联合火力打击目标分配

目标分配是联合火力打击指挥决策的核心内容,但是构建合理、可信的联合火力打击目标分配模型是相当复杂和困难的.根据联合火力打击循环过程的分析,设定了目标分配优化的时间周期;综合红蓝双方情况以及战场态势更新,建立了目标分配的思维机制;在将整个作战空间划分为网格、降低目标分配复杂性的基础上,结合基本输入变量以及各约束条件的量化表达式,构建了目标分配的线性规划模型;最后,利用算例进行了验证性分析.该模型为联合火力打击目标分配优化、制定作战方案提供了定量分析工具.     

基于GIS的双目标多准则决策方法

现阶段对空间适宜性评价普遍采用单目标多准则决策的方法,但该方法不能对不同决策目标进行比较,在目标的选取上具有过强的主观性.为此文章在详细梳理多准则决策与GIS结合的研究成果基础上,提出了可有效与A rcGIS软件相结合的双目标多准则决策方法.文中方法在单目标多准则决策的基础上增加了目标层次的决策机制,使得空间适宜性评价能够适应2种相互冲突的决策目标.构建了一套针对双目标多准则决策的核心——双目标决策平面法的体系化的操作流程,并对决策平面冲突区的划分提出全新方法——保证2个目标的权重比与冲突区分得的面积比相等的情况下完成冲突区的目标分配.最后,以北京市百善镇为例对该决策技术方法进行实践.     

NRIWO算法求解火力分配多目标规划模型

为满足火力分配在保证毁伤概率较优的前提下降低火力单元的使用数量的要求,建立了火力分配多目标规划模型.基于入侵杂草学说,提出非支配排序杂草优化算法用于解决火力分配多目标规划问题.该算法在初始化和空间扩散阶段采用不同的决策变量编码策略,根据非支配排序的概念,将杂草种群中的个体分为多个等级以区分优劣从而进行生长繁殖.仿真结果表明:新算法每一代具有很强的向最优面逼近能力,体现了很好的均匀性以及解分布的广度,用于火力分配多目标规划,可实时为指挥员提供良好的辅助决策.     

无人机多任务区侦察时间分配模型与应用

为了合理分配无人机对多个任务区的侦察时间,提出了一种包含问题建模、求解和方案决策的无人机多任务区侦察时间分配方法。首先,建立了包含侦察收益和侦察风险两目标的无人机多任务区侦察时间分配模型,该模型属于带约束多目标优化问题;其次,提出了一种改进的基于分解的约束多目标进化算法,该算法具有简单、灵活、无参等特点,可有效求解;最后,利用优劣解距离法从非支配解集中选择最优方案。选择了6种约束多目标进化算法,在3个不同雷达强度指数条件下进行对比实验。Hypervolume指标说明约束多目标进化算法在求解该问题时优于其他算法。实验结果表明：提出的方法在求解无人机多任务区侦察时间分配优化问题中能够实现快速准确决策。     

基于异类传感器的战场运动目标识别算法

利用异类传感器的互补特性,提出了一种新的运动目标识别算法:选取目标速度、第1主频、第2主频作为识别的有效特征;运用模糊推理得到目标分类信息的基本概率分配函数;把D-S证据推理和基于概率分配函数的决策相结合,获得对目标的有效识别.仿真结果证明了该算法的有效性.     

基于动态规划的目标优化分配决策模型

针对现代防空作战特点，对区域防空体系的目标优化分配问题进行了研究，改进了目标优化分配的基本模型，并使用动态规划方法建立了相应的决策模型，给出了求解的步骤和应用实例，结果表明，对于小规模目标的问题，其计算简单，且容易取得全局最优解。     

一种基于非线性多目标群决策的错峰控制限电分配方法

探讨了在用电峰值时段对多地区之间进行限电分配的问题.通过分析错峰控制限电决策中的不满意度影响因素,给出了不满意度的非线性显函数形式;运用非线性多目标群决策理论,建立了非线性多目标群决策错峰控制限电模型,提出了一种交互式多目标加权解法,并且将有约束非线性规划模型化为无约束非线性规划模型;给出了求解的方法与步骤.最后经实例研究,得到较满意的结果.     

基于改进遗传算法和多目标决策的货位优化策略

为了解决自动化立体仓库的随机库存在线动态货位分配问题,针对仓库货物出入库效率、货物分类存储的合理性和货架整体稳定性方面的需求,基于加权归一化处理多目标决策构建了货位分配优化数学模型.提出一种改进的二次优化遗传算法(quadratic optimization genetic algorithm,QOGA),并利用MATLAB软件进行仿真实现.仿真结果表明,该算法收敛速度大幅提高,出入库效率、货架稳定性明显提升,货物分类存储更加合理.由多目标决策结果验证了改进QOGA的先进性和有效性.     

