为准确预计飞机内部环境温度，从而提供更精确的输入完善机载设备环境适应性设计和试验验证流程，提出基于麻雀搜索算法的反向传播（sparrow search algorithm-back propagation，SSA-BP）神经网络模型的飞机内部温度预测方法。用卡尔曼滤波对输入的环境变量数据进行处理以减少噪声的影响，在相关性分析和考虑热惯性的影响的基础上构建用于温度预测的BP神经网络，同时使用SSA来对其进行优化。通过平均绝对误差可知SSA-BP模型的预测精度高于随机森林模型和高斯过程回归模型，实际预测结果的最大误差不大于3 ℃，均方根误差平均值为0.297 8 ℃。结果说明SSA-BP模型具备准确预测飞机内部环境温度的能力，可用于飞机停放局部温度预测工作，为确定机载设备环境适应性要求提供参考。
为解决现有民用飞机航材库存配置方法在大规模配置中易陷入局部最优解问题，提出通过可维修备件多级保障库存技术理论建立民用飞机两级航材库存模型。在此基础上，基于改进粒子群优化（particle swarm optimization, PSO）算法进行航材配置优化。该算法基于航材库存模型简化优化目标，并改进粒子群初始投点策略和速度更新函数，克服陷入局部最优解的缺陷。以民用飞机航材配置方案为案例，改进PSO算法配置金额相较于传统的边际分析法减少16.3%，说明所提改进PSO算法可为民用飞机航材配置中的有效性。改进PSO算法可为民机航材配置提供理论参考。
高效的仿真实验设计方法是建立高保真响应面模型的基础，而现有序贯实验设计难以应对维数爆炸的困境且多依赖于单一模型特性，通用性较差。因此，提出一种基于局部近似非线性-点间投影距离(local nonlinear approximations-intersite and projected distance, LOLA-DIST)准则的序贯设计方法，在非线性高且分布密度低的区域自适应采样，较好地平衡了全局探索与局部开发策略，不依赖于响应模型的特性，具有较好的通用性。最后，基于7类函数验证所提方法的有效性。实验结果表明，与LOLA-Voronoi、拉丁超立方抽样设计和随机设计对比，基于LOLA-DIST准则的序贯设计计算效率最高，在保证模型预测精度的基础上，有效减少了样本量和实验次数，具有更好的全局寻优性能。
针对多个卫星对多个空间目标在一定时间区间内的多次观测规划问题，提出一种多种群遗传邻域搜索算法（multi-population genetic neighborhood search algorithm，MPGNSA）。首先，考虑卫星观测能力与空间目标观测需求，以目标的观测频次与观测时间在观测周期内收益最大化为设计方向。其次，分析卫星任务规划的约束条件，建立卫星对于空间目标观测任务规划模型。此外，在整体上采用多种群并行进化的方式，在各种群的进化过程中，建立编码方式与启发式规则，保证基因的高适应度，并引入邻域搜索的思想，提升算法收敛速度。最后，仿真结果表明，MPGNSA在任务规划中能够获得较其他对比算法更高的最终适应度；在相同的计算时间限制下，MPGNSA的适应度高于其他对比算法。MPGNSA在提高任务收益和优化调度效率方面具有明显优势，在有限的计算时间内能够提供更高效的解决方案。
针对传统效能评估时评估结果偏模糊、评估方法适应性差、评估指标难以定性定量等问题，提出基于Vague拓扑融合和改进博弈论的评估方法。该方法在合理构建评价指标体系的基础上，设计主观赋权法的模糊层次分析法与客观赋权法的准则重要性相关法进行改进博弈论的组合赋权，然后提出Vague拓扑融合理论，并建立综合评估模型。实例计算结果表明，该方法能较好地解决效能评估中的难点问题。所提方法可为雷达侦察系统效能评估提供较好的方法指引。
