基于rollout策略下的决策实体配置问题求解方法

针对传统层次聚类法采用贪婪策略的聚类过程可能无法达到聚类效果最优的情况,提出了一种基于rollout策略下的层次聚类法对所得聚类方案进行优化改进。分析了聚类过程中决策实体、平台与任务之间的关系以及约束条件,以作战任务的执行时间作为工作负载测度,建立以决策实体工作负载的均方根(root mean square, RMS)为目标函数的问题数学模型,以任务与平台的分配关系作为输入信息,在基于最小RMS值的平台合并准则下采用rollout策略对层次聚类法的每层聚类进行优化,得到平台与决策实体的优化配置关系。最后通过联合作战仿真算例和一般算例进行仿真分析,验证了该方法的可行性和优越性。     

基于知识约束的决策实体配置问题建模与求解

针对指挥控制组织设计中决策实体的配置问题,提出了在知识约束条件下该问题的数学模型及其求解方法。分析了该问题的约束条件,包括该问题的知识约束、隶属约束、能力属性约束等,建立了以最小化决策实体工作负载均方根为目标的优化模型,提出了基于遗传算法的模型求解算法,设计了针对问题模型的染色体编码方式、适应度函数以及遗传算子。最后结合联合作战仿真算例中一个任务与平台关系的设计方案,验证了所提方法的可行性和稳定性。     

基于改进层次聚类法的指挥控制资源部署

以网络化作战战场资源部署为研究背景,对战术指挥控制资源部署问题进行了描述。以决策实体工作负载的均方根最小为目标函数,建立了指挥控制资源部署问题的数学模型,提出了基于改进层次聚类法的指挥控制资源部署算法。该算法以作战任务-平台资源的分配结果为输入信息,对可部署决策实体数目范围设定、决策实体合并项选择和决策实体能力约束判定进行了改进,着重分析了每一层聚类的N-best备选策略和决策实体合并项选择方法。通过一个作战想定,分别从目标函数值、搜索空间大小两个方面对本算法和其他算法进行了比较。     

有限任务间隔时间内的装备选择性维修决策研究

在序贯任务过程中,在有限任务间隔时间约束条件下,以提高装备的任务可靠度为目标,建立了复杂串并联系统任务可靠度模型,以最小维修、预防更换和事后更换为可选维修策略,建立了总维修时间约束条件下以任务可靠度最大化为目标的选择性维修决策模型。采用遗传算法建立了选择性维修决策优化求解算法,解决了求解空间爆炸问题。案例分析表明,装备选择性维修决策模型及基于遗传算法的优化求解方法是有效的。     

兵力编成裁剪算法研究：决策结点裁剪

由于决策实体控制战场作战平台资源实体,通过平台资源实体执行作战任务,作战平台资源实体在任务上的聚集导致决策实体间需要复杂的交互协作与交流,兵力编成需要为任务的执行创造良好的交互结构.基于任务执行的兵力编成包括两方面的内容:一是指控决策结点间的协作关系;二是指控决策结点间的指挥关系.本文通过决策实体对平台控制的矢量以及矢量距离的定义,提出了指控决策结点间协作关系优化设计的聚类算法,在聚类过程中通过设置不同的决策实体数量、决策实体能力以及内部协作与外部协作权值,分析比较了不同设置情况下所产生的兵力编成的协作关系与决策者的协作负载.     

基于SoSE的装备体系RMS论证方法研究

装备体系可靠性、维修性、保障性(reliability-maintainability-supportability,RMS)是装备体系作战效能发挥的基础。体系工程中需求开发过程从能力要求分析开始,然后进行体系结构建模并基于体系结构给出需求方案。装备体系RMS论证即是对装备体系RMS能力要求进行分析并提出RMS指标,也遵循这一过程。首先,基于SoSE需求开发过程和装备体系特点给出装备体系RMS论证框架。接着,基于质量功能展开方法给出装备体系RMS能力要求分析过程,从装备体系使命任务出发,建立装备体系RMS能力要求映射模型,并提出相应的RMS能力指标求解方法。然后,基于面向RMS的装备体系结构框架,将RMS能力分析得出的初步RMS能力指标作为输入,基于多智能体仿真技术提出美国国防部体系架构驱动的装备体系RMS仿真框架,从而通过仿真权衡论证出最终的装备体系RMS指标。最后,对典型使命任务下的航母装备体系舰载机保障过程进行了案例分析。     

