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。     

传感器网络节点定位精度的几何稀释分析

通过分析时间到达(Time of Arrival,TOA)算法的定位原理,利用定位精度的几何稀释(Geometrical Dilution ofPrecision,GDOP),描述定位误差与锚节点群几何布局关系,并给出基于测距的算法中GDOP的计算方法。采用蒙特卡罗仿真方法,仿真次数100,设定锚节点的测距误差相同,取锚节点数为3、5,对基于锚节点群内点、外点的未知节点定位误差的归一化GDOP值和GDOP均值求解,结合质心算法原理,验证了自身节点定位精度与确定该节点位置的锚节点的几何关系密切相关,得到锚节点群内点定位精度高的结论。     

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。     

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。     

MPLS VPN组网仿真与应用设计

为了解决传统"专线"组网的缺点,改善传统IP网络、帧中继和ATM网络的缺陷,在详细分析了MPLS VPN应用现状以及特点的基础上提出一种基于MPLS的VPN组网方案.采用OPNET网络仿真软件对组网场景进行建模仿真.得出MPLS VPN具有较高吞吐量、较小时延和丢包率的结果,并结合实例和仿真结论分析了应用MPLS VPN组网所显现出的优势.在此基础上得到有价值的结论,即将MPLSVPN大胆应用于跨越不同地理区域的公司、企业和军事通信组网中必将带来广阔的应用前景.     

多编组任务分配动态优化模型及IVFSA算法求解

针对作战智能体多编组协同作战中任务分配的动态优化问题, 考虑到空中突击作战中部分任务的时间窗口属性和编组资源能力损耗的特点, 建立了以任务执行效率为目标、满足上述约束问题的数学模型。设计了一种改进快速模拟退火对动态优化模型予以求解, 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。仿真表明, 所提方法可对多编组任务分配动态优化模型进行快速有效求解。     

适应性指挥控制组织设计与研究综述

近年来,适应性指挥控制组织设计已经成为指挥控制领域的研究热点之一.分析了指挥控制组织设计的理论和方法,包括计算数学组织理论、Agent组织模型、Petri网、系统工程技术等,归纳总结相关技术的各自优势和不足之处.特别针对适应性和鲁棒性分析、组织测试、组织结构和任务计划识别3个指挥组织设计研究的新动向进行了细致阐述,指出...     

地空数据通信越区组网切换算法的设计与仿真

提出地空数据通信越区组网目标站点选择算法和越区时间判断算法,设置仿真场景对切换算法进行验证,得出变化飞机航迹更新周期,采用覆盖区域重叠部分和航迹、站点连线夹角综合标准选择目标站点的越区切换方法成功率高,证明了该切换算法在越区组网方案中的优势。     

多传感器关联算法现状与研究进展

本文按照三大类数据关联算法研究,即基于统计和似然的关联算法、基于模糊数学和神经网络的关联算法和基于目标参照拓扑信息的关联算法,分别探讨了各类关联算法的研究现状和面临的问题,并对关联算法的研究趋势进行了展望。     

Ranking important nodes in complex networks by simulated annealing

In this paper, based on simulated annealing a new method to rank important nodes in complex networks is presented.First, the concept of an importance sequence(IS) to describe the relative importance of nodes in complex networks is defined. Then, a measure used to evaluate the reasonability of an IS is designed. By comparing an IS and the measure of its reasonability to a state of complex networks and the energy of the state, respectively, the method finds the ground state of complex networks by simulated annealing. In other words, the method can construct a most reasonable IS. The results of experiments on real and artificial networks show that this ranking method not only is effective but also can be applied to different kinds of complex networks.