针对多无人艇（unmanned surface vessel, USV）集群协同任务分配及安全路径规划问题，面向USV设计运动转艏约束条件与评价指标，提出基于密度的噪声应用空间聚类（density-based spatial clustering of applications with noise, DBSCAN）的改进分工蚁群任务分配算法。路径规划方面，先应用改进人工势场（artificial potential field, APF）法，后考虑USV操纵约束，通过三次Hermite曲线与USV操纵模型约束其航速与切向量。仿真实验表明，在搜索角约束下，3艘USV能够比较有效地减少转向，预设路径无交叉碰撞；三次Hermite曲线优化后的路径能够避开障碍物，且使USV艏向角变化趋于平缓，满足其运动约束。因此，所提方法能够给出更符合USV操纵特性的分配与规划方案。
针对遂行阵地工事构筑时面临对手全方位、多谱段侦察与综合毁伤威胁，导致暴露征候显著、作战意图易被察觉等问题，提出一种基于动态规划构建数学模型进行伪装方案优化的解决方法。通过多谱伪装网遮障、植被铺设等方案形成的伪装体系，量化评估人力、物力、时间、经费等资源的消耗，构建动态规划模型，在可利用资源有限的约束条件下，经过多阶段决策优化，实现阵地工事伪装可靠度的最大化。对比分析显示，该方法在资源利用效率与伪装效果的平衡上优于传统经验决策。研究结果表明，将动态规划方法应用于阵地工事伪装方案优化，能够有效解决有限资源约束下伪装效能最大化的问题，可为复杂环境下的阵地工事伪装决策提供参考依据。
为保证舰船保持良好的能力水平以完成各项使命任务，构建舰船编队体系效能模型。统筹考虑舰船使用与维修要求，以舰船体系的效能最大为目标，以满足使用要求、舰船维修工期、在航率以及船坞修理能力等为约束条件，系统构建舰船编队的等级修理计划优化模型，通过二进制粒子群优化算法对模型进行求解。结果表明，通过对舰船等级修理计划进行优化可以提升舰船完成特定任务的能力水平。为决策者制定舰船等级修理计划、合理安排舰船行动提供重要参考。
为改善分类器对不平衡数据的分类精度，提出一种基于密度的带噪声的空间聚类方法（density-based spatial clustering of applications with noise，DBSCAN）和条件生成对抗网络（conditional generative adversarial network，CGAN）的过采样方法。首先，采用DBSCAN对正负类样本分别聚类，结合簇标签重构样本集，并结合安全级别识别和剔除噪声样本，提升数据质量。然后，将新的样本集输入CGAN模型进行训练，针对CGAN中训练不稳定和模式崩塌的问题，引入Wasserstein距离和梯度惩罚项作为损失函数，并结合分类问题对Wasserstein距离做了适应性改造，实现高质量少数类样本生成。最后，采用9个通用不平衡数据集和1个模拟电路实测数据集，在3种典型分类器上将所提方法与5个经典过采样方法进行对比实验。结果表明，所提方法在多数数据集上优于其他过采样算法，尤其在类别不平衡度较高时优势更为突出。所提方法为不平衡数据处理提供了新的思路。
针对作战体系效能评估中协同效应难融合、网络特性难体现的问题，提出融合协同效应模型（coordination effect model，CEM）和三维权重耦合（three-dimensional weight coupling，TDWC）的作战体系效能评估方法。构建加权有向作战体系网络模型，结合层次化模糊赋值方法量化节点与连边能力。依据作战要素交互机理，建立6类协同效应模型，提出基于CEM作战链效能评估方法。在此基础上，构建融合时效性、综合中心性和抗毁性的TDWC模型，形成基于CEM-TDWC的作战体系效能评估模型。4种作战场景仿真验证所提方法能更精准反映节点能力、协同效应与网络拓扑的耦合作用，更科学地反映体系作战能力，为作战体系效能评估理论创新提供一种新的研究思路。
