网络化条件下的态势信息分发与Pub/Sub通信范型

探讨了网络化条件下态势信息分发的概念和机制.首先介绍态势信息分发的现状并分析其存在的不足;其次将发布/订阅(Pub/Sub)通信范型引入网络化态势信息分发机制之中,提出基于Pub/Sub网络化态势信息分发机制,分析其合理性和有效性;最后根据未来网络化战争的发展方向,预测其发展趋势.     

先验知识下的不确定作战行动过程设计

作战行动过程设计是网络化条件下建立高效指控组织体系中的重要环节, 对组织的高效运行具有重要意义。针对已知先验信息条件下, 如何在动态战场环境下快速寻找最优行动过程问题, 结合动态贝叶斯网和学习型遗传算法(LGA), 构建了基于DBNs的C2组织行动过程问题的数学模型。将先验信息与条件概率表(CPT)相结合, 运用LGA算法寻找最优行动过程。通过仿真实验验证了具有先验知识条件下基于DBNs的行动过程模型以及模型求解方法的可行性和有效性。     

任务联盟演化过程行动策略优选的DINs建模

优化选择一定的行动策略能促使任务联盟向期望的目标效果演化。考虑部分事件/行动在不同时段下影响强度不相一致, 使用考虑影响值时变的动态影响网(DINs)对联盟演化过程行动策略优选问题进行建模, 给出因果强度逻辑下概率传播参数设计的一致性条件, 并基于因果强度逻辑进行影响值计算。结合空中进攻作战想定案例进行仿真验证, 计算结果表明, 通过部分事件/行动节点影响值变化下进行策略优选提高了对因果关系的建模能力。     

基于平滑的Wigner-Hough变换的编队目标架次检测

针对常规低分辨雷达无法直接在距离和方位上分辨同一批次中目标的缺陷,在分析了编队目标雷达回波信号的时频特征基础上,提出一种基于平滑的Wigner-Hough变换的编队目标架次检测方案。该方案不仅能精确检测目标架数,而且有很强的抗噪声和抗干扰能力。仿真实验验汪了该方案的有效性,适应于中远程警戒雷达。     

基于随机模糊神经网络的传感器配准方法

配准不精确是多传感器跟踪系统的一个主要问题。提出了基于神经网络的配准方 法。把随机模糊神经网络用于配准的优点是无需事先知道系统误差特性,所以适用于所有不 同类型传感器。该解决方案的主要优点是同样的网络可以通过训练解决不同类型的系统 误差。     

指挥信息系统网络节点重要度评估方法

针对传统节点重要度评估方法不能很好适用于指挥信息系统（CIS）的问题,提出了一种新的CIS节点重要度评估方法. 综合考虑了作战任务需求和网络拓扑结构对节点重要度的影响,使用依赖度和影响度指标共同计算节点重要度. 针对不同作战任务进行仿真实验,并研究了打击过程中节点重要度变化趋势. 实验结果表明,该方法合理、有效.     

基于动态影响网的C2组织COA问题建模

提出了用动态影响网(Dynamic Influence Nets,DINs)对指挥控制(Command and Control,C2)组织行动过程(Course of Actions,COA)问题进行建模的方法。该方法通过引入因果强度参数,替代了传统动态贝叶斯网络中的条件概率表。给出了利用因果强度参数进行概率传播的具体计算方法。结合一个联合作战的仿真算例,验证了该建模方法的优越性和有效性。     

云计算环境下利用改进遗传算法结合二次编码的大规模资源调度方法

针对传统遗传算法无法满足多用户下的大规模云计算环境下的资源调度问题,提出利用改进遗传算法结合二次编码的方法解决大规模资源调度。首先,在选择复制阶段,采用基于最小任务完成时间和匹配程度的双适应度函数,对种群以双重标准进行筛选。然后,对算法的交叉变异概率进行了自适应优化,使其自适应能力进一步提高,保证了算法尽快向最优解收敛。同时引入的收敛终止条件保证了算法尽快跳出循环。最后,在CloudSim平台上对改进遗传算法（IGA）进行了分析,实验结果表明,提出的改进遗传算法能够很好地适用于大规模资源调度,且结果优于其他几种较新的对比算法。     

基于鲁棒多目标优化的智能体群组协同任务规划

为解决不确定性条件下的智能体群组协同任务规划问题,从提高任务分配方案鲁棒性的角度出发,建立了以最小化任务完成时间和最大化任务完成质量为目标的区间规划模型,提出了可直接求解模型的区间型非支配排序算法。算法定义了区间目标函数间的占优支配关系,在编码空间通过组合使用随机遗传算子和启发式算子引导种群进化,在解码空间采用循环拥挤距离排序淘汰染色体保持种群规模。实验结果表明,所提出的方法可行有效,在不确定性条件下能得到鲁棒优质的任务分配方案。     

基于TS-NGA的多作战智能体制导-攻击匹配优化

空中制导-攻击匹配(GAM)旨在确定武器单元、制导单元以及目标三者之间的最优匹配关系,以使多作战智能体任务联盟整体作战效能最大。分析了基于混合通信方式的多作战智能体制导-攻击匹配过程,建立制导攻击匹配约束优化问题模型,设计了一种禁忌策略的嵌套遗传算法(TS-NGA)对模型进行求解,算法的外层循环寻求武器单元和制导单元的最优配对,内层循环寻求武器单元和目标的最优配对。针对GAM问题特点,制定了编码与解码策略、交叉、变异规则以及选择、禁忌策略。仿真实验结果表明所设计求解算法能较好地解决三维变量的GAM问题模型。