基于支持向量机的部队作战效能评估

随着信息化战争复杂性与不确定性的增加,对部队作战效能的评估提出了更高要求。在分析支持向量机和增强最简半自治适应性作战神经网络仿真工具箱（enhanced irreducible semi autonomous adaptive combat neural simulation toolkit, EINSTein）特点的基础上,建立了基于支持向量机的部队作战效能评估模型,完成从评估指标到作战效能值的非线性映射。在一定作战想定背景下,结合EINSTein系统产生的仿真数据对模型进行了验证。仿真结果表明,与误差反向传播神经网络（back propagation neural networks, BPNN）相比,基于支持向量机的效能评估模型能够降低人为因素的影响,更准确地评估部队作战效能,是一种有效的评估方法。     

基于混合模型的异构无人机蜂群效能评估

为实现无人机蜂群效能的快速评估,提出一种基于ADC (availabilitydependability capability)系统效能评估和BP神经网络预测的混合模型,以应对无人机蜂群配置和状态的多样性以及效能计算的复杂性。在分析蜂群效能构成要素的基础上,建立包含无人机通用平台能力,系统级能力,以及任务执行能力的能力指标体系。利用ADC法生成蜂群作战效能样本集合,运用BP神经网络构建关于无人机参数和能力指标的综合作战效能评估模型。利用该评估模型实现异构无人机蜂群实例的综合作战效能评估。结果表明：该模型评估误差可达5%以下,基于样本的评估时间可达3 h以内,验证了该模型在异构无人机蜂群效能评估中的有效性及高效性。同时,通过分析数量、配置对无人机蜂群综合效能的影响,获得了异构无人机蜂群配置的可行建议。     

作战概念牵引的作战效能仿真评估指标构建方法研究

在对作战概念及其要素进行分析的基础上,提出了作战概念牵引的作战效能仿真评估框架,并基于此框架提出了作战概念牵引的作战效能仿真评估指标构建基本思路,而后围绕基于描述的作战任务建模、基于分解的作战活动建模、基于效果的作战效能指标选取等具体方法进行了研究,最后以“有人/无人协同”作战概念牵引的地面突击分队山地要点夺控进攻战斗任务为例进行了作战效能仿真评估指标体系构建,验证了评估指标构建方法的可行性,为下一步作战效能评估、分析和优化研究提供了支撑。     

基于分层赋权的导弹防御效能模糊评估方法

针对弹道导弹攻防对抗过程, 分析了影响导弹防御系统作战效能的主要因素, 构建了多层次导弹防御系统作战效能评估指标体系. 提出了评估指标的分层次赋权模式, 推导出了一种基于不同规范化矩阵确定指标权重的模糊优化迭代算法, 并以此构建了基于分层赋权的导弹防御作战效能模糊评估模型. 给出了导弹防御效能评估实例, 并验证了方法的可行性.     

基于HLA的武器装备作战效能评估通用仿真框架研究

通过分析当前武器装备效能的实际需求和仿真技术的发展,重点研究了基于仿真的作战效能评估的一般过程,设计了基于HLA的武器装备作战效能评估仿真框架,基于FEDEP模型给出了具体的联盟开发过程,仿真评估系统的联盟设计与运行流程.该仿真通用框架为实现具有可重用、互操作性的效能评估仿真系统提供了参考,同时也适用于在仿真框架下评估武器装备的战术运用.     

面向事件活动流的舰艇作战任务效能评估模型

考虑作战过程性因素对作战效能的影响,将作战任务表示为作用在作战资源上的活动、状态、事件及其关系组成的事件活动流模型。在此基础上,提出了基于信息熵、面向事件活动流的作战任务效能评估模型,针对评估模型中的权重评价,给出了基于微粒群的权重向量优化算法,从而通过对作战任务的事件活动流模型进行效能评估,实现对作战任务效能的评估。最后给出了作战任务效能评估的实例。     

基于BP神经网络的弹炮结合系统作战效能评估

以拦截巡航导弹为例,针对抗击低空目标特点,提出了弹炮结合防空武器系统作战效能评价指标体系,简要分析了指标选取的理由。然后,采用专家打分的方法取得了几组训练样本,并对所构造的三层BP神经网络进行训练,当训练精度达到要求后,再运用BP神经网络对几种典型的弹炮结合防空武器系统对巡航导弹的作战效能进行了评估。结果表明,在选定指标的基础上,用训练好的BP神经网络评估弹炮结合防空武器系统作战效能是合理的,减少了评估中的人为因素,使评估的结果更为可信。研究结果可为在现有武器装备的基础上开发和研制新型弹炮结合防空武器系统提供理论参考。     

基于HLA的C3IEW系统评估方法研究

根据指挥自动化电子战系统（C^3IEW）的特点,提出对应的作战效能评估指标体系,并基于HLA构建C^3IEW仿真系统框架.主要采用数据仓库和数据挖掘技术对HLA仿真产生的大量数据进行处理,分析了数据仓库的结构并创建了针对事后分析的COGNOS数据立方体.重点利用非全连接神经网络对数据进行挖掘,确定了评估指标体系中底层指标的权重,比较了C^3IEW系统各功能域对应的作战效能,推导出一些有用的结论.     

