基于贝叶斯网络的作战效能评估与分析方法研究

论文摘要

武器装备作战效能评估是武器装备和武器装备体系论证不可或缺的环节,武器装备作战效能评估主要服务于武器装备方案的优选,方案的优化和评估关键因素分析。现有的效能评估方法在如下的几个方面存在不足:首先大部分评估方法无法反映评估要素之间复杂关联关系以及作战过程的不确定性;其次评估分析模型的应用模式单一,无法满足效能评估日益复杂且多样化的应用需求;最后评估结论的可追溯性不强,无法向决策者提供清晰的评估过程,增强决策者进行决策的信心。本研究将贝叶斯网络和作战效能仿真相结合,提出了贝叶斯网络作战效能分析模型的概念。该方法本质上是利用了贝叶斯网络本身的三个重要特点——复杂关联关系表示能力、概率不确定性表示能力以及因果推理能力,通过对专家经验和作战效能仿真数据进行学习,对其中蕴涵的知识进行挖掘,建立作战效能分析模型,并在此模型的基础上进行效能评估分析。本研究在基于贝叶斯网络的作战效能评估的已有研究成果的基础上提出了贝叶斯网络武器装备效能评估建模系统化规范化流程。对建模中关键的连续变量离散化问题进行了深入研究,提出了基于推理信息量的离散评价标准,并运用遗传算法对问题进行了求解。提出了贝叶斯网络作战效能分析模型的四种应用模式,并给出了各模式的严格数学求解方法。并在态势扰动模式中对贝叶斯网络解释方法中的MPE问题进行了扩展,首次提出了E-MPE问题,并基于蚁群算法提出了解决方案。最后结合一个弹道导弹突防效能评估应用实例,对本文提出了方法进行了验证。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文研究背景
• 1.2 国内外研究现状
• 1.2.1 武器装备效能评估方法
• 1.2.2 基于贝叶斯网络的作战效能评估
• 1.2.3 研究现状小结
• 1.3 本文研究的内容与意义
• 1.3.1 研究内容
• 1.3.2 论文的意义
• 1.4 论文的结构安排
• 第二章 基于贝叶斯网络的效能评估方法
• 2.1 贝叶斯网络性质介绍
• 2.2 贝叶斯网络作战效能分析模型
• 2.3 贝叶斯网络作战效能分析模型建模方法
• 2.3.1 建模总体流程
• 2.3.2 分析作战过程
• 2.3.3 作战过程中的影响因素分析及分类
• 2.3.4 确定网络结构
• 2.3.5 设计仿真实验
• 2.3.6 运行仿真实验
• 2.2.7 学习网络参数
• 2.4 贝叶斯网络效能评估模型应用流程和应用模式
• 第三章 基于推理信息量的连续变量离散化方法
• 3.1 参数学习中连续变量离散化问题
• 3.2 连续变量离散化评价标准研究
• 3.2.1 连续变量离散化对贝叶斯网络推理的影响
• 3.2.2 基于KL 散度的推理信息量
• 3.3 连续变量离散化方法研究
• 3.3.1 连续变量的数据预分析
• 3.3.2 连续变量值域预离散化
• 3.3.3 建立离散方案数学优化模型
• 3.3.4 遗传算法设计及运行过程
• 3.3.5 实例验证
• 3.4 参数学习方法介绍
• 第四章 贝叶斯网络作战效能分析模型应用模式
• 4.1 贝叶斯网络作战效能分析模型应用需求分析
• 4.2 贝叶斯网络中的推理模式
• 4.3 BN 效能分析模型的应用模式
• 4.3.1 正向推理模式
• 4.3.2 因果追溯分析模式
• 4.3.3 截断分析模式
• 4.3.4 态势扰动分析模式
• 4.3.5 各模式中可以得出分析结论
• 4.4 扩展的贝叶斯网络解释方法
• 4.4.1 贝叶斯网络已有解释方法
• 4.4.2 扩展的MPE 问题（E-MPE）
• 4.4.3 基于ACO 的E-MPE 问题的解决方案
• 第五章 应用实例
• 5.1 弹道导弹突防效能评估描述及面临的问题
• 5.1.1 问题描述
• 5.1.2 本问题所面临的难点
• 5.2 作战过程分析
• 5.3 弹道导弹突防效能评估模型建立
• 5.3.1 影响因素分析及分类
• 5.3.2 网络结构建立
• 5.4 网络连续变量离散化及参数学习
• 5.4.1 仿真实验数据
• 5.4.2 参数学习
• 5.5 分析结论
• 5.5.1 正向推理模式分析
• 5.5.2 态势扰动模式分析
• 5.5.3 因果追溯模式分析
• 5.5.4 截断模式分析
• 第六章 结束语
• 致谢
• 参考文献
• 作者在学期间取得的学术成果