检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

对地打击武器-目标分配问题的粒子群算法

电光与控制 2017年第3期24卷 36-40页

作者：王顺宏杨奇松王然辉赵久奋王国江火箭军工程大学中国人民解放军61683部队

对地打击武器-目标分配问题(BTG-WTA)是现代战争中的重要问题;相比于一般武器-目标分配问题,其规模更大,复杂程度更高。提出使用粒子群算法解决BTG-WTA问题,改进了粒子初始化、惯性权重选择等关键问题使其适应BTG-WTA问题模型,并结合具... 详细信息

对地打击武器-目标分配问题(BTG-WTA)是现代战争中的重要问题;相比于一般武器-目标分配问题,其规模更大,复杂程度更高。提出使用粒子群算法解决BTG-WTA问题,改进了粒子初始化、惯性权重选择等关键问题使其适应BTG-WTA问题模型,并结合具体算例进行了仿真。仿真结果表明,粒子群算法比解决WTA问题的经典算法速度更快、结果更优,具有更强的实际应用价值。

关键词：武器目标分配粒子群优化对地攻击

在线全文

学校读者我要写书评

暂无评论

多导弹武器-目标分配关键技术研究

多导弹武器-目标分配关键技术研究

作者：姚继帅国防科技大学

学位级别：硕士

在作战中,武器-目标分配（Weapon Target Assignment,WTA）问题是防空指挥的重要内容,其目的是匹配合适的武器对目标进行打击,提高作战效能。传统的人为目标分配或优化算法难以满足目标分配实时性和分配方案准确性的要求。智能算法的发... 详细信息

在作战中,武器-目标分配（Weapon Target Assignment,WTA）问题是防空指挥的重要内容,其目的是匹配合适的武器对目标进行打击,提高作战效能。传统的人为目标分配或优化算法难以满足目标分配实时性和分配方案准确性的要求。智能算法的发展为武器目标分配问题求解提供了思路,指挥人员可以根据智能算法求解最佳武器目标分配方案,为智能化决策提供了决策基础。本文以多枚反导导弹防空作战为主要研究对象,围绕不确定场景中的目标分配问题,针对威胁评估和WTA这两个关键技术问题,开展威胁评估方法和武器目标分配算法研究与创新。论文的主要研究内容及创新点如下:（1）针对不确定环境下的目标威胁评估问题进行研究,设计了一种基于信任熵和D数理论的目标威胁评估方法。该方法将不同来源的威胁数据视为证据,并基于信任熵计算证据的支撑度,基于D数的积分定理融合这些威胁数据得到最终目标威胁度。通过仿真实验并与传统的威胁评估方法相比较,验证了该方法的有效性和可行性。仿真结果表明,采用基于信任熵和D数理论的目标威胁评估方法,有效的解决了战场态势不确定性的问题。（2）针对防空作战场景下的静态多对多武器目标分配问题进行研究,基于目标威胁值和拦截概率模型,构建了约束条件下的多对多武器目标分配模型,改进了萤火虫算法（Firefly Algorithm,FA）并用于多对多静态武器目标分配问题求解。该算法通过调整步长,使得萤火虫移动步长具有自适应性。通过仿真实验并与传统算法进行比较分析,验证了该算法的可行性和有效性。通过仿真实验并与其他算法进行比较,验证了该算法的快速性和稳定性。（3）针对防空作战场景下的动态多对多武器目标分配问题进行研究,改进了帝王蝶优化算法（Monarch Butterfly Optimization,MBO）并用于动态多对多武器目标分配问题求解。该算法通过采用基于贪婪策略的迁移算子和基于自适应交叉算子的蝴蝶调整算子,使得优化算法的收敛速度更快且不会陷入局部最优。通过应用不同智能算法求解动态分配问题比较分析了不同算法在求解动态武器目标分配问题上的优劣性。

关键词：防空作战威胁评估武器目标分配帝王蝶优化算法萤火虫算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

解武器—目标分配问题的神经网络方法

哈尔滨工程大学学报 1997年第3期18卷 36-41页

作者：朱齐丹胡绍勇宋福香黄蕾哈尔滨工程大学自动控制系

提出一种解武器—目标分配（ＷｅａｐｏｎＴａｒｇｅｔＡｓｉｇｎｍｅｎｔ，简称ＷＴＡ）问题的神经网络方法，该方法依据二值神经网理论，建立武器与目标的组合关系，设计出一种合理而有效的并行算法，应用此算法分配迎击武器使毁伤全... 详细信息

提出一种解武器—目标分配（ＷｅａｐｏｎＴａｒｇｅｔＡｓｉｇｎｍｅｎｔ，简称ＷＴＡ）问题的神经网络方法，该方法依据二值神经网理论，建立武器与目标的组合关系，设计出一种合理而有效的并行算法，应用此算法分配迎击武器使毁伤全部目标的失败概率达到最小经过多个战例的仿真，结果表明，这种算法不但收敛速度快。

