基于信息流的指挥信息系统网络结构优化模型

系统仿真学报 ›› 2015, Vol. 27 ›› Issue (12): 3076-3081.

基于信息流的指挥信息系统网络结构优化模型

李建华, 赵军伟

空军工程大学信息与导航学院,西安 710077

收稿日期:2014-07-24 修回日期:2015-04-08 出版日期:2015-12-08 发布日期:2020-07-30
作者简介:李建华(1965-),男,陕西白水,博士,教授,博导,研究方向为空天信息系统建设与运用;赵军伟(1986-),男,陕西咸阳,硕士,研究方向为空军信息系统建设与运用。
基金资助:
全军军事学研究生课题(2010JY0813-022)

Optimization Model of CIS Network Architecture Based on Information Flow

Li Jianhua, Zhao Junwei

School of Information and Navigation Air Force Engineering University, Xi’an 710077, China

Received:2014-07-24 Revised:2015-04-08 Online:2015-12-08 Published:2020-07-30

摘要/Abstract

摘要： 为了探索指挥信息系统(CIS,Command Information System)网络与作战体系的内在关系,构建了由组织关系层、信息交互层和通信链路层组成的作战体系分层模型。定义了反映网络结构对作战体系影响的体系耦合强度概念,以体系耦合强度与成本系数比值最大化为目标,建立了网络结构优化模型。设计了一种路径规划遗传算法,针对空中进攻作战(AOC,Air Offensive Campaign)系统网络进行了仿真。仿真结果表明,模型和算法可对网络结构进行优化。

关键词: 指挥信息系统, 网络结构, 体系耦合强度, 遗传算法

Abstract: In order to explore the internal relationship between Command Information System (CIS) network and combat system, a layered combat system model was built, including organizational relationship layer, information interaction layer and communication link layer. Conception of the system coupling intensity was defined, which reflected the influence of network architecture to combat system. An optimization model of CIS network architecture aimed at maximizing the ratio of system coupling intensity to cost coefficient was built. A route programming genetic algorithm was designed and applied into simulation of Air Offensive Campaign (AOC) system network. The results show that the model and algorithm can optimize network architecture well.

Key words: CIS, network architecture, system coupling intensity, genetic algorithm

中图分类号:

TP391.9

李建华, 赵军伟. 基于信息流的指挥信息系统网络结构优化模型[J]. 系统仿真学报, 2015, 27(12): 3076-3081.

Li Jianhua, Zhao Junwei. Optimization Model of CIS Network Architecture Based on Information Flow[J]. Journal of System Simulation, 2015, 27(12): 3076-3081.

[1]	李智杰, 石昊琦, 李昌华, 张颉. 基于改进遗传算法的影像中心布局优化方法[J]. 系统仿真学报, 2022, 34(6): 1173-1184.
[2]	付建林, 丁国富, 张剑, 江海凡, 郭沛佩. 基于响应面和NSGA-II的AGV系统多目标优化配置[J]. 系统仿真学报, 2022, 34(5): 994-1002.
[3]	王语童, 马世伟, 杨元睿, 陈超宇. 多机器人组合最大覆盖面积寻优及预测方法[J]. 系统仿真学报, 2022, 34(1): 86-92.
[4]	何昕杰, 周少武, 张红强, 吴亮红, 周游. 基于改进遗传算法的四向穿梭车系统订单排序优化[J]. 系统仿真学报, 2021, 33(9): 2166-2179.
[5]	唐婕, 曹瑾鑫. 共享汽车联合调度优化研究[J]. 系统仿真学报, 2021, 33(8): 1959-1968.
[6]	陈芮莹, 王承涛, 刘振元. 考虑服务水平的IT运维人员调度的智能遗传算法[J]. 系统仿真学报, 2021, 33(3): 732-744.
[7]	陆嘉波, 程培星, 黄羿, 姚进强, 杨雪梦, 马新强, 刘勇. 用于时敏目标打击链快速构建的智能方法[J]. 系统仿真学报, 2021, 33(2): 346-357.
[8]	马榕, 陈秋瑞, 张晗, 梅铮, 王锐, 魏伟. 基于单目深度估计的低功耗视觉里程计[J]. 系统仿真学报, 2021, 33(12): 3001-3011.
[9]	孙国栋, 何其昌. 螺钉机工艺智能化设计与仿真方法研究[J]. 系统仿真学报, 2021, 33(1): 62-73.
[10]	毛李恒, 邓清, 刘柔妮, 孔祥龙. 针对多星多任务仿真调度的关键路径遗传算法[J]. 系统仿真学报, 2021, 33(1): 205-214.
[11]	樊海霞, 陈小惠. 一种连续无创血压预测的改进向量机学习方法[J]. 系统仿真学报, 2020, 32(9): 1686-1692.
[12]	王宁, 魏利胜. 一种基于GA的新型生物地理学优化算法研究[J]. 系统仿真学报, 2020, 32(9): 1717-1723.
[13]	魏乐, 李希金. 基于多目标的含风电场动态环境经济调度[J]. 系统仿真学报, 2020, 32(9): 1825-1830.
[14]	肖运启, 王乙. 基于混合建模仿真的大型风电场降损控制[J]. 系统仿真学报, 2020, 32(9): 1831-1838.
[15]	刘长良, 王梓齐. 基于严格二叉树编码和GA的模糊树结构学习[J]. 系统仿真学报, 2020, 32(8): 1473-1480.