随着信息技术在军事上的不断应用,军事系统的复杂性越来越高,传统的数学方法已经不适应这类问题的求解,远远不能满足军事复杂系统研究的需要,软计算方法作为处理不确定、不精确和部分真实性系统的有效方法,越来越得到军事人员的重视。软计算方法依据其强大的对不确定、不完整信息系统的处理能力,在解决军事复杂系统的建模、优化、求解中起到不可替代的作用,并能为军事人员提供多个满意的解决方案。目前,软计算方法已作为军事运
筹学研究生的重要课程,也越来越得到军校学员的喜爱,它是完成各项课题研究的有力工具。本书就研究军事复杂问题常用的软计算方法,重点针对军事研究人员、军校硕士以上学历学员,从它的理论基础(概念、原理、步骤)和在军事上的应用)(应用领域、步骤和示例)两个方面进行介绍,使大家在学习理认方法的同时,通过应用步骤和应用示例介绍,能够对具体军事领域的应用有个清楚的认识,能够更好地掌握软计算技术并能够很好地应用于具体的研究中去。
全部显示 ∨
全部显示 ∨
序0
前言0
第1章 绪论11.1 软计算与硬计算21.1.1 硬计算2
1.1.2 软计算2
1.2 软计算的内涵及主要特征2
1.3 常用的软件计算方法51.3.1 遗传算法5
1.3.2 免疫算法6
1.3.3 神经网络算法7
1.3.4 蚁群算法8
1.3.5 微粒群算法9
1.3.6 模拟退火算法10
1.3.7 模糊集10
1.3.8 粗糙集11
1.3.9 贝叶斯网络12
1.4 软计算方法的军事应用13
第2章 遗传算法162.1 遗传算法的基本思想16
2.2 遗传算法的基本概念17
2.3 遗传算法的优点18
2.4 遗传算法的操作步骤19
2.5 遗传算法的实现202.5.1 编码和解码20
2.5.2 种群规模22
2.5.3 种群初始化22
2.5.4 适应度函数23
2.5.5 选择算子24
2.5.6 交叉算子26
2.5.7 变异算子28
2.5.8 算法终止条件28
2.6 遗传算法的改进292.6.1 基本遗传算法的缺点29
2.6.2 常见的遗传改进算法29
2.7 遗传算法的军事应用332.7.1 遗传算法在军事上的应用33
2.7.2 遗传算法的应用步骤34
2.7.3 遗传算法在作战部署中的应用实例35
2.7.4 遗传算法在火力分配中的应用示例42
第3章 免疫算法463.1 免疫算法的基本思想46
3.2 免疫算法的常用术语及参数47
3.3 免疫算法的仿生机理483.3.1 免疫识别49
3.3.2 免疫学习49
3.3.3 免疫记忆49
3.3.4 克隆选择50
3.3.5 免疫网络50
3.3.6 免疫调节51
3.3.7 免疫反馈51
3.3.8 免疫代谢51
3.3.9 免疫耐受52
3.4 人工免疫算法523.4.1 一般免疫算法52
3.4.2 克隆选择算法55
3.4.3 阴性选择算法57
3.4.4 免疫网络算法58
3.5 一般免疫算法的实现603.5.1 抗体编码60
3.5.2 抗体抗原的亲和度计算60
3.5.3 接种疫苗61
3.5.4 克隆选择61
3.5.5 抗体抑制和促进62
3.6 免疫算法的军事应用623.6.1 免疫算法在军事上的应用62
3.6.2 一般免疫算法的应用步骤63
3.6.3 免疫算法在决策优化中的应用示例64
3.6.4 免疫遗传算法在路经规划中的应用67
第4章 神经网络算法734.1 神经网络的基本思想73
4.2 神经网络的基本概念744.2.1 神经元模型74
4.2.2 神经网络模型77
4.2.3 神经网络的学习方法78
4.3 神经网络的具体实现814.3.1 多层前向神经网络81
4.3.2 Hopfield神经网络83
4.3.3 自组织神经网络86
4.4 神经网络的军事应用914.4.1 神经网络在军事上的应用91
4.4.2 神经网络的具体应用步骤92
4.4.3 神经网络在作战辅助决策中的应用92
4.4.4 神经网络在训练成绩评判中的应用97