针对目前荷电状态（state of charge, SOC）估计方法考虑温度与退化共同影响及其关联耦合关系较少，导致电池性能退化后的模型表征不完善、SOC估计精度不足的问题，提出一种基于退化注入场路耦合模型的锂电池SOC估计方法，以实现全寿命周期下SOC的准确估计。首先建立等效电路模型与多物理场模型耦合的场路耦合模型，刻画温度的影响；进而使用离线参数辨识方法将温度、退化等因素注入等效电路模型参数中；最终建立代理模型提高计算效率，实现在线SOC估计。案例验证结果表明，在锂电池经过长时间运行发生退化后，相比于其他方法，所提方法的估计结果具有更平稳的曲线和更高的精度。
针对异构无人集群杀伤网任务路径生成建模整体统筹不足和评估关联分析薄弱的问题，提出一种基于多层网络与数据包络分析（data envelopment analysis，DEA）的任务路径生成建模与评估方法。一是构建“目标-线程-兵力”3层网络模型，提出融合目标优先级与闭合任务路径转化率，量化任务路径可用性；二是设计约束传播与回溯搜索算法，通过功能、结构、行为关联性约束剪枝，实现闭合任务路径的高效检索；三是基于DEA构建兵力关联性评估模型，揭示功能冗余、行为冗余与结构不足对任务路径生成效率的影响机制。实验验证表明，约束传播与回溯搜索算法较全组合枚举法效率提升显著，DEA为兵力配置优化提供了量化依据。研究成果可为HUS-KW的体系建模与能力提升提供理论支撑。
针对无人机（unmanned aerial vehicle，UAV）多对一追逃博弈问题，以强化学习的深度确定性策略梯度算法（deep deterministic policy gradient, DDPG）为基础，结合追逃问题的微分博弈对抗数值求解结果，提出一种混合经验的DDPG（mixed experienced DDPG，ME-DDPG）算法。在探索学习的策略集中加入博弈对抗数值解，计算出指向性策略，提升UAV追击策略的训练效率，改善UAV追逃博弈问题中由于回合任务过长、回报奖励稀疏、强化学习算法探索不足而导致的算法收敛速度缓慢且容易局部收敛的问题，提高了强化学习算法的学习效率。仿真实验结果表明，使用ME-DDPG算法解决UAV多对一博弈追逃任务时能够快速收敛，任务成功率达到83%。对比实验验证了所提算法相较DDPG算法在收敛性、稳定性以及任务成功率方面的优势。
为提升智能飞行冲突解脱方法的持续有效性，考虑空域环境等因素动态变化的情况，在智能飞行冲突解脱算法中引入持续学习机制。首先基于马尔可夫决策过程对飞行冲突解脱问题建模；再利用深度强化学习方法对模型进行训练，使其能够有效解决飞行冲突；最后引入基于参数隔离和元学习两种持续学习方法，便于模型快速适应新冲突场景。实验结果表明，在引入持续学习方法后，模型在初期的冲突解脱成功率几乎超过70%，最终超过90%，对于初始训练场景的记忆留存程度超过87%，有效避免了灾难性遗忘，提升了模型的持续学习能力。该模型对于保障飞行安全、降低管制员工作负荷、提升空中交通运行效率有重要意义。
在人机协同作战场景下，针对如何通过多通道交互关联隐性知识以优化交互设计问题，提出隐性知识挖掘方法。首先，分析典型人机协同作战任务中的作战流程，结合视觉、语音、手势等多种交互通道，设计协同作战的多通道人机交互系统。其次，以该系统为载体，构建行为认知图模型，对协同作战流程中的关键节点进行关联度分析，并结合眼动追踪数据对操作者的交互行为进行定量分析。最后，引入图论中的物理量对隐性知识进行显性化描述，表明所提方法可有效融合感知信息。所提方法可为多通道交互系统中人机交互模式的优化设计提供有价值的参考。
