多智能体作战飞机协同空战指挥控制的若干技术问题

针对多机协同空战指挥控制决策的自主性和协调性需求,对多智能体技术应用于协同空战指挥控制的若干技术问题进行研究.提出基于集中一分散式多智能体协同空战指挥控制协同的结构框架;对经典的BDI-智能体进行扩展,提出基于BDOTI结构的机载空战指挥决策思维逻辑框架;建立面向结构的编队组织结构,应用进程演算对编队攻击行为进行协调.     

动态环境下的多UCAV协同任务分配研究

战场环境的动态性和不确定性以及协同控制的复杂性,使得预先制定的无人作战飞机任务分配方案不能满足动态战场环境中的实时性要求。考虑到无人作战飞机的差异、目标的差异及战场态势对目标分配的影响,建立了多无人作战飞机协同目标分配问题的数学模型。针对多无人作战飞机协同控制中的动态任务分配问题,提出一种改进的混合重分配策略,从任务层次上解决了多无人作战飞机的动态任务分配问题,在此基础上提出了混合细菌觅食算法,并用该算法在动态环境中为无人作战飞机进行合理的任务分配,通过仿真实验和分析表明混合重分配策略和混合细菌觅食算法的有效性。     

逆转变异蚁群算法在CGF多目标分配中的应用

在预警机指挥引导多机协同空战对抗仿真过程中,为了提高CGF实体的智能性和实时性,对多CGF实体协同作战时目标选择因素进行分析,构建了一种基于变异蚁群算法的多CGF实体协同作战目标选择模型。该模型对蚁群算法中的选择策略进行了改进,引入一种遗传算法的变异算子以减少最优解的搜索时间,改进了搜索空间中信息素的更新方式,提高了模型最优解的搜索能力。运用该模型对多CGF实体协同作战过程进行仿真,仿真结果表明,所提出的变异蚁群算法对多CGF实体目标选择最优解的搜索效率明显优于基本蚁群算法,能够更好地模拟真实作战兵力的目标选择过程。     

基于 Multi-Agent System的群机协同空战指挥控制系统模型的研究

研究了由多个智能Agent(Multi-Agent System)组成的群机协同空战指挥控制系统的总体结构及基于BDI(Belief、Desire、Intention)结构的Agent对空战环境的感知模型、作战意图模型、决策模型和通讯行为.     

基于极限学习机的目标智能威胁感知技术

空中目标威胁感知是智能空战的关键技术之一。针对空中目标威胁评估问题,提出一种基于极限学习机的目标威胁智能感知策略。该方法首先提取目标威胁评估的高权重态势因子,并采用隶属度函数进行归一化数值解译;然后,借助专家知识采用极限学习机理论对威胁感知的输入输出数据进行建模,构建智能感知推理模型;最后,建立基于极限学习机的目标威胁智能感知流程。仿真结果表明,该算法具有较高的威胁感知精度以及较好的算法实时性。     

基于MADDPG的无人机辅助通信功率分配算法

针对多无人机(unmanned aerial vehicle, UAV)作为空中基站辅助通信的吞吐量和公平性问题,提出了一种基于多智能体深度确定性策略梯度算法(multi-agent deep deterministic policy gradient algorithms, MADDPG)的功率分配算法,该算法通过联合优化UAV基站的功率分配和用户接入以提高系统吞吐量和公平性。本文首先构建了UAV基站为地面建立通信服务的三维场景,然后通过联合功率、用户关联和UAV位置约束,构建了吞吐量和公平性最大化的问题模型。考虑到该问题的复杂性,本文将所构建的优化问题建模为马尔科夫决策过程(Markov decision process, MDP),通过引入深度确定性策略梯度算法(deep deterministic policy gradient algorithm, DDPG)解决该问题。仿真结果表明,本文提出的基于MADDPG的UAV基站功率分配算法与其他算法相比,可以有效地提升系统的吞吐量和用户的公平性,提高通信的服务质量。     

随机优化蚁群算法在空战决策中的应用

空战决策是多机协同多目标攻击的关键技术。在传统蚁群算法基础上,对其搜索机制进行了改进,提出了一种随机优化蚁群算法,并将其应用于空战决策。建立了空战威胁数学模型,给出了产生随机排列的"随机补0"法,有效优化了蚁群的搜索机制。仿真结果表明这种随机优化蚁群算法克服了传统蚁群算法局部收敛的缺陷,特别是空战规模较大时更显示出其较快的收敛速度和全局收敛能力。     

防空雷达网对多隐身目标的协同检测与跟踪

针对防空雷达网对多隐身目标检测与跟踪时雷达分配问题,该文将二值粒子群优化(BPSO)用于雷达分配,结合粒子滤波,提出了一种隐身目标的协同检测与跟踪算法。该算法将雷达分配问题转化成组合优化问题,根据目标的隐身特性设计雷达分配方案(RAS),借助随机分布的检测粒子计算不同RAS对新生目标的检测概率,同时根据RAS对已跟踪目标位置的后验克拉美罗界衡量跟踪精度,采用BPSO算法在RAS中进行全局搜索,选择最优分配方案进行粒子滤波与融合跟踪。与现有算法相比,该算法不仅能够及时检测新生目标,而且能够利用组网优势持续且优化跟踪隐身目标,使网络的整体跟踪精度得到显著提高,实现多目标协同跟踪。     

预警机指挥多编队作战中的威胁评估算法研究

在预警机指挥下的多编队作战中,态势评估和目标分配是关系到作战结果好坏的重要问题.作为态势评估的一部分,威胁评估是进行合理的目标分配的前提.基于多属性决策的原则,分析了影响目标编队威胁程度的重要因素,建立了预警机指挥多编队作战的威胁评估模型.运用适合多编队多机型作战分析的平均数动力学方法,提出了计算目标编队威胁程度的算法,并验证了模型的有效性.     

