基于多分支深度Q网络模型的卫星通信任务调度方法

针对卫星通信系统中的任务调度问题,基于深度强化学习框架提出了一种多分支深度Q网络模型的卫星通信任务调度方法。通过引入任务列表分支网络和资源池分支网络,该模型能够同时提取卫星任务状态和卫星资源池状态的特征,并通过价值分支网络计算动作价值函数;在模型输出部分引入了包括任务选择与资源优先级动作的多个动作的选择,增加了调度动作的选择空间。实验结果表明,在非零浪费和零浪费数据集上,多分支深度Q网络模型与启发式方法相比在提高平均资源占用性能的同时显著降低了运行的时间开销。     

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。     

基于改进深度Q学习的网络选择算法

在引入休眠机制的超密集异构无线网络中,针对网络动态性增强,导致切换性能下降的问题,该文提出一种基于改进深度Q学习的网络选择算法。首先,根据网络的动态性分析,构建深度Q学习选网模型;其次,将深度Q学习选网模型中线下训练模块的训练样本与权值,通过迁移学习,将其迁移到线上决策模块中;最后,利用迁移的训练样本及权值加速训练神经网络,得到最佳选网策略。实验结果表明,该文算法显著改善了因休眠机制导致的高动态性网络切换性能下降问题,同时降低了传统深度Q学习算法在线上选网过程中的时间复杂度。     

基于多属性决策和态势估计结果的空战威胁评估方法

结合空战的特点,对影响目标威胁评估的属性进行了分析,并用层次分析法确定各属性的权值.根据多属性决策理论和方法,给出目标的威胁度,再根据空战的态势估计结果修正威胁度值,最终得到威胁排序结果,为传感器管理和火力分配提供依据.     

多武器系统的火力分配模型

目前对于单一兵器火力分配问题的解决方法比较成熟,然而由于在现代防空作战中,经常是多种类型的兵器联合进行防空,故需要对多种不同类型的兵器的火力分配问题进行探讨。这里针对多种不同类型的兵器毁伤多个目标的问题,建立了数学模型,进行了深入的探讨。按照模型的特殊性,定义了映射、邻域和连通的概念;同时针对模型,将遗传模拟退火算法进行了一定的修改,并利用此算法对模型进行了最优化求解。最后,实例的计算结果表明该算法对于模型的求解具有较好的收敛性。     

多批编队目标的实时火力分配决策

在对现代防空作战分析的基础上,提出了针对多批编队目标的实时火力分配决策方法。首先利用马尔可夫理论对编队目标进行动态决策,得到需分配的目标类型,再根据当前态势和火力单元特性对需分配的目标进行静态实时火力分配,系统不断循环直至目标分配完毕,最后用实例进行了分析,计算结果表明了该方法的有效性。     

基于单亲遗传算法的火力分配方法

提出了将单亲遗传算法应用于火力分配问题的方法,该方法既保持了传统遗传算法的诸多优点,又克服了传统遗传算法要求种群多样性、易陷入局部最优和实时性差等缺点。单亲遗传算法使用经过简化的遗传操作算子,算法的复杂度大大降低,可以应用于实时性要求较高的场合。仿真结果表明,单亲遗传算法能有效地解决火力分配问题,是一种简单、有效和快速的算法,具有很好的应用价值。     

基于深度Q网络的在线服务功能链部署方法

针对5G网络资源状态动态变化和网络模型高维度下服务功能链部署的复杂性问题,该文提出一种基于深度Q网络的在线服务功能链部署方法(DeePSCD).首先,为描述网络资源动态变化的特征,将服务功能链部署建模成马尔可夫决策过程,然后,针对系统资源模型的高维度问题采用深度Q网络的方法进行在线服务功能链部署策略求解.该方法可以有效描述网络资源状态的动态变化,特别是深度Q网络能有效克服求解复杂度,优化服务功能链的部署开销.仿真结果表明,所提方法在满足服务时延约束条件下降低了服务功能链的部署开销,提高了运营商网络的服务请求接受率.     

