亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)的聯(lián)合作戰(zhàn)效能評(píng)估

        2021-01-22 09:17:20周滇蘇楊宗民張獻(xiàn)鵬張玲玲
        火力與指揮控制 2020年12期
        關(guān)鍵詞:模型

        王 琳,周滇蘇,楊宗民,張獻(xiàn)鵬,張玲玲

        (1.解放軍32180 部隊(duì),北京 100072;2.北京計(jì)算機(jī)技術(shù)及應(yīng)用研究所,北京 100854)

        0 引言

        針對(duì)外敵攻擊潛伏性強(qiáng)、突發(fā)性強(qiáng)、作戰(zhàn)節(jié)奏快、作戰(zhàn)范圍廣等特點(diǎn),信息化指揮控制成為形成體系作戰(zhàn)能力的必然選擇,尤其是多軍種一體化聯(lián)合作戰(zhàn)[1-2]。聯(lián)合作戰(zhàn)作為一種多主體協(xié)同的復(fù)雜行為,存在諸多挑戰(zhàn)。一是特征空間龐大,作戰(zhàn)單元數(shù)量多、覆蓋范圍廣、屬性特征維度大;二是作戰(zhàn)單元數(shù)量及聯(lián)合作戰(zhàn)關(guān)系動(dòng)態(tài)變化,導(dǎo)致作戰(zhàn)單元數(shù)量和協(xié)同關(guān)系動(dòng)態(tài)變化;三是作戰(zhàn)單元的自主性及作戰(zhàn)任務(wù)分配的不確定性,同一協(xié)同作戰(zhàn)任務(wù)由N個(gè)作戰(zhàn)單元進(jìn)行完成時(shí),有可能會(huì)出現(xiàn)N!種不同的分配情況,而且同一任務(wù)由不同作戰(zhàn)單元進(jìn)行執(zhí)行時(shí)情況也存在一定的差異。

        鑒于聯(lián)合作戰(zhàn)通常具有復(fù)雜的高層時(shí)空特征,如何選擇有效的聯(lián)合作戰(zhàn)方案和策略,需要建立有效的評(píng)估機(jī)制,設(shè)計(jì)精確有效的評(píng)估模型成為常用的解決方式。建立對(duì)應(yīng)的評(píng)估模型,首先要確定對(duì)應(yīng)的指標(biāo)體系。根據(jù)相應(yīng)的規(guī)則、層次,建立由多個(gè)相互關(guān)聯(lián)、彼此聯(lián)系的評(píng)價(jià)指標(biāo)所構(gòu)成的整體[3]即為指標(biāo)體系。通過(guò)建立指標(biāo)體系,不僅完成了專家知識(shí)的表達(dá),同時(shí)也讓專家、評(píng)價(jià)對(duì)象和評(píng)估方法這些原本互不相關(guān)的對(duì)象,能夠產(chǎn)生聯(lián)系,互相影響。然而,如何充分理解指標(biāo)體系對(duì)作戰(zhàn)能力的影響、各指標(biāo)的意義和相互的關(guān)系,還應(yīng)當(dāng)建立科學(xué)、合理的評(píng)估體系和數(shù)學(xué)模型[4]。

        由于聯(lián)合作戰(zhàn)效能評(píng)估系統(tǒng)復(fù)雜,影響因素多,傳統(tǒng)的線性模型難以達(dá)到該效果,通常采用神經(jīng)網(wǎng)絡(luò)、小波分析、粒子群、云理論等自適應(yīng)算法[5]。文獻(xiàn)[6]提出應(yīng)用在協(xié)同作戰(zhàn)行動(dòng)識(shí)別的深度時(shí)空循環(huán)神經(jīng)網(wǎng)絡(luò),利用時(shí)空?qǐng)D設(shè)計(jì)層次循環(huán)神經(jīng)網(wǎng)絡(luò)模型,對(duì)局部戰(zhàn)場(chǎng)協(xié)同作戰(zhàn)行動(dòng)進(jìn)行識(shí)別,同時(shí)結(jié)合局部戰(zhàn)場(chǎng)協(xié)同關(guān)系傳遞性,實(shí)現(xiàn)整個(gè)戰(zhàn)場(chǎng)的協(xié)同行動(dòng)識(shí)別。文獻(xiàn)[7]中非理想條件下具體的被動(dòng)和主動(dòng)調(diào)整方案的確立,通過(guò)改進(jìn)的回歸正交旋轉(zhuǎn)算法得出聯(lián)合作戰(zhàn)評(píng)估模型,同時(shí)采用模型優(yōu)化的方法得出理想狀況下的協(xié)同作戰(zhàn)方案,進(jìn)而確立。文獻(xiàn)[8]中指標(biāo)權(quán)重的確立采用了AHP 法,通過(guò)基于Hopfield 神經(jīng)網(wǎng)絡(luò)的評(píng)估模型的建立,完成對(duì)網(wǎng)絡(luò)空間信息防御能力直觀、快速、精確的評(píng)估。文獻(xiàn)[9]中針對(duì)系統(tǒng)不確定信息采用云模型分析方法進(jìn)行優(yōu)化處理,同時(shí)利用改進(jìn)的BP 神經(jīng)網(wǎng)絡(luò)對(duì)系統(tǒng)非線性進(jìn)行自調(diào)整,提出了一種基于“云+改進(jìn)BP神經(jīng)網(wǎng)絡(luò)”的聯(lián)合作戰(zhàn)效能評(píng)估模型。

