一种作战对策模糊决策方法与流程

1.本发明涉及作战指挥决策技术领域，尤其涉及一种作战对策模糊决策方法。


背景技术：

2.在现代信息化战争条件下，作战决策的目的是在一定战斗条件下，获得决策有事，进而取得战场控制权。因此在作战指挥中，作战决策不仅是整个指挥活动的核心关键，而且决策的正确与否直接影响到作战结果。当前作战决策一般是由人工基于经验和知识进行选取，也出现了辅助决策系统。
3.如申请号为cn201811356971.4的专利申请公开了一种全局检索作战辅助决策系统及方法，实现在作战指挥过程中，辅助指挥人员快速进行互联网与内部网全文检索，达到更加有效快捷的多信息展示，方便指挥人员对战势进行判断。
4.又如，申请号为cn202110405648.7的专利申请公开了一种大规模作战航材需求预测和储备决策方法，明能够确保航材需求量测算的准确性，增强航材供应保障能力。
5.但是，在强对抗条件下，作战决策具有不确定、不完备信息性，时间节奏快等特点，在当前战略背景下，利用人机结合的处理手段实现可替代的人工初始对策选取，提高指挥员决策的效能和效率十分必要。


技术实现要素：

6.本发明的主要目的是提出一种作战对策模糊决策方法，解决对双边冲突局势下的决策择优问题。
7.为实现上述目的，本发明提出一种作战对策模糊决策方法，包括如下步骤：
8.步骤s101：分析作战博弈对抗问题，确定并量化策略集合，设计效用矩阵，构建矩阵对策模型，并将混合策略的求解转化为线性规划问题求解；
9.步骤s102：构建能量函数，给出混合策略解输出；
10.步骤s103：建立带混合策略的对策矩阵，由理想优劣策略向量得出相对偏差值构成的模糊矩阵，计算加权相对偏差距离以得出最优策略。
11.进一步地，所述设计效用矩阵，首先考虑在一次作战行动中存在t1,t2,
…
t
l
个作战步骤，d(defend)方所作策略集合为a(attack)方所作策略集合为yi＝(y
(i)1
,y
(i)2
,
…
,y
(i)n
)，以防御方d为例，最后设计效用矩阵为
[0012][0013]
其中，分别为a方和d方在第ti步的效
用。
[0014]
进一步地，所述构建的矩阵对策模型为g＝{d,a；xi,yi；di}。
[0015]
进一步地，在考虑典型作战对抗博弈情况下，局中人选取不同策略的概率分布，设计d方的混合策略集如下：
[0016][0017][0018]
进一步地，所述线性规划求解，将对矩阵对策g的求解等价于一堆互为对偶的线性规划问题，g的阶tk、uj等价于下面两个不等式的解：包括：
[0019][0020][0021]
进一步地，所述基于hopfield神经网络的能量函数，首先考虑以目标函数与约束条件构造能量函数，保证能量函数e是时间t的单调下降函数，能量函数的极小点就对应于线性规划问题的最优解，最后构造的能量函数如下：
[0022][0023]
其中，p＞0为一个控制参数，f(z)为罚函数，
[0024]
进一步地，所述混合策略解输出，以d方的混合策略为例：
[0025][0026]
进一步地，建立带混合策略的对策矩阵如，首先考虑效用矩阵与混合策略，最后设计带混合策略的对策矩阵如下：
[0027][0028]
进一步地，建立相对偏差值如下：
[0029][0030]
其中其中分别称为理想优、劣策略向量，于是得由相对偏差值构成的模糊矩阵δ＝(wj)n×n。
[0031]
进一步地，所述得出最优策略，包括：
[0032]
首先，计算加权相对偏差距离如下：
[0033][0034]
最后，令选出d方最优策略
[0035]
由于采用了上述技术方案，本发明的有益效果如下：
[0036]
本发明通过确定并量化策略集合，设计效用矩阵，构建矩阵对策模型并将混合策略的求解转化为线性规划问题求解，采用基于hopfield神经网络构建能量函数给出混合策略解输出，建立带混合策略的对策矩阵，由理想优劣策略向量得出相对偏差值构成的模糊矩阵，计算加权相对偏差距离以得出最优策略。综合考虑对战双方博弈策略，以获取最优策略为目标，给出一种作战对策模糊决策方法，通过该方法求解最优解，获得作战对策决策方案，有益于提高指挥员决策的效能和效率。
附图说明
[0037]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0038]
