军事最优化新方法PDF电子书下载

目录 1

第一章　引言 1

1.1　最优化问题 1

1.1.1 最优化问题的定义、数学模型和解的分类 1

1.1.2　最优化问题的分类 3

1.2　计算复杂性 4

1.2.1 计算复杂性的基本概念 4

1.2.2　P，NP，NP-C和NP-hard问题 7

1.2.3 军事最优化问题的计算复杂性 11

1.3　启发式优化算法 15

1.4　从神经网络和遗传算法到计算智能 17

1.5　模拟退火算法 20

1.6　蚁群算法 21

1.7　多阶段分析博弈评估算法 22

1.8　探索性分析方法 23

参考文献 25

第二章　神经网络 28

2.1　神经网络的定义 28

2.2　神经网络研究的历史 28

2.3　神经网络的基本概念 29

2.3.1 神经元模型 29

2.3.2　神经网络的拓扑结构 30

2.3.3 学习算法 30

2.3.3.1 无导师学习算法 32

2.3.3.2　有导师学习算法 32

2.4.1 霍普菲尔德神经网络的拓扑结构 33

2.4　霍普菲尔德神经网络 33

2.4.2 离散霍普菲尔德神经网络 35

2.4.3　连续霍普菲尔德神经网络 36

2.5　误差反向传播神经网络 37

2.5.1 误差反向传播神经网络的拓扑结构 38

2.5.2　BP学习算法 39

2.5.2.1 正向操作 39

2.5.2.2　逆向操作 40

2.5.3　运行误差反向传播神经网络 41

2.6　概率神经网络 42

2.6.1 概率神经网络 42

2.6.2　适应性结构概率神经网络 46

2.7　神经模糊网络 48

2.8　流体神经网络 50

2.9　神经网络的应用 52

2.10　神经网络今后的研究方向 54

参考文献 55

第三章　神经网络用于空战智能仿真及战例定量研究 57

3.1 利用神经网络进行空战机动选择 57

3.1.1 用于空战机动选择的BPN拓扑结构 59

3.1.2 产生训练案例的方法 62

3.1.3 用产生式规则生成案例 63

3.1.4　对BPN进行机动选择的解释 66

3.1.5 学习算法 69

3.2　利用神经网络进行空战态势定量评估 69

3.2.1 空战态势定性评估 69

3.2.2　利用BPN进行空战态势定量评估 70

3.2.2.1　BPN的拓扑结构 71

3.2.2.3　学习算法 72

3.2.2.4　基于BPN的态势定量评估 72

3.2.2.2　训练案例 72

3.2.3 用神经网络-时效算法裁决空战结果 73

3.3　定量分析战争案例简介 74

3.3.1 用于战例分析的概率神经网络软件 75

3.3.2 对我军解放战争战例的定量分析试验 76

参考文献 77

第四章　遗传算法 80

4.1　遗传算法与进化计算 80

4.2.1 遗传算法的步骤 81

4.2.2　遗传算法的特点 81

4.2　遗传算法的步骤和特点 81

4.3　编码 82

4.4　初始群体 83

4.5　适应度函数 84

4.6　遗传算法的基本算子 84

4.7　遗传算法的应用 87

4.8　遗传算法今后的研究方向 89

参考文献 90

第五章　遗传算法用于空战智能仿真 91

5.1　利用遗传算法进行多机空战目标分配 91

5.1.1 编码 91

5.1.2　初始群体 92

5.1.3　适应度函数 92

5.1.4　1对1空战态势评价及打分的经验方法 93

5.1.5　遗传算子 96

5.1.6　进化多少代停止遗传算法 98

5.2　规避导弹规则库学习 99

5.2.1 通用进化学习系统SAMUEL 99

5.2.1.1 规则库学习的步骤及工作流程 101

5.2.1.2 学习机制 103

5.2.1.3　遗传算法学习 104

5.2.1.4　基于决策经验的学习 106

5.2.1.5　在可信度评估中学习 109

5.2.2 规则库学习用于飞机自动规避导弹 110

5.2.2.1 规则库学习的主要步骤 111

5.2.2.2　规则库 111

5.2.2.3　环境模块的功能 114

5.2.2.4　执行模块的功能 114

5.2.2.6　学习模块 115

5.2.2.5　规则集的适应度函数 115

5.2.2.7　定量评估学习结果 116

参考文献 124

第六章　模拟退火算法 125

6.1　模拟退火算法研究概述 125

6.2　随机模拟退火算法 126

6.2.1 基本的函数、参数和准则 128

6.2.1.1　基本的函数 128

6.2.1.2　初始温度和终止温度 129

6.2.1.3　基本的准则 130

6.2.2　基本步骤 130

6.2.3 采用随机模拟退火算法的霍普菲尔德神经网络 131

6.2.3.1 利用NN实现SSA来解TSP 131

6.2.3.2　连续型HNN实现SSA的步骤 135

6.3　确定模拟退火算法：均场退火 136

6.3.1 均场退火 137

6.3.2　均场神经网络 138

6.3.3　基本的参数和函数 140

6.3.4 基本步骤 141