        結(jié)合上述文獻(xiàn),更多研究是大背景、大環(huán)境下的作戰(zhàn)效能評(píng)估,缺少在某些小型作戰(zhàn)場(chǎng)景和任務(wù)的針對(duì)性分析和研究[10]。由于聯(lián)合作戰(zhàn)效能評(píng)估模型具有復(fù)雜非線性,對(duì)應(yīng)的模型輸入多是借助經(jīng)驗(yàn),對(duì)系統(tǒng)作戰(zhàn)能力的影響更是不清楚,采用優(yōu)化的神經(jīng)網(wǎng)絡(luò)建模已經(jīng)成為學(xué)者們的研究手段。本文針對(duì)陸空聯(lián)合作戰(zhàn)場(chǎng)景,構(gòu)建精確的聯(lián)合作戰(zhàn)效能評(píng)估模型。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu),通常采用變結(jié)構(gòu)算法和小波分析,對(duì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行自適應(yīng)調(diào)整,并對(duì)神經(jīng)網(wǎng)絡(luò)權(quán)值和伸縮量的調(diào)整采取粒子群等算法,提高系統(tǒng)的收斂速度,進(jìn)一步提高建立的模型對(duì)復(fù)雜系統(tǒng)的自適應(yīng)和自學(xué)習(xí)能力。

        1 作戰(zhàn)效能評(píng)估指標(biāo)體系

        聯(lián)合作戰(zhàn)效能評(píng)估指標(biāo)是聯(lián)合作戰(zhàn)方案的有力支撐,評(píng)估指標(biāo)體系在建立時(shí),不僅要考慮與武器的戰(zhàn)術(shù)技術(shù)指標(biāo)緊密聯(lián)系的客觀因素,還要考慮與聯(lián)合作戰(zhàn)指揮決策能力有關(guān)的主觀因素。

        考慮聯(lián)合作戰(zhàn)的作戰(zhàn)單元數(shù)量、覆蓋范圍、空間維度,以及作戰(zhàn)單元間的動(dòng)態(tài)變化關(guān)系和任務(wù)分配的不確定性,創(chuàng)建聯(lián)合作戰(zhàn)效能評(píng)估指標(biāo)體系,并對(duì)評(píng)估指標(biāo)進(jìn)行適當(dāng)?shù)恼{(diào)整。各評(píng)估指標(biāo)之間必須相互協(xié)調(diào),具備科學(xué)性、完整性、獨(dú)立性、層次性和可測(cè)性等原則。

        圖1 為評(píng)估指標(biāo)體系構(gòu)建方法示意圖。

        圖1 評(píng)估指標(biāo)體系構(gòu)建方法

        1)聯(lián)合作戰(zhàn)任務(wù)分析:根據(jù)聯(lián)合作戰(zhàn)的任務(wù)需求,對(duì)聯(lián)合作戰(zhàn)的作戰(zhàn)任務(wù)進(jìn)行分析,根據(jù)作戰(zhàn)單元、裝備武器、兵力編成、作戰(zhàn)環(huán)境等,提出聯(lián)合作戰(zhàn)過(guò)程中所需解決的作戰(zhàn)關(guān)鍵問(wèn)題。

        2)聯(lián)合作戰(zhàn)關(guān)鍵問(wèn)題分解:按照聯(lián)合作戰(zhàn)的各作戰(zhàn)條件和作戰(zhàn)時(shí)序?qū)ψ鲬?zhàn)任務(wù)進(jìn)行分解,形成二級(jí)評(píng)估指標(biāo)。