基于改进MMAS的装备维修任务路径规划方法

针对装备维修任务路径规划问题中约束条件多样的特点,构建装备维修任务路径规划模型,充分考虑时间约束和负载能力约束的影响。通过对比装备维修任务路径规划问题与传统车辆路径规划问题的异同点,提出一种基于改进最大最小蚂蚁系统的维修任务路径规划方法,从维修任务选择规则、信息素更新规则和先验信息获得规则3个方面对最大最小蚂蚁系统进行改进。最后,通过算例和对比验证该方法的合理性和有效性。     

聚合级实体仿真中任务的分解与解聚

提出了聚合级实体任务分解和任务解聚的概念。任务分解是任务空间概念模型(CMMS)的核心问题,提出了任务分解的一般指导原则和基本方法。任务解聚是多分辨率仿真中不同分辨率实体保持任务一致性的必然要求,提出了聚合级实体发生解聚时其指挥任务的解聚方法。给出了装甲营进攻过程中任务分解与解聚的示例。     

基于改进蚁群算法的敏捷成像卫星任务调度方法

针对敏捷成像卫星观测任务调度问题, 综合考虑卫星最长连续工作时间、任务间卫星姿态调整时间、能量、容量等约束建立了任务调度模型. 考虑到密集任务间的相互影响, 着重分析了任务间卫星姿态调整时间约束, 并给出调姿时间求解方法. 提出一种改进蚁群算法对问题进行求解, 借鉴蚁群系统(ACS)和最大最小蚂蚁系统(MMAS)的思想设计寻优策略和信息素更新策略. 并结合实际约束, 引入最早、最晚可观测时间和任务优先级等因素来控制转移概率. 实验算例验证了模型和算法的有效性.     

一种有新任务到达的多卫星动态调度模型与方法

基于动态约束满足问题,针对初始方案执行过程中任务动态到达的情况,以最大化完成任务的优先级之和,并使新任务到达后,对原方案的调整最小为目标,建立了多卫星动态调度模型,提出了模型求解方法,最后给出了仿真算例,对模型和算法进行了验证.     

完成时间限制下的任务-平台关系设计模型及算法

针对指挥控制组织结构设计中任务-平台关系的设计问题,提出了一种使命完成时间限制条件下的问题的设计模型及其求解算法。分析了使命完成时间限制条件下任务-平台关系设计(task platform relation design under mission completion time constraint, TPRDTC)问题的约束条件,建立了以使命执行质量的值最大为目标的问题数学模型。设计了用于求解该模型的循环多动态列表规划(multi-dimensional dynamic list scheduling, MDLS)算法,给出了该算法的详细步骤和流程。最后通过一个联合作战的战役案例,分析并验证了循环MDLS算法对求解TPRDTC问题的有效性和适用性。     

基于分布式免疫进化算法的函数优化

针对遗传算法在寻优过程和多峰值函数求解中出现的“早熟”问题以及免疫算法收敛速度较慢问题,将免疫算法和进化算法进行优势融合,并结合改进的进化算法的并行模型,提出一种新的算法--分布式免疫进化算法（distributed immune evolutionary algorithm,DIEA）。新算法主要包括记忆种群进化模块和子种群进化模块两个部分,子种群的主要功能是找出各个区间的局部最优解;主种群主要是进行全局搜索,寻找全局最优解。仿真实验表明,该算法具有很高的全局寻优能力和很快的收敛速度,适合求解复杂多峰函数优化问题。     