图1为本发明的一种作战对策模糊决策方法流程图。
具体实施方式
[0039]
以下结合具体实施例对本发明作进一步详细说明，根据下面说明和权利要求书，本发明的优点和特征将更清楚。
[0040]
虽然该发明可以以多种形式的修改和替换来扩展，说明书中也列出了一些具体的实施图例并进行详细阐述。应当理解的是，发明者的出发点不是将该发明限于所阐述的特
定实施例，正相反，发明者的出发点在于保护所有给予由本权利声明定义的精神或范围内进行的改进、等效替换和修改。
[0041]
结合图1所示，一种作战对策模糊决策方法，包括如下步骤：
[0042]
步骤s101：分析作战博弈对抗问题，确定并量化策略集合，设计效用矩阵，构建矩阵对策模型，并将混合策略的求解转化为线性规划问题求解；
[0043]
步骤s102：构建能量函数，给出混合策略解输出；
[0044]
步骤s103：建立带混合策略的对策矩阵，由理想优劣策略向量得出相对偏差值构成的模糊矩阵，计算加权相对偏差距离以得出最优策略。
[0045]
进一步地，所述设计效用矩阵，首先考虑在一次作战行动中存在t1,t2,
…
t
l
个作战步骤，d(defend)方所作策略集合为a(attack)方所作策略集合为yi＝(y
(i)1
,y
(i)2
,
…
,y
(i)n
)，以防御方d为例，最后设计效用矩阵为
[0046][0047]
其中，分别为a方和d方在第ti步的效用。
[0048]
进一步地，所述构建的矩阵对策模型为g＝{d,a；xi,yi；di}。
[0049]
进一步地，在考虑典型作战对抗博弈情况下，局中人选取不同策略的概率分布，设计d方的混合策略集如下：
[0050][0051][0052]
进一步地，所述线性规划求解，将对矩阵对策g的求解等价于一堆互为对偶的线性规划问题，g的阶tk、uj等价于下面两个不等式的解：包括：
[0053][0054]
[0055]
进一步地，所述基于hopfield神经网络的能量函数，首先考虑以目标函数与约束条件构造能量函数，保证能量函数e是时间t的单调下降函数，能量函数的极小点就对应于线性规划问题的最优解，最后构造的能量函数如下：
[0056][0057]
其中，p＞0为一个控制参数，f(z)为罚函数，
[0058]
进一步地，所述混合策略解输出，以d方的混合策略为例：
[0059][0060]
进一步地，建立带混合策略的对策矩阵如，首先考虑效用矩阵与混合策略，最后设计带混合策略的对策矩阵如下：
[0061][0062]
进一步地，建立相对偏差值如下：
[0063][0064]
其中其中分别称为理想优、劣策略向量，于是得由相对偏差值构成的模糊矩阵δ＝(wj)n×n。
[0065]
进一步地，所述得出最优策略，包括：
[0066]
首先，计算加权相对偏差距离如下：
[0067][0068]
最后，令选出d方最优策略
[0069]
作为具体实施例，给定一次作战中的某一步策略，d方指挥员结合敌我情报决定有五种策略{x1,x2,x3,x4,x5}，同时根据情报推测a方可能采取相应的五种策略{y1,y2,y3,y4,y5}。构造d方效用矩阵如下：
[0070][0071]
作为具体的实施例，构造求解问题的能量函数：
[0072][0073]
其中，p＝1。
[0074]
求解可得：
[0075]
网络的稳定输出为：t
′
＝(0.001,0.001,0.107,0.051,0.162)；
[0076]
混合策略：t＝(0，0，0.334，0.16，0.506)。
[0077]
作为具体的实施例，对作战对策进行模糊决策：
[0078]
step1:带混合策略的对策矩阵为：
[0079][0080]
step2:相对偏差矩阵为：
[0081][0082]
step3:加权相对偏差距离向量为：
[0083]
d＝(2.59,2.59,1.14,1.68,1.72)
[0084]
step4:
[0085]
则由以上步骤可得d方的最优策略为第3个策略。
[0086]
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所做的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。