摘要：为解决连续空间追逃博弈(PEG)问题,提出一种基于多组并行深度Q网络(DQN)的连续空间PEG算法。应对连续行为空间中为避免传统强化学习存在的维数灾难不足,通过构建Takagi-Sugeno-Kang模糊推理模型来表征连续空间;为应对离散动作集自学习复杂且耗时不足,设计基于多组并行DQN的PEG算法。以4轮战车PEG问题为例设计仿真环境与运动模型,进行了运动计算,并与Q-learning算法、基于资格迹的强化学习算法、基于奖励的遗传算法结果相比对。仿真实验结果表明,连续空间PEG算法能够较好地解决连续空间PEG问题,且随着学习次数的增加不断提升问题处理能力,具备自主学习耗时少、追捕应用时间短的比较优势。

摘要：针对同时受时间与燃料约束的航天飞行器多轨道间机动问题,研究了两类变轨机动方式四种特殊情况的边界问题.考虑机动、路径和燃料约束构建了以最短总机动时长为目标的规划模型,设计了基于改进蚁群算法的机动策略寻优算法,提出了一种满足快速机动需求的共面多轨道间机动规划方法.通过算例计算,验证了多轨道间机动规划方法的有效性,得到了在有限时间及有限燃料条件下的最优机动方案.说明了在一定范围内提升变轨速度冲量或选择非开普勒径向机动更有利于航天飞行器快速机动能力的生成.

摘要：为确保分布式联合作战指挥条件下,战场空间、电磁频谱等作战资源在各作战行动间分配的一致性,避免产生作战资源运用上的冲突矛盾,基于区块链技术架构中的Ripple共识机制提出分布式作战资源分配方法。提出区分末端节点、协商节点和审核节点等3类功能节点的作战资源分配作业架构,设计“汇总作战资源使用申请、表决作战资源分配提案、调节作战资源使用冲突、确认作战资源分配结果”等4步作战资源分配流程。案例分析表明,在任意一对协商节点的UNL重复率大于或等于41%,且确认阈值不低于各节点UNL节点数量0.8倍时,能够确保各指挥节点协商得到一致性的作战资源分配结果。

摘要：电子对抗行动规划是依据对抗目标和有限作战力量建立完成使命的最优行动序列,通过对对抗主体的力量约束、电磁环境、行动和目标的定义,结合人工智能领域规划问题的研究、军事领域以目标为中心的作战思想提出的电子对抗行动规划模型及行动序列优选方法。该模型结合Markov决策和Bayesian技术获得电子对抗最优行动序列,对电子对抗基于目标设计最具适应性的行动序列做出了初步尝试。