针对如何选择合适的因果发现方法、计算因果影响强度，并进行精确的根因定位，首先介绍了不同的因果发现方法，并分析其应用于复杂系统的优劣。其次，探讨了因果影响权重的计算方法。再次，对复杂系统的根因定位方法进行了系统概述。接着，归纳了现有研究的应用领域，并列举已有数据集与工具平台。然后，从复杂系统的观测数据处理、因果发现方法设计、根因定位方法设计、根因分析结果评估4个方面提出存在的问题与挑战。最后，从数据处理、因果发现方法、根因定位方法、结果评估与检验4个方面进行展望。本文可为进一步深入探索基于因果发现的复杂系统根因分析提供参考。
针对装备维修器材保障需求确定难、响应时效慢、储存效果差等问题，提出一种基于群模糊层次分析法（group fuzzy analytic hierarchy process，GFAHP）和改进指标相关性的指标权重确定（criteria importance though intercrieria correlation，CRITIC）法的多准则妥协解排序（vlsekriterijumska optimizacija i kompromisno resenje，VIKOR）器材代储工厂决策方法。在构建装备维修器材代储工厂选优指标体系的基础上，结合主客观赋权各自优势，分别利用GFAHP和改进CRITIC对准则层和指标层赋权并组合。再采用VIKOR法对备选代储工厂进行排序以确定最优方案。通过案例分析比较了不同折衷系数、赋权方式、决策方法、选择场景对决策结果的影响。证明了所提方法的合理性和有效性。
单一飞行员驾驶(single-pilot operation，SPO)模式具有领域知识体量庞大、体系复杂、重复使用困难等特点，导致领域知识认知不统一、自适应智能驾驶模式界定模糊等问题。针对这些问题，首先，分析SPO模式协同飞行组织架构并梳理其领域相关知识，基于Protégé构建面向SPO模式的多领域语义网络本体模型。其次，结合SPO模式自适应切换方法推理框架和流程，基于本体和语义网规则语言(semantic web rule language，SWRL)定义本体语义特征规则和数值特征规则，以推理在不同运行场景下的高匹配性自适应驾驶模式。最后，基于指标体系定量评估SPO模式领域本体模型质量。评估结果表明，所设计的SPO模式领域本体模型具有高内聚、低耦合的特性。构建的典型飞行场景案例验证了SPO模式自适应切换逻辑的可行性，以及本体的一致性和自适应切换驾驶模式的正确性。
针对航空装备面临作战任务复杂多样、战场环境动态多变，其状态鉴定、作战试验等通用质量特性评估常常面临数据样本量少、波动大等问题，从偏度和中心极限定理入手，提出通用质量特性参数小偏度数据下最小样本量要求的确定方法。首先，确定一定参数的目标分布，计算该参数下该分布的偏度。其次，取一定的初始样本量，生成该分布的多个随机数，计算其均值。再次，对其均值进行正态性检验，判断在给定样本量下是否通过正态性检验。最后，用试验中装备的平均故障间隔时间进行案例分析，证明了小偏度样本在小于推荐值情况下，计算结果仍具有参考意义。所提方法可为小样本量下航空装备通用质量特性的准确评估提供技术性指导。
