基于影响图的UCAV编队对地攻击战术决策研究

Journal of Systems Engineering and Electronics ›› 2009, Vol. 31 ›› Issue (1): 130-133.

基于影响图的UCAV编队对地攻击战术决策研究

史志富¹, 刘海燕¹, 张安², 刘新学¹

1. 第二炮兵工程学院, 陕西, 西安, 710025;
2. 西北工业大学电子信息学院, 陕西, 西安, 710072

收稿日期:2007-08-24 修回日期:2007-09-21 出版日期:2009-01-20 发布日期:2010-01-03
作者简介:史志富(1979- ),男,博士,讲师,主要研究方向为复杂系统建模,仿真与效能评估,贝叶斯网络,先进控制理论及其应用.E-mail:zhifu_shi@yahoo.com.cn

Research on tactical decision-making of UCAV teams air-to-ground attack based on influence diagrams

SHI Zhi-fu¹, LIU Hai-yan¹, ZHANG An², LIU Xin-xue¹

1. Second Artillery Engineering Coll., Xi’an 710025, China;
2. School of Electronic & Information, Northwestern Polytechnical Univ., Xi’an 710072, China

Received:2007-08-24 Revised:2007-09-21 Online:2009-01-20 Published:2010-01-03

摘要/Abstract

摘要： 随着武器的高科技化、战场环境的复杂化、战斗节奏的加快,智能化的战术决策系统在现代战争中占有越来越重要的地位。基于影响图易于进行不确定性推理的优点,提出应用影响图来建立UCAV编队对地攻击智能战术决策系统。建立了UCAV编队对地攻击战术决策的影响图模型,并且对该模型进行了仿真分析。仿真结果表明,基于影响图的战术决策模型能够提高决策的准确度和智能化,而且推理简单,易于实现。

Abstract: Tactics decision-making system of air-to-ground attack is important in modern combat along with high-tech of weapon,complexity of battlefield and quicken of combat rhythm.The unmanned combat airplane vehicle(UCAV) teams tactics decision-making based on infiuence diag rams with their advantages of dealing with uncertainty inference is built.The method is tested with a given condition.The simulation results show that the proposed system can improve the decision-making accurate and intelligent and the algorithm is simple,perspicuity and apt to realize.

中图分类号:

TP181

史志富, 刘海燕, 张安, 刘新学. 基于影响图的UCAV编队对地攻击战术决策研究[J]. Journal of Systems Engineering and Electronics, 2009, 31(1): 130-133.

SHI Zhi-fu, LIU Hai-yan, ZHANG An, LIU Xin-xue. Research on tactical decision-making of UCAV teams air-to-ground attack based on influence diagrams[J]. Journal of Systems Engineering and Electronics, 2009, 31(1): 130-133.

[1]	张俊, 张新禹, 姜卫东, 刘永祥, 黎湘. 基于广义近似消息传递的快速DOA估计方法[J]. 系统工程与电子技术, 2022, 44(10): 2995-3002.
[2]	万齐天, 卢宝刚, 赵雅心, 温求遒. 基于深度强化学习的驾驶仪参数快速整定方法[J]. 系统工程与电子技术, 2022, 44(10): 3190-3199.
[3]	何立, 沈亮, 李辉, 王壮, 唐文泉. 强化学习中的策略重用: 研究进展[J]. 系统工程与电子技术, 2022, 44(3): 884-899.
[4]	程恺, 陈刚, 余晓晗, 刘满, 邵天浩. 知识牵引与数据驱动的兵棋AI设计及关键技术[J]. 系统工程与电子技术, 2021, 43(10): 2911-2917.
[5]	赖德迪, 罗智徽, 马应龙. 基于共现分析的分类器链标签序列优化方法[J]. 系统工程与电子技术, 2021, 43(9): 2526-2534.
[6]	吴子龙, 陈红, 雷迎科. 改进DenseNet在电台建链行为识别时的可视化研究[J]. 系统工程与电子技术, 2021, 43(5): 1371-1381.
[7]	施伟, 黄红蓝, 冯旸赫, 刘忠. 面向多类别分类问题的子抽样主动学习方法[J]. 系统工程与电子技术, 2021, 43(3): 700-708.
[8]	李琛, 黄炎焱, 张永亮, 陈天德. Actor-Critic框架下的多智能体决策方法及其在兵棋上的应用[J]. 系统工程与电子技术, 2021, 43(3): 755-762.
[9]	马文, 李辉, 王壮, 黄志勇, 吴昭欣, 陈希亮. 基于深度随机博弈的近距空战机动决策[J]. 系统工程与电子技术, 2021, 43(2): 443-451.
[10]	白静, 陈业华, 石蕊, 张亚明. 基于概率语言赋权交叉熵信度分配的应急决策[J]. 系统工程与电子技术, 2021, 43(2): 476-486.
[11]	吴子龙, 陈红, 雷迎科, 李昕, 熊颢. 基于堆栈式LSTM网络的通信辐射源个体识别[J]. 系统工程与电子技术, 2020, 42(12): 2915-2923.
[12]	邵天浩, 张宏军, 程恺, 戴成友, 余晓晗, 张可. 层次任务网络中的重新规划研究综述[J]. 系统工程与电子技术, 2020, 42(12): 2833-2846.
[13]	王泊涵, 吴超, 柯文俊, 郑恺之, 付修锋, 江山. 基于概率图的作战任务智能规划方法[J]. 系统工程与电子技术, 2020, 42(12): 2795-2801.
[14]	闫实, 贺静, 王跃东, 孙自强, 梁彦. 基于强化学习的多机协同传感器管理[J]. 系统工程与电子技术, 2020, 42(8): 1726-1733.
[15]	李岩, 陈云翔, 罗承昆, 蔡忠义. 基于概率犹豫-直觉模糊熵和证据推理的多属性决策方法[J]. 系统工程与电子技术, 2020, 42(5): 1116-1123.