CCD星敏感器辅助光纤陀螺在线标定技术

首先建立陀螺在线标定模型,然后以电荷耦合器件星敏感器输出的姿态四元数和陀螺输出的载体相对于惯性空间的姿态四元数构造量测量,采用模型预测滤波与扩展卡尔曼滤波相结合的方法,将部分陀螺误差项作为模型误差,在线实时估计并修正系统模型,提高了状态估计的精度,最后对该算法进行了数学仿真。仿真结果表明,该方法能有效地完成陀螺在线标定,标定精度和速度明显优于传统方法。这种在线标定的处理方法在实际使用和维护中具有极大便利。     

Solving algorithm for TA optimization model based on ACO-SA

An ant colony optimization (ACO)-simulated annealing (SA)-based algorithm is developed for the target assignment problem (TAP) in the air defense (AD) command and control (C2) system of surface to air missile (SAM) tactical unit.The accomplishment process of target assignment (TA) task is analyzed.A firing advantage degree (FAD) concept of fire unit (FU) intercepting targets is put forward and its evaluation model is established by using a linear weighted synthetic method.A TA optimization model is presented and its solving algorithms are designed respectively based on ACO and SA.A hybrid optimization strategy is presented and developed synthesizing the merits of ACO and SA.The simulation examples show that the model and algorithms can meet the solving requirement of TAP in AD combat.     

基于改进的SVM学习算法及其在信用评分中的应用

对于处理大规模问题的信用评分方法除要求达到一定的准确率之外,其速度、可解释性、简洁性等性能也非常重要. 借鉴SMO的思想, 首先提出一个基于三变量的改进的SVM学习算法, 即将SVM问题分解为一系列含有三个变量的二次规划子问题,其优点是所求的相应松弛子问题都有解析解,使得该方法能够更加精确和快速地逼近最优解;其次将新算法应用于信用评分问题,在UCI机器学习库中的三个公共数据集上的数值试验表明了新方法的有效性:不仅节省了模型的计算代价, 而且还提高了分类精度.     

利用方向角信息辅助雷达目标跟踪

传统雷达仅能提供目标的方位和距离量测,由于可利用的信息相对较少,跟踪精度很难进一步提高。利用现代雷达的高分辨探测能力,提出了一种基于距离像识别信息辅助目标跟踪的模型,并结合求根不敏卡尔曼滤波技术得到了一种高性能跟踪算法。该算法根据距离像识别结果得到目标方向角的测量,进而通过增加观测量的维数来提高目标的跟踪能力。不同条件下的仿真结果表明,利用方向角信息辅助的跟踪算法收敛速度快,跟踪精度高,且复杂度与传统算法相当。     

Disturbance observer based time-varying sliding mode control for uncertain mechanical system

It is now well known that the time-varying sliding mode control (TVSMC) is characterized by its global robustness against matched model uncertainties and disturbances. The accurate tracking problem of the mechanical system in the presence of the parametric uncertainty and external disturbance is addressed in the TVSMC framework. Firstly, an exponential TVSMC algorithm is designed and the main features are analyzed. Especially, the control parameter is obtained by solving an optimal problem. Subsequently, the global chattering problem in TVSMC is considered. To reduce the static error resulting from the continuous TVSMC algorithm, a disturbance observer based time-varying sliding mode control (DOTVSMC) algorithm is presented. The detailed design principle and the stability of the closed-loop system under the composite controller are provided. Simulation results verify the effectiveness of the proposed algorithm.     

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model, IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型（variable structure multiple model, VSMM）的高斯混合基数概率假设密度（Gaussian mixture cardinalized probability hypothesis density, GMCPHD）滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。     

Data fusion of radar and IFF for aircraft identification

The problem of identification of friend-or-foe aircraft in the actual application condition is addressed.A hybrid algorithm combining fuzzy neutral network with probability factor(FNNP),multi-level fuzzy comprehensive evaluation and the DempsterShafer(D-S) theory is proposed.This hybrid algorithm constructs a complete process from generating the fuzzy database to the final identification,realizes the identification of friend-or-foe automatically if the training samples or expert’s experience can be obtained,and reduces the effect of uncertainties in the process of identification.At the same time,the whole algorithm can update the identification result with the augment of observations.The performance of the proposed algorithm is assessed by simulations.Results show that the proposed algorithm can successfully deduce the aircraft’s identity even if the observations have measurement errors.