摘要：针对已有空中目标识别方法存在的经验风险大、识别率低等不足,依据空中目标的分类原则和纠错码设计原则,设计了针对该问题的纠错码,并训练了码位分类器,最后给出了基于支持向量机的空中目标大类别分类算法。该方法采用纠错编码支持向量机的多类分类技术,降低了经验风险,能对误差进行自动修正,有效地提高了识别率和识别速度。最后给出了一个算例,结果证实了该算法的有效性,并给出了与同类算法的比较结果。

摘要：从反导体系结构信息链路出发,对由感知、指控和火力实体节点构成的反导交战程序链的信息流价值需求均衡进行研究.首先,给出了反导体系结构交战程序链信息关系建模的相关假设,基于信息价值需求,分别对反导体系结构交战程序链的各级优化条件进行分析,建立了反导体系结构超网络信息价值需求均衡优化模型;其次,运用变分不等式理论,对该均衡优化模型进行分析与转化,利用模糊事件的可信性测度理论,推导了指控节点,火力节点的模糊信息量需求期望,冗余期望和缺额期望,建立了具有模糊需求的反导体系超网络均衡状态满足的变分不等式模型,设计了求解均衡解的修正投影算法;通过算例讨论了模糊需求对反导体系超网络均衡解的影响,最后验证了方法的可行性.

摘要：以对抗条件下,无人机(unmanned aerial vehicle,UAV)编队执行对地攻击任务为作战背景,构建多UAV对地攻击模型,利用多指标正交实验设计原理,研究编队配系的优化方法。首先,以武器类型和目标类型为对象,建立对抗双方各自的目标分配模型;其次,以目标探测、识别、杀伤和评估为基本任务,建立编队的攻击过程模型;以任务执行总代价、目标毁伤程度和任务执行时间为评价指标,建立目标函数模型;最后,将UAV的种类和数量视为实验因素和水平,研究基于正交实验设计的编队最优配系方案选择方法。实验结果表明,针对特定的任务要求,该方法可以依据现有的资源条件,得出最优的编队编组策略。

摘要：标准BP学习算法是多层感知器的一种训练学习算法,是基于无约束极值问题的梯度法而设计的。针对标准算法存在的收敛速度慢、目标函数易陷入局部极小等缺点,该文提出了一种基于粒群优化的全新学习算法——粒群学习算法。该算法采用并行全局寻优策略,使网络以更快的速度收敛至全局最优解,且更易于编程实现。仿真实例证明,该算法是一种简洁高效的BP神经网络学习算法,有着极为广泛的应用前景。

摘要：针对高超声速滑翔飞行器再入拉起后升阻比呈近线性增长的特点,提出一种基于升阻比变化规律的轨迹预测算法。首先对目标运动方程进行分析,发现轨迹预测算法的关键在于能否预测升阻比的大小;然后通过对目标进攻轨迹的仿真得到了升阻比呈近线性增长的规律,给出了升阻比变化函数的形式及拟合方式,并在此基础上设计了轨迹预测算法,最后通过仿真验证了算法的有效性。该算法对反助推-滑翔无动力跳跃飞行器指挥决策问题的研究具有重要意义。

摘要：针对空天高速目标跟踪中,传感器资源调度任务无时间等待、传感器资源匹配形式多样、观测时间碎片化等问题,提出了多源异构传感器调度多目标优化模型和求解该模型的多目标柔性果蝇算法。针对传感器调度时间碎片化问题,采用柔性分割调度时间,设计了目标-时间-传感器三维编码方式;为了避免相似个体交叉进化造成搜索陷入局部最优,提出基于个体特征的交叉操作和变异操作;针对进化过程中个体产生碎片时间、重复观测等问题,提出柔性调整操作。最后通过两个案例测试,对提出的模型和算法进行仿真验证,实验证明算法能够合理地求解多源异构传感器资源调度问题,在收敛性和分布性方面优于对比算法。

摘要：针对多无人机执行对地攻击作战任务的背景,建立了编队对地攻击模型,提出了基于正交实验设计的编队配系优化方法。在考虑多机协同作战因素下,构建了编队目标分配的基本模型;以探测、识别和杀伤为基本过程,构建了攻击过程模型;以空袭方付出代价、防空方毁伤程度和作战效率为依据,构建了目标函数模型,分析了模型中中间变量与目标函数之间的关系;利用正交实验设计原理,研究了编队配系优劣的评价方法。实例分析表明,该方法能够在已有的资源约束条件下,给出编队的最优配系方案。

摘要：不同体制的多个传感器通常部署于不同位置,据此采用分布式计算思想研究其调度问题.设计了传感器指控模块和传感器模块,探讨两者间的信息交互过程,给出基于最小调度时间间隔的传感器探测任务分解方法,建立传感器探测目标的匹配度计算模型.针对调度方案生成子模块设计了一种自适应概率粒子群算法,算法中粒子的分量根据方案适应值大小以不同的概率取相应值,体现粒子在迭代过程中的思考.实例分析表明,该算法能在迭代前期较快地收敛到一个较优值,这一特点使得在迭代次数有限的情况下,算法仍可获得较好的调度方案,满足调度方案实时高效的要求.

摘要：针对现有的模糊核聚类算法性能的问题,汲取直觉模糊c-均值聚类(intuitionistic fuzzy c-means,IFCM)算法的动态聚类特性优势,引入高斯核函数,改良归一化条件,提出直觉模糊核c-均值聚类(intuitionisticfuzzy kernel c-means,IFKCM)算法,并通过实际数据测试,证实了该算法的可行性和有效性。最后,根据弹道中段目标识别仿真系统的要求及弹道目标识别的特点,设计并实现了基于直觉模糊核c-均值聚类的弹道中段目标识别(intuitionistic fuzzy kernel c-means-target recognition in ballistic midcourse,IFKCM-TRBM)原型系统,仿真实验及对比分析充分表明该原型系统的稳健可行性,为弹道中段目标识别提出了一种新的参考和尝试。

摘要：针对反导目标分配优化问题中存在的不确定性特征,引入模糊随机规划理论.首先建立了基于模糊随机规划的反战术弹道导弹(tactical ballistic missile,TBM)的目标分配优化模型.在此基础上,构建了一种针对多约束目标分配问题的粒子编码方案,并改进传统粒子群算法的位置和速度更新方式,提出了改进型离散粒子群(improve discrete particle swarm optimization,IDPSO)算法.最后,设计了模糊随机模拟技术和IDPSO算法相结合的混合智能求解算法.仿真实例表明,混合智能算法全局寻优能力强,优化效率高,满足反TBM目标分配优化对时效性的要求.