復(fù)雜環(huán)境下多機協(xié)同多目標(biāo)攻擊智能決策方法

　　本書以人工智能技術(shù)為工具，主要從態(tài)勢評估、威脅評估、單機多目標(biāo)攻擊決策、多機協(xié)同多目標(biāo)攻擊空戰(zhàn)決策和機動決策五個方面對多機協(xié)同多目標(biāo)攻擊智能決策的方法展開研究?；贒-S證據(jù)理論與貝葉斯網(wǎng)絡(luò)在態(tài)勢評估中的應(yīng)用優(yōu)勢存在爭論，分析了模糊理論和D-S證據(jù)理論結(jié)合的理論基礎(chǔ)，建立了態(tài)勢評估的模糊D-S證據(jù)理論結(jié)構(gòu)模型。在威脅評估方法的研究中，從超視距空戰(zhàn)的角度出發(fā)構(gòu)造空戰(zhàn)優(yōu)勢函數(shù)，主要威脅因素增加了威脅行為事件和目標(biāo)戰(zhàn)役價值的影響；考慮到評估過程的主觀性和不確定性，從動態(tài)的角度提出基于離散模糊動態(tài)貝葉斯方法的多機協(xié)同多目標(biāo)攻擊空戰(zhàn)威脅評估模型，提出一種新的多機協(xié)同多目標(biāo)攻擊空戰(zhàn)威脅評估方法，提高了威脅評估的準(zhǔn)確性和適應(yīng)性。在對單機多目標(biāo)攻擊決策方法研究中，利用模糊多屬性決策的方法，研究超視距空戰(zhàn)條件下的單機多目標(biāo)攻擊排序問題。在多機協(xié)同多目標(biāo)攻擊決策方法研究中，研究了協(xié)同優(yōu)先權(quán)模型，考慮了空戰(zhàn)效能優(yōu)勢指數(shù)，建立了大規(guī)模群機作戰(zhàn)轉(zhuǎn)化為小規(guī)模集團作戰(zhàn)的分組決策模型，提出了基于LSRBF-SOFM組合神經(jīng)網(wǎng)絡(luò)的多機協(xié)同多目標(biāo)攻擊空戰(zhàn)決策算法。最后研究了多機協(xié)同多目標(biāo)攻擊空戰(zhàn)機動決策方法，分別建立了基于多級影響圖對策的近距協(xié)同空戰(zhàn)機動決策模型和基于多目標(biāo)多級影響圖對策的中遠距空戰(zhàn)多目標(biāo)攻擊機動決策模型。并針對多機協(xié)同空戰(zhàn)是一個多Agent系統(tǒng)，各戰(zhàn)機是單個Agent，并采用影響圖分析多Agent的模型，將復(fù)雜的多機協(xié)同空戰(zhàn)機動決策問題分解為若干子問題，以期實現(xiàn)在不確定空戰(zhàn)環(huán)境下做出結(jié)果最佳的決策。

暫缺《復(fù)雜環(huán)境下多機協(xié)同多目標(biāo)攻擊智能決策方法》作者簡介