第5章 蚁群算法1025.1 蚁群算法的基本思想102
5.2 蚁群算法的基本概念1055.2.1 蚁群算法的数学描述105
5.2.2 蚁群算法的收敛性分析106
5.3 蚁群算法的操作步骤110
5.4 蚁群算法的具体实现1115.4.1 离散域蚁群寻优算法111
5.4.2 连续域蚁群寻优算法113
5.5 蚁群算法的军事应用1185.5.1 蚁群算法在军事上的应用118
5.5.2 在后勤运输路径选择中的应用119
5.5.3 在武器火力优化分配中的应用120
5.5.4 与遗传算法在军事领域的融合应用122
第6章 微粒群算法1316.1 微粒群算法的相关概念1326.1.1 微粒群算法的起源132
6.1.2 微粒群算法的基本原理133
6.1.3 基于微粒群算法的多目标优化135
6.1.4 微粒群算法的设计步骤136
6.2 微粒群算法的行为和拓扑分析1396.2.1 基于离散时间线理论的分析139
6.2.2 代数分析141
6.2.3 拓扑结构分析145
6.3 微粒群算法的军事应用1466.3.1 微粒群算法在军事上的应用146
6.3.2 微粒群算法的应用步骤147
6.3.3 车辆路径问题微粒群解法147
6.3.4 军事车辆路径问题149
第7章 模拟退火1527.1 物理退火过程152
7.2 模拟退火算法1537.2.1 Metropolis准则153
7.2.2 模拟退火算法模型154
7.2.3 影响模拟退火算法的主要因素156
7.2.4 模拟退火算法收敛性证明156
7.3 模拟退火算法设计1577.3.1 初始温度157
7.3.2 终止温度158
7.3.3 MarKov链长158
7.3.4 冷却进度表159
7.4 军事上的应用1597.4.1 雷达网部署优化问题159
7.4.2 任务调度问题162
第8章 模糊集1658.1 模糊集的基本思想165
8.2 模糊集的基本概念1668.2.1 模糊集和隶属函数166
8.2.2 模糊集的表示方法166
8.2.3 隶属函数的确定方法166
8.3 模糊集的具体应用步骤1688.3.1 模糊综合评判模型建立170
8.3.2 因素重要程度系数确定172
8.4 模糊集的军事应用1738.4.1 模糊集在军事领域的应用173
8.4.2 模糊集的军事应用步骤173
8.4.3 在武器装备采办风险评估中的应用示例174
8.4.4 在装备管理经济效益评价中的应用示例179
8.4.5 在军事领域与其他算法的融合应用示例183
第9章 粗糙集理论1909.1 粗糙集提出的背景190
9.2 粗糙集的理论研究191
9.3 粗糙集的特点193
9.4 粗糙集所能处理的问题194
9.5 粗糙集与模糊集的区别194
9.6 粗糙集的相关概念1959.6.1 粗糙集的概念195
9.6.2 知识约简199
9.6.3 决策规则203
9.6.4 可变精度粗糙集模型205
9.7 粗糙集理论的军事应用2069.7.1 粗糙集理论在军事上的应用领域206
9.7.2 粗糙集理论的应用步骤207
9.7.3 粗糙集理论在目标识别中的应用示例208
9.7.4 粗糙集理论在加权指标评估中的应用210
第10章 贝叶斯网络21210.1 贝叶斯网络的提出背景212
10.2 贝叶斯网络的基本思想213
10.3 贝叶斯网络的基本概念21310.3.1 贝叶斯网络的理论基础213
10.3.2 贝叶斯网络的基本定义214
10.4 贝叶斯网络方法的优点215
10.5 贝叶斯网络的构建21610.5.1 贝叶斯网络的构建方法216
10.5.2 贝叶斯网络学习217
10.5.3 贝叶斯网络的构建步骤219
10.6 贝叶斯网络的推理模式219
10.7 贝叶斯网络的军事应用22210.7.1 贝叶斯网络在军事上的应用222
10.7.2 在空战态势评估中的应用223
10.7.3 在军事威慑信息传递机制分析中的应用228
参考文献242