        3)下層目標(biāo)問(wèn)題分級(jí):將各關(guān)鍵問(wèn)題繼續(xù)向下分解為目標(biāo)問(wèn)題,使其更加貼近聯(lián)合作戰(zhàn)過(guò)程中的各作戰(zhàn)單元的作戰(zhàn)任務(wù),并逐步確定相關(guān)的數(shù)據(jù)類型。

        4)確定聯(lián)合作戰(zhàn)效能評(píng)估指標(biāo)體系:當(dāng)各項(xiàng)目標(biāo)問(wèn)題分解完畢后,每項(xiàng)目標(biāo)問(wèn)題都已不可再分,則每個(gè)目標(biāo)問(wèn)題都對(duì)應(yīng)一個(gè)評(píng)估指標(biāo)節(jié)點(diǎn),從而完成聯(lián)合作戰(zhàn)效能評(píng)估指標(biāo)體系的構(gòu)建。

        由于聯(lián)合作戰(zhàn)是一種多主體協(xié)同的復(fù)雜行為,為簡(jiǎn)化陸空聯(lián)合作戰(zhàn)綜合效能評(píng)估的復(fù)雜度,本文僅考慮三級(jí)評(píng)估指標(biāo)體系。

        圖2 是根據(jù)以上構(gòu)建的一組聯(lián)合作戰(zhàn)效能評(píng)估指標(biāo)體系圖。

        圖2 聯(lián)合作戰(zhàn)效能評(píng)估指標(biāo)體系

        2 改進(jìn)小波神經(jīng)網(wǎng)絡(luò)評(píng)估模型

        2.1 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)

        結(jié)合神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)特點(diǎn)和機(jī)制,可以知道,神經(jīng)網(wǎng)絡(luò)可以簡(jiǎn)化為3 層架構(gòu),分別為輸入層、輸出層和隱含層。如圖3 所示,對(duì)應(yīng)輸入層和輸出層分別有m 個(gè)和n 個(gè)節(jié)點(diǎn),可進(jìn)行多輸入多輸出復(fù)雜系統(tǒng)的模擬。

        1)輸入層

        圖3 傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

        2.2 小波神經(jīng)網(wǎng)絡(luò)算法

        疊加小波作為自適應(yīng)小波的線性組合[11],已廣泛推廣應(yīng)用在工程實(shí)踐中,其中最重要的是通過(guò)所選取的小波基進(jìn)行線性疊加來(lái)擬合信號(hào)函數(shù)f(t),對(duì)應(yīng)的小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如下

        式中,wk,ak和bk分別為權(quán)值、小波基的伸縮和平移系數(shù),k 為小波基的個(gè)數(shù)。通過(guò)調(diào)整尺度參數(shù)、平移參數(shù)和連接權(quán)值wk,結(jié)合隱含層與輸出層之間的權(quán)值,完成動(dòng)態(tài)調(diào)整整個(gè)自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)。傳統(tǒng)徑向基網(wǎng)絡(luò)主要依靠主觀經(jīng)驗(yàn)對(duì)激勵(lì)函數(shù)的中心參數(shù)和寬度參數(shù)進(jìn)行設(shè)置,而自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)可以有效利用時(shí)頻局部特性對(duì)尺度和位移參數(shù)進(jìn)行調(diào)整[12]。

        2.3 變結(jié)構(gòu)小波神經(jīng)網(wǎng)絡(luò)算法

        由于聯(lián)合作戰(zhàn)效能評(píng)估是復(fù)雜、動(dòng)態(tài)的控制過(guò)程,具有時(shí)變、耦合和非線性等特點(diǎn),而神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)固定,這就導(dǎo)致神經(jīng)網(wǎng)絡(luò)控制效果受到很大的挑戰(zhàn)。動(dòng)態(tài)結(jié)構(gòu)優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)可以根據(jù)信息處理需求,實(shí)時(shí)調(diào)整網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),從而提高神經(jīng)網(wǎng)絡(luò)近似性能,這樣就避免了神經(jīng)網(wǎng)絡(luò)“維數(shù)災(zāi)”和收斂速度慢等問(wèn)題的發(fā)生。本文主要是在保證動(dòng)態(tài)系統(tǒng)辨識(shí)精度的前提下,動(dòng)態(tài)調(diào)整隱含層神經(jīng)元的數(shù)目,從而減小網(wǎng)絡(luò)計(jì)算復(fù)雜度[13-14]。此處,定義輸入變量和當(dāng)前的隱含神經(jīng)元之間Mahalanobis 距離如下:

