     

指挥实体任务规划建模研究

建立了指挥实体任务规划的概念模型，分析了任务规划中指挥实体的思维过程，提出了与这一思维过程相适应的，案例和规则相结合的任务规划方法，对该方法中的知识袁示，案例检索和知识推理等内容分别进行了深入、细致地研究，建立了任务规划流程和任务规划下仿真运行流程。仿真应用结果表明，该任务规划方法适合仿真应用。     

基于贪婪算法的卫星地面站任务规划方法

针对卫星地面站系统任务规划问题 ,在可视时间和任务时间的约束条件下 ,为满足最大化资源利用的目标 ,基于贪婪算法提出了一种解决该问题的有效方法 ,为进一步研究该类问题 ,给出了一种新的思路。     

天基信息获取任务规划模型研究

以成像侦察卫星为例研究了多卫星多任务天基信息获取任务规划技术.首先对相关现状、天基信息获取的用户需求、约束条件进行分析,其次基于约束满足理论建立数学模型,再次设计了针对该模型的遗传算法,最后通过一个仿真算例检验了相关研究成果.     

航线天气预报中航迹规划仿真研究

在实际的航线天气预报中,应该根据三维空间和时间的气象信息变化、障碍物、威胁等信息以及飞行器自身的机动性能限制,计算出飞行航迹。这里主要通过基于进化算法的动态路径规划思想,应用MM5模式输出产品(风场、积冰和颠簸)信息,进行航迹路径的规划仿真验证与分析,给出了具有实际应用价值的预报飞行航迹。     

基于Voronoi图和蚁群优化算法的无人作战飞机航路规划

无人作战飞机(UCVA)航路规划是一类复杂优化问题.在众多航路规划算法中,Voronoi图是一种根据战场多威胁源分布情况获取可行航路的图形算法,而蚁群优化(ACO)算法是受到蚂蚁觅食行为启发而形成的一种启发式仿生算法.根据已知威胁源生成Voronoi加权图,其中每条Voronoi边的总代价可以由威胁代价和燃油代价计算得出;然后给出了在Voronoi图条件下,用于航路规划的改进ACO算法模型和具体实现方法;最后,将Voronoi图与ACO算法相结合,并针对某UCAV多种空战态势下的航路规划问题进行了系列仿真实验.实验结果验证了所提方法在解决UCAV航路规划问题时的可行性和有效性.