舰船装备正向设计需求分析存在系统性、完备性、合理性不足，与实战化需求匹配度不高等问题。根据基于模型的系统工程思想建立基于国防部体系结构框架（Department of Defense Architecture Framework，DoDAF）的舰船实战化需求建模与分析方法。首先，定义舰船实战化需求的概念内涵，围绕舰船实战化需求分析目的，对DoDAF进行适应性剪裁，建立面向舰船实战化需求分析的DoDAF建模方法。然后，构建可拓展的舰船设计领域本体模型，建立以活动为中心的舰船实战化需求映射分解和结构化提取方法。示例分析表明，所提方法补充完善了实际作战场景下的舰船实战化需求，有利于提高舰船设计要求与舰船实战化需求的匹配度。所提方法可为舰船装备正向设计需求分析提供方法论指导，对于从需求设计源头提升舰船装备正向设计水平具有重要意义。
针对Gappy 本征正交分解（proper orthogonal decomposition, POD）方法在有限传感器布局优化中基于条件数准则选点效率低的问题，提出一种相关系数过滤法，以提高选点效率和重构精度。该方法基于全局相关性最大化假设，通过相关系数矩阵筛选最优测点位置，并引入相关程度期望系数和余点数作为关键参数。在一维伯格斯方程和二维方腔顶盖驱动流算例中进行仿真实验，比较不同相关程度期望系数和余点数对Gappy POD重构精度的影响。结果表明，所提方法在保证重构精度的同时减少传感器数量，并在效率和精度上优于条件数准则和遗传算法等传统方法。所提方法在稀疏传感器布局优化中具有较高的应用价值，可为复杂系统流场重构提供高效选点策略。
针对点群、大区域等新型复杂目标的成像需求，为提高卫星资源的利用效率和观测任务的完成收益，研究面向点群与大区域目标的成像卫星任务规划模型与算法。首先，构建统一的决策模型，引入条带延长率作为决策变量解决点群目标合并成像表示的问题；考虑执行时序、电量、固存、转换时间等约束；针对目标特点，分别建立基于条带延长率、网格覆盖率的任务收益模型。然后，设计实现一种结合禁忌策略的自适应波动温控模拟退火算法，通过波动温控和内循环次数更新策略提升全局寻优能力，并引入禁忌策略增强局部搜索能力，提供自适应和高效智能的模型求解手段。仿真实验表明模型与算法能够有效提升规划效果。所提模型与算法适用于面向点群与大区域目标的成像卫星任务规划问题。
针对固定翼灭火机投水时投放高度和投放速度缺乏选取指导的问题，以着水区域的有效覆盖区域面积最大为优化目标，提出一种基于改进禁忌搜索算法的投放条件快速求解方法。首先，应用基于牛顿迭代的最小二乘法处理飞行试验数据，建立着水区域轮廓拟合模型，并进一步依据水体散布规律，根据投放约束参数生成数据集，采用反向传播（back propagation，BP）神经网络拟合补偿系数，建立着水区域厚度分布解算模型，完成投放条件解算问题的数学模型确立。然后，应用初始解生成策略、记忆化搜索策略和邻域解自适应搜索策略改进禁忌搜索算法，并通过低精度解算和高精度解算两个阶段完成投放条件解算。最后，通过仿真实验对所提方法进行验证，该方法不仅具有较高的求解精度，同时还具有较快的求解速度。仿真结果表明，所提算法能够有效解决固定翼灭火机投水时投放高度和投放速度缺乏选取指导的问题。
针对无人艇在应对海上突发事件中蓝方目标入侵问题，提出一种基于对抗进化强化学习算法的追逃框架。为提高追捕效果和泛化性能，红方无人艇与蓝方逃逸目标均采用强化学习方法来增加策略的多样性，通过双方的迭代对抗进化使追捕团队性能提高。对于追捕团体，考虑到任务执行过程中可能会出现个体损毁或油量耗尽等情况，采用多智能体毁后信用分配算法，并引入残差连接嵌入式长短时记忆网络以改进策略网络，同时利用岛礁等障碍物辅助提高无人艇围捕效率。仿真结果表明，对抗进化迭代训练框架能有效实现追逃双方的共同进步，且改进强化学习算法的稳定性和收敛效果相对较强。本文方法在应对多无人艇追捕问题时，具备更高的智能性与更强的灵活性，围捕效果显著提升。