        2.4 參數(shù)自學(xué)習(xí)

        由于網(wǎng)絡(luò)的收斂速度受神經(jīng)網(wǎng)絡(luò)的參數(shù)影響較大,參數(shù)通常使用自適應(yīng)學(xué)習(xí)算法進(jìn)行優(yōu)化,特別是粒子群算法(Particular Swarm Optimization,PSO)在工程應(yīng)用中表現(xiàn)出比較優(yōu)越的性能。模糊小波神經(jīng)網(wǎng)絡(luò)中的參數(shù)采用改進(jìn)PSO 算法進(jìn)行調(diào)節(jié),使得群體中粒子相互競(jìng)爭(zhēng)和合作實(shí)現(xiàn)全局智能尋優(yōu)的算法[15]。通過(guò)對(duì)PSO 算法采取結(jié)構(gòu)優(yōu)化改進(jìn)以免神經(jīng)網(wǎng)絡(luò)陷入局部最優(yōu),同時(shí)提高系統(tǒng)的收斂速度和準(zhǔn)確性,本文提出了兩種新穎的收斂和分散運(yùn)算機(jī)制。

        2.4.1 粒子群算法

        式中,P1和P2分別是慣量權(quán)值的初始和最終值,Q1k和Q2k分別是學(xué)習(xí)因子Q1和Q2的初始值,Q1f和Q2f分別是學(xué)習(xí)因子Q1和Q2的最終值,t 是當(dāng)前的迭代次數(shù),max_iter 是系統(tǒng)能接受的最大迭代次數(shù)[17]。

        2.4.2 收斂運(yùn)算機(jī)制

        2.5 變結(jié)構(gòu)自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)算法

        本文結(jié)合聯(lián)合作戰(zhàn)效能評(píng)估的特點(diǎn),通過(guò)對(duì)實(shí)際系統(tǒng)試驗(yàn)結(jié)果進(jìn)行分析,選取的Morlet 小波函數(shù)如下

        對(duì)應(yīng)的小波神經(jīng)網(wǎng)絡(luò)的輸出如下

        3 仿真試驗(yàn)

        3.1 指標(biāo)分析

        為了簡(jiǎn)化建模和處理,將定型末級(jí)指標(biāo)量化處理,處理中將指標(biāo)分為5 個(gè)評(píng)估等級(jí),其中強(qiáng)為[0.8,1],較強(qiáng)為[0.6,0.8],一般為[0.4,0.6],較弱為[0.2,0.4],弱為[0,0.2]。

        對(duì)于中間節(jié)點(diǎn),考慮到指標(biāo)的復(fù)雜性、關(guān)聯(lián)性,結(jié)合專家的意見,形成中間節(jié)點(diǎn)指標(biāo)、根節(jié)點(diǎn)的評(píng)估等級(jí)信息,如表1 所示。

        表1 一級(jí)、二級(jí)指標(biāo)等級(jí)分類

        3.2 數(shù)據(jù)預(yù)處理

        將各末級(jí)指標(biāo)定量化處理后,進(jìn)行數(shù)據(jù)的歸一化處理,對(duì)應(yīng)的公式如下:

        表2 三級(jí)指標(biāo)等級(jí)分類

        從表中可以知道,戰(zhàn)術(shù)運(yùn)用程度指標(biāo)為{0.6,0.9,0.7,0.7,0.5}。神經(jīng)網(wǎng)絡(luò)輸入端通過(guò)采取三級(jí)指標(biāo)值作為輸入向量,經(jīng)過(guò)自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,可得到各個(gè)二級(jí)指標(biāo)的評(píng)估等級(jí)及其隸屬度,如表3 所示。

        表3 二級(jí)指標(biāo)的驗(yàn)證值

        3.3 神經(jīng)網(wǎng)絡(luò)的確定

        基于自適應(yīng)小波網(wǎng)絡(luò)進(jìn)行聯(lián)合作戰(zhàn)效能評(píng)估時(shí),針對(duì)建立的評(píng)估指標(biāo)體系,以歸一化的末級(jí)指標(biāo)評(píng)估值作為輸入層,以中間節(jié)點(diǎn)的評(píng)估結(jié)果作為中間層,以根節(jié)點(diǎn)的評(píng)估結(jié)果作為輸出層。由于根節(jié)點(diǎn)的評(píng)估等級(jí)為:好、一般、較差,所以該小波神經(jīng)網(wǎng)絡(luò)的輸出為3 個(gè)[0,1]之間的數(shù),即為根節(jié)點(diǎn)指標(biāo)屬于不同評(píng)估等級(jí)的隸屬度。

