陆军作战指挥实体动态决策建模问题研究

doi:10.16182/j.issn1004731x.joss.201802004

系统仿真学报 ›› 2018, Vol. 30 ›› Issue (2): 398-405.doi: 10.16182/j.issn1004731x.joss.201802004

陆军作战指挥实体动态决策建模问题研究

康凯¹, 张永亮¹, 李晨溪¹, 潘金堂²

1.解放军理工大学指挥信息系统学院,江苏南京 210007;
2.解放军73906部队,江苏南京 210007

收稿日期:2015-12-23 出版日期:2018-02-08 发布日期:2019-01-02
作者简介:康凯(1986-),男,山东,硕士生,助教,研究方向为社会公共安全。
基金资助:
国家自然科学基金(61174198),国家自然科学基金联合基金(U1435218),江苏省自然科学基金(BK20140065),江苏省工程技术研究中心(BM2014391)

Dynamic Decision-Making Modeling for Army Operation Command Post Entity

Kang Kai¹, Zhang Yongliang¹, Li Chenxi¹, Pan Jintang²

1.The Institute of Command Information System in PLA University of Science and Technology, Nanjing 210007, China;
2.The Troop of 73906 PLA, Nanjing 210007,China

Received:2015-12-23 Online:2018-02-08 Published:2019-01-02

摘要/Abstract

摘要： 为满足现代战争陆军各级各类指挥所开展方案模拟论证与计划仿真评估的需要,在领域专家经验以及军事规则的支持下,提出了一种基于动态贝叶斯网络的指挥实体动态决策建模方法。通过对动态决策规则的结构化描述,构建了陆战场态势的动态贝叶斯网络模型,基于贝叶斯网络推理模型进行态势相关估计,实现对陆战场的实时变化态势动态分析、理解与判断,可以较好地体现作战系统的复杂自适应的特性,为解决陆军指挥实体动态决策建模问题提供了一种较好的解决办法。

关键词: 陆军作战, 指挥实体, 动态决策建模, 贝叶斯网络

Abstract: The paper presents a modeling method of dynamic decision-making for army operation command post entity based on the Bayesian Net (BN) to meet the demands of demonstrating the operational blue print and evaluating the plan with the support of subject matter experts and military rules. The method brings about the structured description for the decision-making rules, builds the BN model for battlefield situation, and actualizes the situation estimation based on the model of BN reasoning. Therefore it gives the reasonable analysis, the in-depth understanding and right dynamic estimation to the land battlefield dynamic situation, which embodies the complexity and self-adaptability of the joint operation. It provides a better solution to solve the dynamic decision-making modeling problem of the army operation command post entity.

Key words: army operation, command post entity, modeling of dynamic decision making, Bayesian Net

中图分类号:

TP391.9
E211

康凯, 张永亮, 李晨溪, 潘金堂. 陆军作战指挥实体动态决策建模问题研究[J]. 系统仿真学报, 2018, 30(2): 398-405.

Kang Kai, Zhang Yongliang, Li Chenxi, Pan Jintang. Dynamic Decision-Making Modeling for Army Operation Command Post Entity[J]. Journal of System Simulation, 2018, 30(2): 398-405.

参考文献 7

[1]	史越东. 指挥决策定量分析[M]. 2版. 北京: 解放军出版社, 2012: 20-21. Shi Yuedong. Quantitative Analysis of Command and Decision[M]. 2th Edition. Beijing: Chinese People's Liberation Army Publishing House, 2012: 20-21.
[2]	柴宇球. 陆军作战学[M]. 2版. 北京: 军事科学出版社, 2013: 10-49. Chai Yuqiu. Army Operations[M]. 2th Edition. Beijing: Military Science Publishing House, 2013: 10-49.
[3]	程岳, 王宝树, 李伟生. 实现态势估计的一种推理方法[J]. 计算机科学, 2002, 29(6): 111-113. Cheng Yue, Wang Baoshu, Li Weisheng. A Reasoning Method to Realize Situation Assessment[J]. Computer Science, 2002, 29(6): 111-113.
[4]	冀俊忠, 刘椿年, 沙志强. 贝叶斯网络模型的学习、推理和应用[J]. 计算机工程与应用, 2003(5): 24-27. Ji Junzhong, Liu Chunnian, Sha Zhiqiang. Bayesian Belief Network Model Learning, Inference and Applications[J]. Computer Engineering and Applications, 2003(5): 24-27.
[5]	王三民, 王宝树. 贝叶斯网络在战术态势评估中的应用[J]. 系统工程与电子技术, 2004(11): 84-87, 143.Wang Sanmin, Wang Baoshu. Application of Bayesian networks in tactical Situation assessment[J]. Systems Engineering and Electronics, 2004(11): 84-87, 143.
[6]	史志富, 张安. 贝叶斯网络理论及其在军事系统中的应用[M]. 北京: 国防工业出版社, 2012: 32-68.Shi Zhifu, Zhang An. Bayesian Network Theory and Its Application in Military System[M]. Beijing: National Defend Industry Press, 2012: 32-68.
[7]	赵晓辉, 姚佩阳, 张鹏. 动态贝叶斯网络在战场态势估计中的应用[J]. 电光与控制, 2010, 17(1): 44-47.Zhao Xiaohui, Yao Peiyang, Zhang Peng. Application of Dynamic Bayesian Network in Battlefield Situation Assessment[J]. Electronics Optics & Control, 2010, 17(1): 44-47.

陆军作战指挥实体动态决策建模问题研究

Dynamic Decision-Making Modeling for Army Operation Command Post Entity

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 7

相关文章 7

编辑推荐

Metrics

本文评价

[1]	聂凯, 曾科军, 孟庆海. 基于深度贝叶斯网络学习的不确定性建模方法[J]. 系统仿真学报, 2022, 34(1): 79-85.
[2]	高昂, 董志明, 张国辉, 梁涛, 郭齐胜. LVC训练系统中计算机生成兵力生成技术研究[J]. 系统仿真学报, 2021, 33(3): 745-752.
[3]	高昂, 王晓路, 董志明, 张国辉. 装甲兵虚拟兵力战术对抗动作参数矫正方法[J]. 系统仿真学报, 2021, 33(2): 484-493.
[4]	陈海洋, 柴冰, 王瑞兰, 曹璐. 基于时间窗的SVDBN近似推理算法研究[J]. 系统仿真学报, 2020, 32(2): 217-228.
[5]	陈伟炯, 范雯, 朱小林, 谢启苗, 尹小贝. 乳制品冷链物流风险评估的DBN方法研究[J]. 系统仿真学报, 2019, 31(5): 936-945.
[6]	陈龙, 马亚平. 基于分层贝叶斯网络的航母编队对潜威胁评估[J]. 系统仿真学报, 2017, 29(9): 2206-2213.
[7]	张浩, 王明坤. O2O模式下供应链失效风险识别模型及仿真[J]. 系统仿真学报, 2016, 28(11): 2747-2755.