针对现代战争中无人机（unmanned aerial vehicle，UAV）集群在多元威胁环境下的航迹规划及平台安全问题，提出UAV集群隐身航迹规划算法。首先，建立多元威胁环境模型。然后，结合UAV雷达散射截面设计考虑UAV航程、组网雷达探测概率、高射炮威胁概率的集群隐身航迹规划综合代价函数。在此基础上，以最小化UAV集群综合代价函数为优化目标，以满足航迹可行性判定及UAV集群动力学限制为约束条件，构建多元威胁环境下UAV集群隐身航迹规划优化模型。最后，采用改进A*算法对上述优化模型进行求解。仿真结果表明，与现有算法相比所提算法能够在保证各UAV航迹可行性及其动力学性能约束的条件下，有效降低UAV集群综合代价。所提算法能够达到提升集群航迹隐身性能的目的。
为准确描述舰船装备保障体系结构特征并分析其功能与抗毁性，构建基于维修网络和储供网络的相依网络模型。结合舰船维修保障需求，归纳出6种典型的保障样式，并采用任务连通子图描述每种保障样式在相依网络中的结构特征。在此基础上，提出基于混合分配策略的级联失效模型与考虑节点承载保障任务重要性差异的节点重要度评估指标，并提出将剩余任务连通子图比例作为网络抗毁性的评估指标。仿真结果表明，任务重要度指标能准确识别网络中的重要节点。与传统抗毁性指标相比，剩余任务连通子图比例对因节点失效导致的舰船装备保障体系抗毁性变化敏感度更高。
针对无人机（unmanned aerial vehicle，UAV）超视距空战机动决策复杂度高、时效性强的问题，提出基于深度强化学习的分层决策算法。首先，根据超视距空战的战术特点，对UAV的态势判断、状态转移、胜负判定等过程进行建模，搭建空战仿真环境。其次，对深度强化学习网络模型进行构建，引入分层决策机制，使用蚁群算法作为目标网络Q值估计的启发式因子。仿真验证表明，所提算法可以使UAV根据态势变化及时采取机动策略，且策略输出和机动指令输出较为稳定，决策效率较高。所提算法可在拓宽UAV战术样式的基础上降低网络的学习难度，提升决策质量。
针对乘法合成法、加法合成法等赋权方法存在的主客观片面化、权重赋值关联性大、主观咨询约束缺乏等问题，提出一种主观咨询约束下主客观一体化赋权优化方法。分析主观约束类型与约束形态内涵，建立调节因子主观咨询约束模型，基于主成分分析（principal component analysis，PCA）法、逼近理想解排序法（technique for order preference by similarity to ideal solution，TOPSIS）、遗传算法（genetic algorithm，GA）等思想，设计调节因子种群适应度。相较于乘法合成法和加法合成法，所提方法计算的指标权重冗余度最大降低29.1%，准确度最大提高66.6%。所提方法赋权结果更好，同时具有更高的扩展性。
针对空地导弹打击装甲类目标时导引头方案优选问题，提出离差最大化准则下的多目标多属性最优组合赋权和云模型的多模复合导引头方案评估和优选方法。通过分析导弹总体对导引头的使用需求，构建多模复合导引头方案评估指标层次模型；运用离差最大化的方法对3种评价方法所得权重系数进行最优组合；利用浮动云算法和最优权重得到综合评价云，结合建立的基准评价云图，得到方案评估和优选结果。4种复合导引头方案优选结果表明，所提方法能够对方案进行量化评估。所提方法为导引头方案评估和优选提供依据。
针对航空保障活动机务人员行为评价中的认知不确定性量化问题，以不确定理论为基础，建立机务人员行为不确定性评价框架，明确感知类、决策类、执行类行为的评价模型。基于航空保障活动人机交互的特点，提出基于不确定随机Bow-tie模型的场景解构方法及其不确定性传播计算方法。作战飞机武器挂装过程的事故分析结果表明增加内埋武器舱门保险装置、安排机务人员在舱外观察可降低灾难性事故发生概率。所提方法在航空保障人因风险评估具备有效性。
