孫永芹

多機協同多目標攻擊空戰決策是一個隨機、非線性、不確定過程，利用人工智能技術將決策問題進行智能化設計，並以貝葉斯網絡、神經網絡等為實現基礎，以對付日趨嚴峻的不確定性和複雜性戰場環境，是多機協同多目標攻擊空戰決策系統發展的必由之路。本書以人工智能技術為工具，主要從態勢評估、威脅評估、單機多目標攻擊決策、多機協同多目標攻擊空戰決策和機動決策五個方面對多機協同多目標攻擊智能決策的方法展開研究。 在態勢評估方法研究中，在分析了模糊理論與動態貝葉斯網絡結合的理論基礎，以及模糊理論實現態勢評估事件檢測和分群技術的基礎上，提出採用離散模糊動態貝葉斯網絡實現多機協同多目標攻擊空戰態勢評估的方法。基於D-S證據理論與貝葉斯網絡在態勢評估中的應用優勢存在爭論，分析了模糊理論和D-S證據理論結合的理論基礎，建立了態勢評估的模糊D-S證據理論結構模型。在威脅評估方法的研究中，從超視距空戰的角度出發構造空戰優勢函數，主要威脅因素增加了威脅行為事件和目標戰役價值的影響；考慮到評估過程的主觀性和不確定性，從動態的角度提出基於離散模糊動態貝葉斯方法的多機協同多目標攻擊空戰威脅評估模型，提出一種新的多機協同多目標攻擊空戰威脅評估方法，提高了威脅評估的準確性和適應性。在對單機多目標攻擊決策方法研究中，利用模糊多屬性決策的方法，研究超視距空戰條件下的單機多目標攻擊排序問題。在多機協同多目標攻擊決策方法研究中，研究了協同優先權模型，考慮了空戰效能優勢指數，建立了大規模群機作戰轉化為小規模集團作戰的分組決策模型，提出了基於LSRBF-SOFM組合神經網絡的多機協同多目標攻擊空戰決策算法。最後研究了多機協同多目標攻擊空戰機動決策方法，分別建立了基於多級影響圖對策的近距協同空戰機動決策模型和基於多目標多級影響圖對策的中遠距空戰多目標攻擊機動決策模型。並針對多機協同空戰是一個多Agent系統，各戰機是單個Agent，並採用影響圖分析多Agent的模型，將複雜的多機協同空戰機動決策問題分解為若干子問題，以期實現在不確定空戰環境下做出結果最佳的決策。 本書的使用對象主要是：從事人工智能技術研究應用、決策系統研究的人員以及院校有關專業的師生。

本書詳細介紹了反潛巡邏機協同搜潛智能決策方法，給出了聲速梯度和海洋噪聲環境的影響，並建立了潛艇的位置散佈模型和運動模型，設計了雙/多反潛巡邏機協同搜潛總體方案，重點介紹了雲貝葉斯網絡方法及其在反潛巡邏機自主模式協同搜潛目標態勢評估中的應用，以及貝葉斯粗糙集、模糊測度和模糊積分在反潛巡邏機協同搜潛智能決策中的應用。 本書可以作為院校相關專業的教材，也可以為從事人工智能技術研究應用、決策系統研究的人員提供參考。