舰艇编队网络化反导作战动态目标分配方法

舰艇编队网络化反导作战条件下,目标分配问题演变为"发射节点-制导节点-目标"三者的优化匹配问题,该问题具有很强的实时性和动态随机性。将目标分配分为拦截适应性判断和优化匹配决策两个阶段。拦截适应性判断阶段给出了集成火力单元目标分配区、截止期的计算方法,进而确定了每个目标的拦截适应性判断结果;优化匹配决策阶段建立了静态"发射节点-制导节点-目标"三者的优化匹配模型,分析了动态随机性对目标分配方案的影响。最后,设计了基于遗传算法的Anytime算法求解模型,重点给出了算法的随机事件处理方法和算法的元级控制策略。仿真结果验证了方法的可行性和模型、算法的有效性。     

基于分布式防空目标分配和作战有利度分析

目标分配是防空火控中重要环节,而随着各项技术的发展,分布式群集火控成为未来防空火控的必然趋势。因此,提出适用于分布式群集火控的目标分配模型是当前的迫切需要。文中综合传统威胁分析方法,给出了作战有利度模型,并借此提出了分布式防空的目标分配方法,结合普通防空火控目标分配,给出了通用式目标分配方法。实例应用表明,该方法可用于实战防空中的目标分配。     

遗传算法在目标优化分配中的应用

鉴于防空作战指挥系统目标分配问题的一般数学模型及分配原则,给出了应用遗传算法实现目标分配优化问题的具体实现描述,仿真结果表明该方法运算速度较快,结果精度较高,对地面防空火力分配决策研究具有一定的参考价值。     

基于混合优化策略的目标分配优化研究

根据现代防空作战的特点，提出了目标分配模型，并通过分析遗传算法和模拟退火算法的原理，结合二者的优点，得到解决目标分配的GASA混合优化策略，然后通过算法设计和仿真验证该方法可行、有效。     

逆向排序思想在目标分配中的应用

根据现代空战的特点,介绍了目标分配在多机协同多目标攻击中的意义。在推导出初始分配的分配准则的基础上,创造性地提出利用逆向排序对目标进行全面分配,并对具体的分配过程进行了推导。     

改进的威胁评估算法及其在目标分配中的应用

针对防空一体化作战的复杂性、实时性特点,提出了在威胁评估基础上进行目标分配的方法,建立了融合态势优势、空战能力优势和防空要地危急程度的威胁评估模型,通过对战机距离、速度、角度及防空要地属性等参数的设置将该模型应用于防空作战的目标分配过程。最后给出了仿真算例,验证了该模型的可用性和有效性。     

协同空战中目标的威胁判定方法

作为信息化条件下的一种重要空战模式,协同空战中的目标威胁等级的判定为武器资源的有效配置提供了重要依据。采用灰色多层次评判方法,依据空战效能、空战态势及作战意图所建立的目标威胁评判模型,兼顾单机、编队的生存威胁和完成作战任务的风险因素,做到定量与定性相结合。算法满足独立性和兼容性要求,易于根据实战情况修改评判参量。     

基于免疫算法的空战目标分配

目标分配是现代空战系统对抗中要首先面对的问题,它是一个组合优化问题.首先用优势函数来表明敌我态势,建立机群对抗优势函数矩阵.然后将一种新型的启发式算法--免疫算法用于解决目标分配问题.免疫算法具有很好的全局搜索能力和收敛性,能够很好地解决这类问题,实例也证明了该方法是可行和有效的.     

空战目标威胁排序与目标分配算法

现代空战需要先进的火控计算,目标威胁排序和分配算法是其重要的组成部分。计算了飞机的作战效能,在作战效能的基础上得到目标威胁矩阵。根据目标威胁矩阵,以最大程度地保存自己为目标,建立了目标分配的算法。以一个算例,利用建立的算法模型对某常见的飞机进行了计算,给出了结果,最后讨论了该算法的意义和不足,指出了下一步的工作。     

舰空导弹对空火力分配研究

威胁估计和火力分配是现代防空作战过程中需要解决的2个重要问题。对来袭目标威胁等级的判定可以辅助指挥员迅速做出决策。火力分配是对火力单元寻求最优分配方案,以达到毁伤敌目标的目的。基于威胁目标的各项影响因素,建立相应的威胁评估模型,求得来袭目标威胁度,并根据评估结果,利用匈牙利算法优化火力分配。