基于GeoSOT网格的空域栅格化表征方法

针对利用经纬度坐标表征空域的不足,提出了基于GeoSOT网格的空域栅格化表征方法.首先,分析了空域的栅格化表征具有简洁高效、便于协调通报的相对优势,并对美军典型的网格系统进行剖析;其次,结合飞行基本规则、飞行间隔规定,设计了面向空域表征的网格参考系统的剖分方案和编码结构;最后,根据网格最少和精度对应原则给出点状、线状、区状空域的详细栅格化表征流程,并在网格平台进行空域表征场景示例应用分析,为空域表征提供了一种新的技术手段与实践思路.     

Holonic-C2组织资源调度问题研究

为了解决复杂多变战场环境下指挥控制(command and control, C2)组织资源调度敏捷性不足的问题,将Holonic控制理论引入C2组织的设计领域,研究Holonic-C2组织的资源调度问题。首先,对基于Holonic理论的C2组织Holon单元进行定义,给出Holonic-C2组织的基本结构;其次,对Holonic-C2组织的决策权限进行分析,给出决策模式的划分及确定方法;最后,研究在不同决策模式下Holon单元资源调度及针对不确定性事件的动态调度方法,建立集中与协作相结合的资源调度和调整机制。     

战术飞行机动动作仿真设计与实现

针对数据链飞机模拟器中飞行平台轨迹的终端实时显示问题,以飞机动力学运动方程为基础,构建了盘旋机动和斤斗机动过程的轨迹方程,并给出了机动动作设计的一般流程。通过建立基于时间戳的自适应交互多模(AIMM)时延补偿模型,使飞机动作显示与实际作战网络负载下的飞机状态保持同步。最后设定2种机动动作场景,对飞行机动轨迹予以演示，验证了所设计的可视化平台能有效模拟飞机进行盘旋和斤斗机动,实现了地面指挥所对模拟飞机飞行状态的实时监视,为空战仿真模拟训练奠定基础。     

适应性指挥控制组织研究进展(Ⅱ)——组织适应性调整方法和测试方法综述

从组织适应性调整方法和组织实验测试方法2个方面对适应性C2组织的国内外研究现状进行了综述。其中,组织适应性调整方法包括:基于三阶段方法的组织适应性调整方法,基于粒度计算的组织适应性调整方法和基于组织结构分层的组织适应性调整方法;组织实验测试方法包括:基于DDD-III的组织实验测试方法,基于Extend的组织实验测试方法和组织全闭环虚拟实验测试方法。给出了各种适应性调整方法和实验测试方法的具体描述,并分析了各种方法的优缺点,最后给出了适应性C2组织下一步的研究方向。     

有人-无人作战智能体任务联盟形成策略方法

为解决有人-无人作战智能体协同执行任务形成联盟问题,采取先任务分组后进行智能体到任务组匹配的联盟形成策略,即利用任务间相关程度具有传递性的特点,引入任务距离概念,设计了任务能力需求一致的任务分组策略,并给出基于可达矩阵变换的分组求解方法.针对联盟形成是分布式能力聚合过程的特点,在考虑智能体到任务组的匹配程度优先级和作战智能体能力利用效率的基础上,设计一种基于拍卖机制的作战智能体到任务组的匹配策略.通过案例计算,得到离岛突击想定下的任务联盟形成方案,分析所形成联盟的资源冗余性,验证了所提联盟形成策略和方法的有效性.     

适应性指挥控制组织研究进展(Ⅰ)——组织建模方法与设计方法综述

适应性指挥控制(Command and Control, C2)组织的研究是实现未来网络中心战的核心技术之一。描述了适应性C2组织的概念和主要研究内容,从C2组织建模方法和C2组织设计方法2个方面对适应性C2组织的国内外研究现状进行了综述。其中,C2组织建模方法主要包括:计算数学组织理论、Petri网、信息论方法、智能体和社会网络分析方法,C2组织的设计方法主要包括:三阶段组织设计方法、扩展的三阶段组织设计方法、基于分组技术和嵌套遗传算法的组织设计方法和基于粒度计算的组织设计方法,给出了C2组织各种建模方法和设计方法的具体描述,并分别分析了它们优点和存在的不足之处。     

多任务执行中无人机行动联盟形成模型及算法

针对多无人机(unmanned aerial vehicle, UAV)多任务执行问题,开展基于行动联盟的任务执行策略研究。分析了无人机行动联盟形成 (UAV action coalition formation, UACF) 策略的约束条件,建立了以最小化任务完成时间为目标函数的数学模型;设计了求解该模型的分阶段贪心规划算法 (phased greedy planning algorithm, PGPA),在进行算法状态空间描述的基础上,给出了包括任务选取、无人机〖CD*2〗任务匹配和资源分发策略等在内的算法流程;最后,通过多组仿真实验,验证了算法的有效性和优越性。     

有人/无人作战智能体分布式协同目标分配方法

有人作战智能体（manned combat agent, MCA）控制无人作战智能体（unmanned combat agent, UCA）的分布式目标分配是MCA/UCA协同作战的重要内容之一。结合设想的MCA/UCA混合编队结构和功能,建立了有限控制下的分布式协同目标分配模型。提出通信结构、信息结构和协同机制三维一体的模型求解策略,以合同网协议作为协同机制基本框架,分别对合同网的目标选择策略、招标策略、投标策略、中标策略进行扩展,可有效在多个编组之间进行目标到UCA及其所隶属的MCA的协同目标分配。针对想定案例进行了仿真计算,结果表明该方法能以牺牲少量计算时间为代价,以较少的通信量得到了较高质量的解。     

基于RHP-IVFSA的多智能体编组#br# 任务分配动态优化

智能体编组协同作战中任务分配的动态优化问题，提出一种基于滚动时域策略的多编组任务分配动态优化方法。以任务执行效率为目标函数，建立了满足个体任务时窗和编组资源损耗约束的问题模型。给出与突发事件特征对应的预测窗口、滚动窗口和滚动驱动机制。设计了一种改进快速模拟退火对优化子问题予以求解，给出解方案表达、邻域解生成、冲突消解等步骤，采用高温随机贪婪搜索、回火技术、禁忌设计和精英保留策略，避免算法陷入局部最优，提高算法的计算效率。案例的仿真计算表明，所建模型和求解方法可以对多编组任务分配计划进行在线优化，并使任务的执行效率始终维持较高水平。     

基于CNDLS的空中多编组时限约束任务分配方法

针对空中多编组任务分配具有整体任务完成时间限制和个体任务完成时窗限制的特点,以最高任务执行效率为目标,建立了包含时限约束的多编组任务分配数学模型。分析编组在作战过程中的资源损耗,构建了编组资源能力动态更新模型,使所建模型更为符合实际作战。在动态列表规划选择任务、量子遗传算法分配编组的基础上,设计了用于求解该模型的循环嵌套动态列表规划(CNDLS)的任务分配方法。针对作战想定进行仿真计算,仿真结果表明所建模型和所提方法能通过多次迭代可实现一定资源和时限约束下的最佳多编组任务分配。