6.4　模拟退火算法今后的研究方向 143

参考文献 144

第七章　模拟退火算法用于通信卫星网络管理 146

7.1　军用卫星网络通信管理问题的复杂性 146

7.2　用均场退火神经网络解决卫星通信调度优化问题的条件、参数及优化解 149

7.3　均场退火神经网络的拓扑结构 151

7.4　定义均场退火神经网络的激活函数 152

7.5　均场退火神经网络的连接权矩阵 153

7.6　均场退火神经网络的能量函数 154

7.7　实现均场退火神经网络的激活函数 155

7.8　拉格朗日乘数 156

7.9　临界温度 158

7.10　降温函数和终止温度 161

7.11 用均场退火神经网络解决卫星通信调度优化问题的示例 161

7.11.1 小需求情况的优化解 162

7.11.2　大需求情况的优化解 163

参考文献 165

第八章　蚁群算法 167

8.1　蚁群算法研究应用概述 167

8.2　蚁群算法的基本概念 170

8.3　蚁群算法用于求解二次指派问题 172

8.3.1.2　蚁后程序 173

8.3.1 最大-最小蚁群算法 173

8.3.1.1　蚂蚁程序 173

8.3.2　近似非确定性树搜索 174

8.3.2.1 蚂蚁程序 174

8.3.2.2　蚁后程序 175

8.3.3　混合蚁群算法 175

8.3.3.1　蚂蚁程序 176

8.3.3.2　蚁后程序 176

8.3.4　快速蚁群算法 177

8.3.4.1　蚂蚁程序 177

8.3.4.2　蚁后程序 177

8.4　蚁群算法今后的研究方向 178

参考文献 179

9.1　通信网络的负荷平衡 182

第九章　蚁群算法用于管理通信网络 182

9.2　利用蚁群算法管理通信网络的仿真方法 184

9.2.1 通信网络仿真的主要操作 184

9.2.2　通信网络仿真的细节 185

9.3　利用蚁群算法管理通信网络 186

9.3.1 荷尔蒙表 186

9.3.2　蚂蚁的年龄和行动延迟 189

9.3.3 如何选择通信路径 190

9.3.4　初始设置 190

9.3.5 噪音 191

9.3.6　蚁群算法平衡通信网络负荷的主要特点 192

9.3.7 参数 192

9.4　今后用蚁群算法优化通信网络管理的研究方向 193

参考文献 194

第十章　多阶段分析博弈评估算法 195

10.1　多阶段分析博弈评估算法研究概况 195

10.2　基本概念和变量定义 196

10.2.1　状态转换函数 197

10.2.2　目标函数 197

10.2.3　最优化问题 198

10.3　多阶段分析博弈评估算法的特点 200

10.3.1 引入拉格朗日乘数 200

10.3.2 引入汉密尔顿函数 201

10.4　多阶段分析博弈评估算法的步骤 203

10.5 今后多阶段分析博弈评估算法研究方向 204

参考文献 205

第十一章　多阶段分析博弈评估算法用于空战战役兵力计划 207

11.1　制定空战战役兵力计划的要点 207

11.1.1 作战目标 207

11.1.2　作战任务 208

11.1.3 作战计划的组织实施 208

11.2　利用多阶段分析博弈评估算法优化战区级战役模型的空战兵力计划 209

11.2.1 军事需求 209

11.2.2 在TLC中SAGE的用途 209

11.2.3 SAGE软件的使用方法 210

11.2.4　SAGE用于TLC空战战役兵力计划的工作流程 211

11.2.5　SAGE进行空战兵力分配的工作流程 211

11.2.6　利用SAGE进行内部空战仿真 213

11.3.1 问题的描述 214

11.3　利用多阶段分析博弈评估算法优化空战战役兵力计划的示例 214

11.3.2　算法的描述 215

11.3.3 按照SAGE的五个步骤计算优化解 217

11.4　从示例看改进多阶段分析博弈评估算法 220

参考文献 221

第十二章　探索性分析方法 223

12.1　探索性分析方法研究应用概况 223

12.2　探索性分析方法的特点 224

12.2.1 基于数学模型分析方法的缺点 224

12.2.2 由传统方法发展起来的探索性分析方法 225

12.3　探索性分析的基本方法 227

12.4　专用软件工具 228

12.5　探索性分析方法今后的研究方向 230

12.6　由探索性分析发展起来的计算实验 232

参考文献 233

第十三章　探索性分析方法用于海战效能评估 235

13.1　海战效能评估专题研究简介 235

13.2　海战仿真系统 236

13.2.1 水面舰艇编队对抗导弹饱和攻击的最大能力 236

13.2.2　反舰导弹到达分布 238

13.2.3　反导导弹排队拦截模型 238

13.3　用探索性分析方法解决节约弹药问题 241

13.3.1 计算步骤和流程 241

13.3.2　反舰导弹到达分布 242

13.3.3 示例 243

13.3.4　用EA分析节约弹药问题各数量间的关系 249

参考文献 252

附件：空战智能仿真系统简介 253