基于深度Q网络的在线服务功能链部署方法

针对5G网络资源状态动态变化和网络模型高维度下服务功能链部署的复杂性问题,该文提出一种基于深度Q网络的在线服务功能链部署方法(DeePSCD)。首先,为描述网络资源动态变化的特征,将服务功能链部署建模成马尔可夫决策过程,然后,针对系统资源模型的高维度问题采用深度Q网络的方法进行在线服务功能链部署策略求解。该方法可以有效描述网络资源状态的动态变化,特别是深度Q网络能有效克服求解复杂度,优化服务功能链的部署开销。仿真结果表明,所提方法在满足服务时延约束条件下降低了服务功能链的部署开销,提高了运营商网络的服务请求接受率。     

基于竞争双深度Q网络的频谱感知和接入

认知用户通过频谱感知和接入过程识别频谱状态并占用空闲频谱,可有效利用频谱资源。针对频谱感知中存在感知错误和频谱接入中存在用户碰撞的问题,首先建立多用户多信道模型,设计频谱感知和频谱接入过程;然后通过结合双深度Q网络和竞争Q网络,设计竞争双深度Q网络,解决过估计问题的同时优化网络结构;最后通过智能体与所设计模型中状态、观测、回报和策略的交互,完成使用竞争双深度Q网络解决频谱感知和接入问题的一体化研究。仿真结果表明,相比于已有深度强化学习方法,使用竞争双深度Q网络得到的数值结果更稳定且感知正确率和信道利用率都提高了4%。     

信息系统安全决策模型研究

本文提出从三个方面进行决策:方案组成决策、产品选型决策和安全投资决策,及在对安全方案进行效益评估的基础上,进行方案组成决策和产品选型决策,然后在此基础上形成决策结论。     

基于物元可拓的信息系统等级保护测评评价

为了使信息系统的安全等级评价结果更加客观和直观,该文采用物元可拓法和层次分析法对信息系统安全等级保护测评的符合性程度进行了定量的分析研究。采用层次分析法确定信息系统各层指标的权重,基于物元可拓理论,分析建立了信息系统安全等级保护测评项以及层面间的物元可拓模型,通过计算得到该信息系统的定量符合性程度。采用该方法对已经测评过的信息系统进行结果数据分析,通过与实际的测评项目所获取的测评结果比较,得到的测评结果与测评机构给出的测评结果达到了较高的一致性。     

军工网络安全模拟仿真系统可信度研究

军工网络安全模拟仿真系统是一个多层次、多方面、多步骤的仿真系统。通过对系统进行VV＆A分析,结合层次分析法（AHP）的决策思想,把与仿真可信度有关的评估元素通过划分层次后并计算权重,建立起一种复杂仿真系统可信度评估的综合算法模型,最终得到整个军工网络安全模拟仿真系统的可信度。根据所得到的量化可信度结果,证明该系统具有一定的科学性。     

兵力需求的运作机理研究

兵力需求的影响因素有很多,研究这些因素之间的关系及对兵力需求的影响是一个新的课题.提出了兵力需求运作机理的研究框架,在此基础上,依照辨析关键因素、分析因果关系、评价相互影响、分析计算结果的研究步骤,采用因果关系图、层次分析法(AHP)、网络分析法(ANP)等方法,结合实例对具体问题进行了详细分析.通过研究,得出了影响兵力需求的关键因素之间的量化关系,结论具有一定的科学性.     

