針對聯(lián)合作戰(zhàn)效能評估時存在主觀性和不確定性的問題,結合具體專家經驗和智能算法,提出了基于自適應小波神經網絡的聯(lián)合作戰(zhàn)效能評估算法。針對神經網絡的結構進行優(yōu)化,采取了小波分析理論和變結構算法,同時采用改進的粒子群算法自適應調節(jié)神經網絡的連接權值,解決了傳統(tǒng)粒子群算法和神經網絡易陷入局部極小值、收斂速度慢和抗干擾能力差等問題。最后,通過對相關算法的收斂性對比,以及陸空聯(lián)合作戰(zhàn)案例進行試驗仿真,結果表明提出的算法可應用在陸空聯(lián)合作戰(zhàn)方案評估,為指揮決策者提供了有效的聯(lián)合作戰(zhàn)評估和指揮決策手段。 

【文章來源】：火力與指揮控制. 2020,45(12)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

聯(lián)合作戰(zhàn)效能評估指標體系2改進小波神經網絡評估模型

傳統(tǒng)的神經網絡結構圖

多種算法的誤差收斂曲線

【參考文獻】：
期刊論文
[1]第5代指揮信息系統(tǒng)發(fā)展思考[J]. 丁峰,易侃,毛曉彬,黃松華,張兆晨,周光霞,汪霜玲.  指揮信息系統(tǒng)與技術. 2018(05)
[2]基于深度時空循環(huán)神經網絡的協(xié)同作戰(zhàn)行動識別[J]. 易卓,廖鷹,胡曉峰,杜學繪,朱豐.  系統(tǒng)仿真學報. 2018(03)
[3]基于C-TTAHP方法的指控體系作戰(zhàn)效能評估[J]. 周中良,盧春光,趙彬,潘勃,肖強.  火力與指揮控制. 2018(02)
[4]基于SD的指揮信息系統(tǒng)作戰(zhàn)效能評估模型[J]. 陸夢馳.  火力與指揮控制. 2018(01)
[5]通信電子防御作戰(zhàn)效能的云-BP神經網絡評估方法[J]. 楊米,陳建忠,牛英滔.  通信技術. 2017(04)
[6]聯(lián)合戰(zhàn)術信息系統(tǒng)及其技術發(fā)展[J]. 李云茹.  指揮信息系統(tǒng)與技術. 2017(01)
[7]基于Hopfield網絡的網絡空間防御能力評估[J]. 王勁松,李宗育,徐晏琦.  控制工程. 2017(02)
[8]基于信息系統(tǒng)指揮機構指揮效能評估[J]. 曹濤,王代智,孫禮明,王舒,王雪英.  兵工自動化. 2017(02)
[9]基于改進差分進化算法的RBF神經網絡在股指預測中的應用[J]. 韓穎.  合肥工業(yè)大學學報(自然科學版). 2014(11)
[10]基于回歸正交旋轉設計的聯(lián)合作戰(zhàn)效能優(yōu)化[J]. 張強,張宏軍.  艦船電子工程. 2013(04)



本文編號：3087027