关键词：二值 WTA 并行算法神经网络武器目标分配

在线全文

学校读者我要写书评

暂无评论

蚁群算法在武器目标分配问题中的应用

福建电脑 2007年第3期23卷 113-113,78页

作者：姚远秦玲南京航空航天大学信息科学与技术学院南京210016

武器-目标分配问题(Weapon-Target Assignment Problem)是一种典型的NP问题。在分析多种算法的和建立武器目标分配的优化模型基础上。本文提出求解武器目标分配问题的一种改进蚁群算法,加快收敛速度的同时保证了解的有效性。

关键词：武器目标分配蚁群算法优化

在线全文

学校读者我要写书评

暂无评论

基于深度强化学习的舰船导弹目标分配方法

控制理论与应用 2024年第6期41卷 990-998页

作者：肖友刚金升成毛晓伍国华陆志沣中南大学交通运输工程学院湖南长沙410018 上海机电工程研究所上海201109

针对对抗环境下的海上舰船防空反导导弹目标分配问题,本文提出了一种融合注意力机制的深度强化学习算法.首先,构建了舰船多类型导弹目标分配模型,并结合目标多波次拦截特点将问题建模为马尔可夫决策过程.接着,基于编码器–解码器框架搭... 详细信息

针对对抗环境下的海上舰船防空反导导弹目标分配问题,本文提出了一种融合注意力机制的深度强化学习算法.首先,构建了舰船多类型导弹目标分配模型,并结合目标多波次拦截特点将问题建模为马尔可夫决策过程.接着,基于编码器–解码器框架搭建强化学习策略网络,融合多头注意力机制对目标进行编码,并在解码中结合整体目标和单个目标编码信息实现舰船可靠的导弹目标分配.最后,对导弹目标分配收益、分配时效以及策略网络训练过程进行了仿真实验.实验结果表明,本文方法能生成高收益的导弹目标分配方案,相较于对比算法的大规模决策计算速度提高10%~94%,同时其策略网络能够快速稳定收敛.

关键词：防空反导导弹目标分配武器目标分配深度强化学习

维普期刊数据库博看期刊

基于改进NSGA-Ⅲ算法的多无人机协同目标分配

在线全文

学校读者我要写书评

暂无评论

航空兵器 2024年

作者：王爽宇申庆茂孙铭阳唐爽甄子洋南京航空航天大学自动化学院空军装备部驻北京地区第二军事代表室航天科工智能运筹与信息安全研究院

武器-目标分配问题是战场环境下无人机对敌方执行打击任务的关键，其目的是基于目标的威胁、价值和我方武器的毁伤概率，寻找合理的武器目标分配方案，以提高作战效率。针对当前多目标优化算法解决静态武器-目标分配问题时收敛速度慢、... 详细信息

武器-目标分配问题是战场环境下无人机对敌方执行打击任务的关键，其目的是基于目标的威胁、价值和我方武器的毁伤概率，寻找合理的武器目标分配方案，以提高作战效率。针对当前多目标优化算法解决静态武器-目标分配问题时收敛速度慢、收敛稳定性差，难以适应当前战场高度实时性的问题，提出一种改进的基于参考点的非支配排序遗传算法，通过二进制编码打击方案并优化初始种群，引入自适应变异与交叉策略以及种群寻优更新策略，基于对战场态势进行评估得到的威胁矩阵和优势矩阵，种群多次迭代后生成目标打击方案。最后计算满足约束条件的Pareto解集，并将Pareto前沿中的相对最优解作为多无人机的打击方案。多次实验证明，在较好情况下改进算法相比于原始算法的收敛时间减少46.74%，目标威胁值降低50.5%，总飞行航程减少26.46%，杀伤目标数增加11.76%，证明该算法在解决多无人机空对地打击任务目标分配问题时具有合理性和高效性。

关键词：对地打击多无人机武器目标分配多目标优化 NSGA-Ⅲ Pareto解

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

舰船防空反导的目标分配方法研究

系统仿真学报 2024年

作者：费帅迪蔡长龙刘飞陈明晖刘晓明中国北方车辆研究所西安工业大学兵器科学与技术学院陕西启明信息技术有限公司

为了解决动态武器目标分配问题中遇到的状态信息多类型、时间序列相关的问题，提出一种基于改进的深度强化学习算法的动态武器目标分配方法。首先，考虑多目标、多阶段下目标导弹、拦截单元、保卫单元的动态反导作战环境，构建目标导弹... 详细信息