基于改进蒙特卡洛树搜索的无人机目标分配与突防决策方法

针对多无人机任务规划问题,在多种约束与机动动作下,进行目标分配和突防决策统一建模与优化求解方法研究。首先,基于无人机自身优势、目标威胁以及突防概率分别建立目标分配优化函数和突防决策优化函数;然后,利用线性加权法将两者融合,形成多无人机协同任务规划统一目标函数;其次,在强化学习框架下,分阶段构建协同任务规划的状态空间和动作空间,并根据统一目标函数设计奖励函数;提出一种改进的蒙特卡洛树搜索强化学习算法,在统一目标函数最大收益下实现对无人机目标分配和突防决策问题的求解;最后,通过对比仿真实验验证所提出的方法的时效性和最优性。研究结果表明：相较于传统方法,所提出的方法在提升收敛程度的同时,将训练时间减少了15%。     

软件工程监理中多目标计划优化决策的探讨

提出了软件工程监理过程中多目标网络计划优化的数学模型,在该数学模型中构建了软件工程监理的多目标决策问题的目标函数,具体分析了软件工程监理过程中工期、费用和资源这三个主要控制目标,采用AHP层次分析法确定各目标的权重分配,以求较好地解决多目标网络计划的优化决策.     

基于动态规划思想的多阶段随机用户平衡配流模型与算法

在随机用户平衡(SUE)配流中引入动态规划的思想,把配流过程看做是多阶段决策过程.根据不变嵌入原理来寻找最优策略,给出了多阶段SUE配流模型与算法.理论分析及实际算例表明,多阶段随机用户平衡配流算法简单可行,计算量小,尤其适用于多"环"网络.     

武器目标分配问题的离散差分进化算法

提出一种新的求解静态武器目标分配问题的离散差分进化算法. 采用整数排列建立武器-目标分配对,作为离散差分进化算法的初始个体;并通过取模运算对溢出取值范围的解向量进行修正,将其转化到解的搜索区域内,从而对差分变异算子进行设计. 同时,提出相应的交叉策略,得到可行的武器目标分配对. 在交叉过程中,保留目标向量与试验向量中相同的分配对,得以很好地利用上一代的分配结果. 在删除重复数和重新插入整数时,为了避免倾向性,生成随机排列,保证对数据处理的公平性. 实验结果表明,提出的离散差分进化算法在收敛性和求解质量方面均优于另外2种典型的离散差分进化算法,很好地实现了武器目标分配问题的有效求解.      

集值模糊目标信息系统的近似分配约简

基于集值信息系统上的变精度相容关系,定义了集值模糊目标信息系统的模糊目标在给定相容水平下的上近似与下近似,提出了一定截集水平下的上近似分配约简与下近似分配约简概念,这种约简是单值目标模糊信息系统上精度约简概念的推广,同时也是经典目标信息系统上近似分配约简概念的推广.进一步,在集值模糊目标信息系统引入区分矩阵与区分函数,给出了计算上近似分配约简与下近似分配约简的方法.     

基于复杂因子的软件可靠性指标分配方法研究

给出了软件可靠性指标分配的系统模型．基于复杂因子的分配方法，在保证系统可靠性的前提下，给出了求解各子系统软件可靠度的工程实现方法．结合实际系统，对获得的各子系统软件可靠度进行了实例验证．该方法可直接用于军事或非军事系统的软件可靠性指标分配。     

智能图象目标识别与跟踪

论述了采用高速数字信号处理器研制的智能图象跟踪系统，对系统的软，硬件进行了设计，燕进行了室内外目标跟踪实验，结果表明该系统有以下特点：对锁定目标能自动识别；同时跟踪多个目标；被遮挡目标能记忆跟踪；目标丢失能自动搜索；跟踪过程中对目标变化自适应决策，目标充满视场时跟踪原质心点；能自动识别、捕获预定目标。     

网络化弹药系统攻击决策算法

为实现网络化弹药系统对目标攻击的自主化、智能化,研究了一种目标跟踪与目标优化分配相结合的算法. 通过交互式多模型（interacting multiple model,IMM）算法实现对目标的轨迹跟踪,建立匀速拐弯运动以及匀速运动模型,通过仿真分析,IMM算法跟踪效果良好;利用跟踪到的目标的位置信息和运动状态,结合网络化弹药节点的自身工作状态,预先求得对应的组合效能函数,做出攻击决策预判. 解决了网络化弹药系统如何对机动目标实行有效打击的问题,仿真效果良好.     

多传感器管理的目标分配问题蚁群算法研究

多传感器管理的目标分配问题中如何使探测和跟踪效益最佳，是非常重要又十分困难的问题。分析了传感器管理的目标分配问题各种解算方法的特点及存在的问题，结合蚁群算法思想，提出了一种新型的目标分配算法模型，并进行了算法仿真。仿真结果表明，基于蚁群算法思想的目标分配算法是有效的，特别是问题规模较大时更显示出其较快的收敛速度和较高的精度。     

多型号武器的目标优化分配问题研究

对地面防空中多型号武器的目标优化分配问题进行了研究。其中包括多目标通道地空导弹武器系统杀伤区的确定、各火力单位相对于飞机类、导弹类目标的射击诸元计算、目标优化分配模型的建立及其求解。     

不一致决策表的分配序约简

在不一致决策表中定义了分配序约简，给出分配序一致集的判定定理。通过定义分配序区分矩阵给出求分配序约简的区分矩阵法。为克服区分矩阵法时间复杂度随系统大小的增加而指数增长的缺陷，通过定义属性的相对重要性，提出一种求分配序约简的启发式算法。通过实例分析说明启发式算法的有效性，为从不一致决策表中获取知识提供了一种有效方法。