        將經(jīng)過(guò)預(yù)處理的末級(jí)指標(biāo)評(píng)估結(jié)果作為輸入層,應(yīng)用訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò),即可得到上層指標(biāo)隸屬于各評(píng)估等級(jí)的隸屬度。

        3.4 訓(xùn)練過(guò)程

        將50 組(數(shù)據(jù)量?。┙?jīng)過(guò)預(yù)處理的末級(jí)指標(biāo)的評(píng)估結(jié)果、對(duì)應(yīng)根節(jié)點(diǎn)的評(píng)估等級(jí)作為訓(xùn)練數(shù)據(jù),開始自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,訓(xùn)練過(guò)程中設(shè)置最大迭代次數(shù)為1 000 次,最小誤差設(shè)置為0.001,并采用Morlet 小波基函數(shù)。

        3.5 算法驗(yàn)證

        圖4 多種算法的誤差收斂曲線

        4 結(jié)論

        如今信息技術(shù)高速發(fā)展,戰(zhàn)爭(zhēng)不確定性因素不斷增加。針對(duì)部隊(duì)對(duì)抗關(guān)系復(fù)雜、作戰(zhàn)時(shí)效性強(qiáng)等特點(diǎn),建立了基于自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)的聯(lián)合作戰(zhàn)效能評(píng)估模型。對(duì)神經(jīng)網(wǎng)絡(luò)參數(shù)的自適應(yīng)調(diào)節(jié)采取改進(jìn)的粒子群算法,結(jié)合小波分析對(duì)神經(jīng)網(wǎng)絡(luò)的隱含層結(jié)構(gòu)進(jìn)行優(yōu)化。同時(shí),通過(guò)具體收斂性對(duì)比,以及具體評(píng)估能力對(duì)比,試驗(yàn)結(jié)果表明提出的算法對(duì)提高協(xié)同作戰(zhàn)評(píng)估的準(zhǔn)確性、公正性和可操作性有顯著作用。此外,對(duì)于指揮決策者提高協(xié)同作戰(zhàn)評(píng)估和作戰(zhàn)決策,該模型提供了有效途徑,也可為作戰(zhàn)指揮員提供科學(xué)的輔助決策。

        猜你喜歡
        模型
        一半模型
        一種去中心化的域名服務(wù)本地化模型
        適用于BDS-3 PPP的隨機(jī)模型
        提煉模型 突破難點(diǎn)
        函數(shù)模型及應(yīng)用
        p150Glued在帕金森病模型中的表達(dá)及分布
        函數(shù)模型及應(yīng)用
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        3D打印中的模型分割與打包
        国产成av人在线观看| 欧美老妇与禽交| 精品国产乱码久久久久久婷婷| 日本熟妇色xxxxx日本妇| 国产精品第一国产精品| 四虎国产精品免费久久| 人妻夜夜爽天天爽一区| 特黄aa级毛片免费视频播放| 亚洲精品动漫免费二区| 欧美亚洲h在线一区二区| 日韩国产自拍视频在线观看| 国产精品亚洲在线播放| 亚洲人成网77777色在线播放| 国产欧美日韩精品丝袜高跟鞋| 亚洲精品美女久久久久99| 色999欧美日韩| 亚洲AV无码秘 蜜桃1区| 亚洲精品中文字幕乱码二区| 精品色老头老太国产精品| 国产精品日韩av一区二区三区| 青青草小视频在线播放| 把女人弄爽特黄a大片| 免费人妻无码不卡中文字幕18禁| 无码夜色一区二区三区| 国产成人精品蜜芽视频| 国产少妇露脸精品自拍网站| 新婚少妇无套内谢国语播放| 久久久久人妻一区精品色欧美| 久久亚洲精品成人av| 躁躁躁日日躁| 亚洲熟女网站| 日韩精品人妻少妇一区二区 | 最新国产成人在线网站| 毛片av在线尤物一区二区| 蜜桃一区二区三区视频网址| 日本熟妇hdsex视频| 疯狂撞击丝袜人妻| 国产精自产拍久久久久久蜜| 久久精品国产亚洲AⅤ无码| 国产猛男猛女超爽免费av| 中文字幕无码中文字幕有码|