信息论在作战效能评估中的应用研究

基于信息论的基本理论,改进了信息熵函数,提出一种用于评估作战效能的不确定性度量评估方法.该方法能十分简便地分析出各种信息对整个作战效能的影响程度.     

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PSO-BP的应急通信感知装备效能评价方法

应急通信感知装备效能评价可支撑相关装备的发展规划, 而现有评价方法主观性强, 且自适应能力有待提升。因此, 提出一种基于粒子群优化(particle swarm optimization, PSO)算法的改进反向传播(back propagation, BP)神经网络的应急通信感知装备效能评价方法, 旨在建立客观精准的效能评价。首先面向实战效能构建了三级效能评价指标体系, 然后将样本数据进行主成分分析法降维, 建立BP神经网络回归模型, 并结合PSO算法对模型的连接权值与阈值进行优化, 形成PSO-BP模型以避免局部极小值问题, 获得可评价具体装备效能时的神经网络模型。实例分析表明, PSO-BP相较于BP神经网络模型评价的均方误差减少了28.18%, 表明PSO-BP模型具有更高的准确性。     

基于贝叶斯-神经网络的动态回归建模与预测

结合贝叶斯网络和神经网络，提出了一种建立数据驱动型的动态线性回归系统模型的方法。基于这种模型采用自然连接型的知识分布，形式化各种各样的信息，结合贝叶斯方法，执行贝叶斯网络的持续学习过程；采用指数寿命型的连接权值改进径向基神经网络，优化输入数据，提高计算速度；采用改进的遗传算法，实现神经网络的动态自适应。基于上述方法，实现了线性回归系统动态建模与实时预测。仿真试验说明该方法是有效性。     

基于深度学习的体系作战效能智能评估及优化

采用仿真模拟评估方法进行体系作战效能评估包括配置想定、多次运行仿真系统和调用效能评估模型计算多个复杂步骤。针对此流程复杂、耗时长的问题,提出一种基于深度学习回归思想的体系作战效能智能评估方法,引入基于进化策略的作战效能优化流程。以全连接深度回归网络为预测模型,通过多个数据集的试验结果给出网络隐层数和样本量选择的指导原则。进一步结合遗传算法调整网络输入得到优化输出,迭代性能较好。以某仿真系统为例初步验证了其有效性和使用价值。     

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。     

基于神经网络和PSO的机器人路径规划研究

提出一种神经网络和粒子群算法相结合的移动机器人路径规划方法。采用小波网络和RBF网络相结合的四层神经网络结构,克服了传统神经网络方法进行路径规划时对每个障碍均设计一些特定的隐节点,当障碍较多且环境动态时,网络结构庞大且神经元的阈值随时间的变化而需要不断改变的缺点。利用粒子群对神经网络的参数进行训练,在规定的代数内对网络参数优化,使得机器人在移动过程中能够快速响应环境的变化。通过对移动机器人在动、静态不同环境下的仿真实验,证明了方法的有效性。     

径向基神经网络解决威胁排序问题

在空战威胁估计中,把一架战机的态势量化为一个向量,每一个决策因素为一个分量。确定各因素之间的相对重要程度,是合成综合威胁指数,完成威胁排序的关键。本文使用径向基神经网络确定各个因素之间的非线性复杂关系。使用层次分析法生成初始的(战机态势量化向量、综合威胁指数)训练样本对。然后使用样本校正器对不合理的样本对自动进行校正。调整后的综合威胁指数,作为最终的学习样本的目标值,以供径向基神经网络训练使用。实验表明,径向基神经网络可以很好的逼近各个因素之间的权重关系。     

基于主成分分析和归一化RBF神经网络优化的财务综合评价

提出基于主成分分析和归一化RBF神经网络优化相结合的财务综合评价方法,克服传统神经网络财务分析中的评价指标偏少、存在局部极小等不足,为公司财务评价提供新的思路和方法,并利用神经网络模型对我国钢铁业上市公司2007年财务状况进行仿真实验,为分析者决策提供准确、可靠的参考依据。     

基于动态RBF神经网络在线辨识的单神经元PID控制

针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法。采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制。仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性。     

MPSO-RBF优化策略在锅炉过热系统辨识中的仿真研究

提出了基于改进PSO算法的RBF神经网络混合优化（MPSO-RBF）方法，并将其应用到非线性系统的辨识中。该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合，克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点。经典型非线性系统仿真试验，并与GA-RBF和RBF辨识效果进行了对比，结果表明基于MPSO-RBF的混合优化方法较GA-RBF和RBF优化速度快、逼近性能好，可以达到更优的辨识精度。最后，通过对火电厂的过热汽温动态特性的辨识实例，同样证明了MPSO-RBF方法具有更好的性能指标。