一种可信的基于协同过滤的服务选择模型

针对目前服务选择方法中基于QoS的服务选择方法较少考虑服务请求者自身的个性属性特征和基于协同过滤的服务选择方法未能考虑服务推荐者可信程度的问题,该文将协同过滤技术与信任度量方法进行有机结合,根据服务请求者的个性属性特征对服务选择过程的影响,引入用户(服务请求者)相关性,并计算推荐可信度,利用层次分析法确定服务信誉值中各因子的权重,提出了一种可信的基于协同过滤的服务选择模型。仿真实验表明该模型不仅提高了服务选择的效率,还能有效避免服务推荐者的恶意攻击。     

基于层次分法的电力通信网状态检修评价方法*

采用状态检修的方法可以更科学合理的对电力通信网设备的进行检修。状态检修的关键是对设备状态进行系统准确的评价。文章针对电力网通信设备提出了一种新的状态检修评价方法。文章并且介绍了实现该状态评价方法的系统原型,该原型证明了新方法的合理性和可行性。     

基于移动边缘计算的V2X任务卸载方案

移动边缘计算(MEC)通过在移动网络边缘提供IT服务环境和云计算能力带来高带宽、低时延优势,从而在下一代移动网络的研究中引起了广泛的关注。该文研究车载网络中车辆卸载请求任务时搜寻服务节点为其服务的匹配问题,构建一个基于MEC的卸载框架,任务既可以卸载到MEC服务器以车辆到基础设施(V2I)形式通信,也可以卸载到邻近车辆进行车辆到车辆(V2V)通信。考虑到资源有限性、异构性,任务多样性,建模该框架为组合拍卖模式,提出一种多轮顺序组合拍卖机制,由层次分析法(AHP)排序、任务投标、获胜者决策3个阶段组成。仿真结果表明,所提机制可以在时延和容量约束下,使请求车辆效益提高的同时最大化服务节点的效益。     

MULTIPLE ATTRIBUTE NETWORK SELECTION ALGORITHM BASED ON AHP AND SYNERGETIC THEORY FOR HETEROGENEOUS WIRELESS NETWORKS简

It is a hot issue in communication research field to select the best network for Heteroge- neous Wireless Networks （HWNs）, and it is also a difficult problem to reduce the handoff number of vertical handoff. In order to solve this problem, the paper proposes a multiple attribute network se- lection algorithm based on Analytic Hierarchy Process （AHP） and synergetic theory. The algorithm applies synergetics to network selection, considering the candidate network as a compound system composed of multiple attribute subsystems, and combines the subsystem order degree with AHP weight to obtain entropy of the compound system, which is opposite the synergy degree of a network system. The greater the synergy degree, the better the network performance. The algorithm takes not only the coordination of objective attributes but also Quality of Service （QoS） requirements into consideration, ensuring that users select the network with overall good performance. The simulation results show that the proposed algorithm can effectively reduce the QoS according to different services. handoff number and provide uses with satisfactory     

基于MGIS阵地选择模型研究

针对实际作战需要,提出一种方便实用的阵地选择模型,并重点介绍了基于军事地理信息系统的模型求解。该模型通过分析影响阵地选择的主要因素,结合层次分析法确定各因素权值所需要满足的条件,以此构造选择因素的指标评价系统。利用军事地理信息系统对选择因素指标量化分级,设计不同因素缓冲区,以实现数据分析与查询、图层控制等可视化操作获取最佳阵地。实验结果表明,该方法可直观获得符合要求的阵地,较好地实现了最优阵地选择。     

云原生下基于深度强化学习的移动目标防御策略优化方案

针对云原生环境下攻击场景的复杂性导致移动目标防御策略配置困难的问题,该文提出一种基于深度强化学习的移动目标防御策略优化方案(SmartSCR)。首先,针对云原生环境容器化、微服务化等特点,对其安全威胁及攻击者攻击路径进行分析;然后,为了定量分析云原生复杂攻击场景下移动目标防御策略的防御效率,提出微服务攻击图模型并对防御效率进行刻画。最后,将移动目标防御策略的优化问题建模为马尔可夫决策过程,并使用深度强化学习解决云原生应用规模较大时带来的状态空间爆炸问题,对最优移动目标防御配置进行求解。实验结果表明,SmartSCR能够在云原生应用规模较大时快速收敛,并实现逼近最优的防御效率。