为了解决动态武器目标分配问题中遇到的状态信息多类型、时间序列相关的问题，提出一种基于改进的深度强化学习算法的动态武器目标分配方法。首先，考虑多目标、多阶段下目标导弹、拦截单元、保卫单元的动态反导作战环境，构建目标导弹-拦截单元的多输入分配模型。其次，对于多个环境状态信息设计一个多输入的状态空间，并结合问题模型建立马尔可夫决策过程。然后，根据防空反导作战环境状态信息多类性、时序相关性设计一个结合多输入信息处理和门控循环网络的特征提取网络，提高对状态信息的提取能力，保留所需要的状态信息并遗忘不重要的状态信息；并在策略网络中引入多头注意力机制，提高模型的表现能力和收敛速度。最后对目标分配的拦截收益、回合长度、平均奖励进行仿真实验。经实验结果表明，本文的动态武器目标分配方法有较好的收敛速度和拦截收益。

关键词：防空反导目标分配武器目标分配深度强化学习注意力机制 Advantage Actor-Critic

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多层反导体系智能目标分配算法研究

多层反导体系智能目标分配算法研究

作者：费帅迪西安工业大学

学位级别：硕士

随着弹道导弹制导技术、雷达技术和信息技术的发展,武器目标分配(Weapon Target Assignment,WTA)问题在反弹道导弹(Anti-Ballistic Missile,ABM)作战态势中的研究越来越趋向于中大规模、多批次、高动态性,这就使得反导武器目标分配策略... 详细信息

随着弹道导弹制导技术、雷达技术和信息技术的发展,武器目标分配(Weapon Target Assignment,WTA)问题在反弹道导弹(Anti-Ballistic Missile,ABM)作战态势中的研究越来越趋向于中大规模、多批次、高动态性,这就使得反导武器目标分配策略的生成也趋向于高收益、高效率、高拦截率。此外,深度强化学习算法在智能决策、资源规划和对抗博弈领域的发展也为WTA问题提供了新的研究思路。因此本文的研究目的是建立基于深度强化学习的武器目标分配算法模型,来解决传统智能算法在中大规模、多批次、多对多的目标分配运算效率低、策略生成速度慢、拦截收益和成功率低的问题。在算法模型中分别应用传统的A2C(Advantage Actor Critic)算法、PPO(Proximal Policy Optimization,)算法以及结构改进的A2C算法和PPO算法与传统智能算法进行对比。从目标分配算法模型的建立到多种深度强化学习算法的应用,逐步研究、推理和验证来提高目标分配方法的运算效率、拦截收益和拦截成功率。本文的主要研究内容和创新点如下:(1)面对传统智能算法在中大规模的WTA存在的问题,构建一个基于A2C算法、PPO算法的多输入目标分配算法。首先,引入多目标信息处理思想来解决不同规模作战场景中多个目标导弹、拦截单元、保卫单元的原始数据处理问题。然后,建立以拦截收益为目标函数的分配模型,并将模型与马尔可夫决策过程结合建立可适配中大规模作战场景的状态转移四元组,包括构建反应全局作战单元信息的状态空间和动作空间、设计局部收益和全局收益结合的奖励函数。最后建立基于A2C算法、PPO算法的多输入目标分配算法的网络训练模型。经过仿真实验结果验证,相比传统智能算法,基于A2C算法、PPO算法的多输入目标分配算法可以有效的提高算法策略生成速度、拦截收益和拦截成功率。(2)针对传统的A2C算法和PPO算法无法解决在中大规模、多批次作战场景中环境状态数据信息时间序列相关性、策略网络收敛速度慢和训练效率差的问题,提出基于改进的A2C算法、PPO算法。改进的算法通过在特征提取网络中引入长短期记忆(Long Short-Term Memory,LSTM)网路来提高算法网络对状态信息的提取能力,保留前一时刻和当前时刻的重要信息;在策略网络中加入多头自注意力机制,来提高策略网络做决策时对某些信息的关注度。经过仿真实验结果验证,改进后的A2C算法和PPO算法相比传统的A2C算法和PPO算法,有更好的收敛能力、策略生成速率、拦截收益和拦截成功率。(3)在改进A2C、PPO算法网络结构的基础上,为了进一步提高神经网络的稳定性、状态数据信息的提取能力以及策略网络的探索效率和收敛能力,建立基于门控循环(Gate Recurrent Unit,GRU)网络和条件多头注意力机制的A2C算法、PPO算法。该算法通过在特征提取网络中引入GRU来进一步提高算法在前期决策的状态数据提取能力,以及在策略网络中将拦截单元的数据状态信息作为Query查询向量的输入,融合的状态信息数据作为Key向量和Value向量的输入,以此来提高策略网络训练效率和收敛能力。通过仿真实验证明,基于GRU和条件多头注意力机制的A2C算法和PPO算法在算法决策性能上有较大的提升。

关键词：防空反导目标分配武器目标分配 A2C算法 PPO算法多头注意力机制

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于强化学习的多对多拦截目标分配方法

空天防御 2024年第1期7卷 24-31页

作者：郭建国胡冠杰许新鹏刘悦曹晋西北工业大学航天学院精确制导与控制研究所陕西西安710072 上海机电工程研究所上海201109

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的... 详细信息

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。

关键词：武器目标分配多目标拦截态势评估强化学习深度Q网络