基于时间约束网络的空中编队冲突检测方法研究

研究了采用图论方法检测空中编队对岸打击协同作战时序安排合理性的方法。论述了空中编队协同对岸打击作战的时间约束特点,结合简单时间约束网络理论,建立了任务的简单时间约束网络模型。借鉴图论的相关理论,将任务简单时间约束网络模型转化为权值矩阵的形式。分析网络中回路权值与权值矩阵元素的对应关系,提出一致性检测的新方法——权值矩阵法。理论分析表明:该方法可同步并行计算所有回路的权值之和,有效减小了时间复杂度,显著提高了检测效率,更加适合动态协同过程的需求。仿真结果表明该方法可行、有效。     

有人/无人机编队打击时敏目标任务分配

针对有人/无人机编队协同打击地面时敏目标的任务分配问题,利用有人/无人机编队系统总体框架和时敏特性函数,构建有人/无人机编队协同打击地面时敏目标的任务分配模型。采用改进的遗传算法,通过引入矩阵型编码提升任务效率,通过引入针对死锁问题的解码方法来解决任务分配的时序问题,最后运用该算法进行了仿真计算。结果表明该算法具有良好的任务分配效率。     

基于贝叶斯优化算法的UCAV编队对地攻击协同任务分配

针对UCAV编队对地攻击协同控制决策优化问题,首先构建了UCAV编队对地攻击任务分配的自主价值优势矩阵.在此基础上依据多人冲突理论分别对双方以及本机编队进行权重分配;建立了UCAV编队对地攻击协同任务分配的整体价值优势矩阵,由此根据决策变量与约束条件构建了任务分配问题的数学模型.然后应用贝叶斯优化算法对该模型进行了优化分析.仿真实例表明,所建协同任务分配模型能够反映编队协同控制决策的重要性,而且应用贝叶斯优化算法能够很快收敛到全局最优解,能有效地解决UCAV编队对地攻击的协同任务分配问题.     

基于双层规划的航空兵对地武器挂载方案研究

针对航空兵协同对岸打击作战的背景,运用双层规划理论研究了航空兵协同对岸打击的武器挂载问题。依据空地武器选用的定量方法和协同作战的要求和特点,建立了航空兵对地武器挂载的双层规划模型,分别给出了上下层模型的目标函数和约束条件,体现了空地武器挂载对兵力需求和预期战损的影响。结合案例,运用层次遗传算法求解武器挂载规划模型,获得了最优武器挂载方案。仿真说明:建立的双层规划模型和提出的方法适用于求解航空兵协同对岸打击作战的最优武器挂载方案,可为作战决策提供依据。     

大型海上编队空中警戒力量优化部署

为了解决大型海上编队空中警戒力量(节点)的优化部署问题,提出了一种基于作战区、警戒区、威胁区划分的部署模型。首先,分析了大型海上编队空中警戒力量的预警区和作战区的划分规则,建立了程序处理坐标系;然后定量研究了基于作战区域划分的可部署度矩阵、基于警戒区域和威胁区域划分的重要度矩阵及基于节点协同探测的协同度矩阵,建立了节点优化部署模型;最后对模型进行了求解计算。仿真结果表明:所建模型具有较强适用性,能够实现对不同数量节点的部署,可以自动生成合理、高效的优化部署方案。     

舰艇编队超视距反导威胁评估指标主观权重确定

针对舰艇编队超视距反导威胁评估指标主观权重确定问题,建立威胁评估指标体系。分别针对决策者给出的语言型、效用值型、序关系值型、模糊互补判断矩阵型、互反判断矩阵型以及区间数型指标权重信息建立了指标权重确定的最优化模型,将主观指标权重确定问题建模为多目标约束优化问题,在得出各种类型权重信息矩阵的规范化系数的基础上采用线性加权的方法将其变为单目标约束优化问题,并给出了指标主观权重解。仿真结果显示,该方法能够直接集结决策者给出的多种类型的指标权重确定信息,且能够准确地得到舰艇编队超视距反导威胁评估主观权重,计算量小、易于进行工程推广,能够为舰艇编队超视距反导作战辅助决策系统设计提供一定的理论支持。     

基于雷达组网舰艇编队防空协同效果分析

在现代信息化海战环境下,有效探测空中来袭目标非常重要。讨论了水面舰艇编队舰载雷达组网探测目标的必要性,提出了编队协同反应时间的概念并建立了数学模型,最后分析了网络协同所带来的复杂性。     

基于伪逆的协同神经网络学习算法

本文改进了Ｈａｋｅｎ协同神经网络的算法。该学习算法在Ｈａｋｅｎ算法的基础上引进反馈机制,对权值矩阵反复训练,使权值矩阵能更有效地进行图像识别,并增大了网络容量。     

面向自动协同驾驶的多车编队任务分配策略

自动驾驶的实现需要大量车载传感器的支持,然而,在有限车载计算资源条件下,由传感器所产生的庞大数据量使得自动驾驶任务的实时性难以满足,成为阻碍自动驾驶技术进一步发展的重要阻力。通过将驾驶任务进行协作处理,因而充分利用多个协作车辆的计算资源,自动协同驾驶成为解决该问题的新途径。而如何形成多车编队并实现编队中驾驶任务分配则是实现自动协同驾驶的关键。该文首先采用排队理论G/G/1模型建立一种普适性车辆编队网络拓扑分析模型,充分考虑编队内车辆间的任务协作能力和单个车辆的任务负荷,得出任务的处理时延和车辆系统中的平均任务数;其次,采用支持向量机(SVM)方法,基于车辆的负荷程度及处理能力将车辆的“空闲”、“繁忙”两状态进行分类,进而建立针对车辆协作任务分配的候选车辆集。最后,基于上述分析,该文提出面向多车编队协同驾驶的任务均衡策略——基于分类的贪婪均衡策略(C-GBS),以充分平衡编队内所有车辆的任务负荷并利用不同车辆的任务处理能力。仿真结果表明,该策略能够减小重负荷网络中的任务处理时延,有效提升自动驾驶车辆的任务处理效率。     

基于两步分布协同拍卖的多机协同任务分配

针对多异构机载平台对不同类型的地面目标执行攻击任务的协同任务分配问题,以平台载弹量以及摧毁任务目标的需弹量建立平台与任务之间的关系,以各平台的任务序列以及执行任务时的武器使用量序列作为决策变量,在基地-任务航路矩阵和任务-任务航路矩阵的基础上,综合考虑平台武器约束、平台航程约束、任务需弹量等约束,建立多机协同任务分配模型。设计了两步分布协同拍卖算法,通过多次生成任务的拍卖招标顺序和基地的拍卖竞标顺序,实现了多机协同任务分配问题的优化求解。仿真结果表明,所建模型和求解算法能够有效合理地解决多机协同对地攻击的任务分配问题。