復(fù)雜環(huán)境下多機(jī)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(shì)評(píng)估、威脅評(píng)估、單機(jī)多目標(biāo)攻擊決策、多機(jī)協(xié)同多目標(biāo)攻擊空戰(zhàn)決策和機(jī)動(dòng)決策五個(gè)方面對(duì)多機(jī)協(xié)同多目標(biāo)攻擊智能決策的方法展開研究。基于D-S證據(jù)理論與貝葉斯網(wǎng)絡(luò)在態(tài)勢(shì)評(píng)估中的應(yīng)用優(yōu)勢(shì)存在爭(zhēng)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(shì)評(píng)估的模糊D-S證據(jù)理論結(jié)構(gòu)模型。在威脅評(píng)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(shì)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(jià)值的影響；考慮到評(píng)估過程的主觀性和不確定性，從動(dòng)態(tài)的角度提出基于離散模糊動(dòng)態(tài)貝葉斯方法的多機(jī)協(xié)同多目標(biāo)攻擊空戰(zhàn)威脅評(píng)估模型，提出一種新的多機(jī)協(xié)同多目標(biāo)攻擊空戰(zhàn)威脅評(píng)估方法，提高了威脅評(píng)估的準(zhǔn)確性和適應(yīng)性。在對(duì)單機(jī)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(jī)多目標(biāo)攻擊排序問題。在多機(jī)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(shì)指數(shù)，建立了大規(guī)模群機(jī)作戰(zhàn)轉(zhuǎn)化為小規(guī)模集團(tuán)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(jī)協(xié)同多目標(biāo)攻擊空戰(zhàn)決策算法。最后研究了多機(jī)協(xié)同多目標(biāo)攻擊空戰(zhàn)機(jī)動(dòng)決策方法，分別建立了基于多級(jí)影響圖對(duì)策的近距協(xié)同空戰(zhàn)機(jī)動(dòng)決策模型和基于多目標(biāo)多級(jí)影響圖對(duì)策的中遠(yuǎn)距空戰(zhàn)多目標(biāo)攻擊機(jī)動(dòng)決策模型。并針對(duì)多機(jī)協(xié)同空戰(zhàn)是一個(gè)多Agent系統(tǒng)，各戰(zhàn)機(jī)是單個(gè)Agent，并采用影響圖分析多Agent的模型，將復(fù)雜的多機(jī)協(xié)同空戰(zhàn)機(jī)動(dòng)決策問題分解為若干子問題，以期實(shí)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(jī)協(xié)同多目標(biāo)攻擊智能決策方法》作者簡(jiǎn)介