1、“.....基金国家自然科学基金面上基金资助项目。−考虑系统响应时间与防御效果两个因素，给出综合临界指标。当大于零时，表明构建分布式作战体系提升了系统的整体性能，在该阶段应先构建分布式作战体系，再进行传感器武器联合任务管理，反之降低了系统性能，因此无须构建分布式作战体系，可长战场区域较大的次仿真中，记录每次仿真的总体适应度值及武器传感器节点使用次数之和，并绘制两种管理方式对比散点图，如图所示。当战场区域范围较小时，作战单元之间的间距不大，因此作战单元完成任务时间相差并不明显，即使等待所有节点完成任务再进入下阶段也不会过大增加节点等待时间，因此设定阶段点优势并不明显。当战场区域范围较大时，作战单元完成任务的时间具有较大的差异，设定阶段点实时根据战场信息判断是否进入下阶段，因此其相比于无阶段点的情况会明显提升资源利用率......”。

2、“.....图设定阶段点与无阶段点仿真结果对比图结论本文研究了动态条件下的传感器武器联合任务管理方法。通过控制阶段有效任务调整规模设计了阶段门限，构建了防空作战的多阶段动态调整过程，相比传统任务管理方法更有效地利用了空闲作战资源。在阶段任务调整时，为了解决防御效果和系统响应时间的矛盾，提出了分仿真，每次仿真中两种管理方式打击方案适应度值对比情况如图所示，并统计仿真结果的平均值，如表所示。图分布式与集中式作战体系适应度值散点图综合图与表可以看出，由于目标作战节点数据带有随机性，所以每次的仿真结果在定范围内波动，但分布式体系最终打击方案的适应度值明显优于集中式，防御效果更好。分布式作战体系通过降低问题维度达到缩短算法求解时间的效果，使得算法在时已经收敛，解的质量更优，而且由于解空间较小，算法不易于陷入局部最优。而集中式体系解空间较大，算法找到最优解并收敛所需时间较长......”。

3、“.....算法还没有收敛却强制退出，输出当前最优解，解的质量难以保证。因此构建分布式作战体系可以明显提升系统性能。多阶段与无阶段点对比采用多阶段解决动态交战过程中作战节点的任务管理问题，将动态交战过程看成由若干个阶段组成，并设定个阶段门限值，根据有效的新目标数量多阶段传感器武器联合任务管理办法分析武器工业论文中式作战体系仿真对比图更般情况下临界指标值如表所示，采用最小乘法对值与问题规模进行曲线拟合，获得与武器数量传感器数量及目标数量之间的关系，如式所示，此式适用于本文研究背景下值与问题规模的对应关系。在动态任务管理中，进入下阶段后，根据当前问题规模计算值，判断是否构建分布式体系。多阶段传感器武器联合任务管理办法分析武器工业论文。步骤粒子与其个体最优进行交叉操作。步骤粒子进行变异操作。步骤计算下代粒子的适应度值，更新粒子所经历的个体最优与种群全局最优......”。

4、“.....若达到，则终止算法跳出循环，输出最优解，否则，返回步骤，算法终止条件为到达最大迭代次数或若干次迭代中种群最优个体保持不变。若根据综合临界指标选择不构建分布式作战体系，则指挥控制中心直接根据上述模型生成所有作战节点的任务，即所有节点组成个作战组合。仿真实验能产生的毁伤效能。利用差分进化算法来求得个可行的分布式体系次级作战组合划分方案。关于分布式体系构建的更具体信息可参见文献。−考虑系统响应时间与防御效果两个因素，给出综合临界指标。当大于零时，表明构建分布式作战体系提升了系统的整体性能，在该阶段应先构建分布式作战体系，再进行传感器武器联合任务管理，反之降低了系统性能，因此无须构建分布式作战体系，可直接进行联合任务管理。如前所述，与主要与系统进行阶段任务管理规模相关，为使系统在多阶段任务管理过程中能够根据规模大小，对当前阶段是否构建分布式作战体系做出合理判断......”。

5、“.....选取几种问题规模分别在集中和分布式条件下进行仿真，计算值，进而拟合出值与问题规模的对应曲线。针对种问题规模情形战单元组合。为简化问题研究，假设来袭目标都是以匀速直线运动飞向我方唯的被保护单位，根据目标当前位臵可确定目标轨迹。根据目标横坐标纵坐标及高度构建目标信息矩阵。式中，来袭目标共有个，分别表示目标的横坐标纵坐标及高度。为防止目标由于坐标过大或过小产生聚类结果，对每个坐标分别进行归化处理。根据归化的目标信息矩阵，采用式计算目标之间的差异度。其中，为非负整数，表示目标与目标的距离，其值越小，表征两目标间差异越小，轨迹越相近，反之，表征两目标差异较大。采用算法对目标进行聚类，将所有目标划分为个目标群......”。

6、“.....得到与目标组合对应的个次级作战多阶段联合任务管理流程传统任务管理方法必须等待当前所有节点完成任务后才可进行下轮分配。这类方法在节点完成任务时间相近或战场范围不大的情形下可行。而随着战场区域的扩大，作战节点位臵分布差异较大，导致不同节点完成任务的时间相差很大。因此传统任务管理方法会使优先完成任务的节点持续处于等待状态，因而降低了资源利用率，整体防御效果无法达到较优。在多阶段任务管理中，进行火力打击和评估的同时不断更新目标武器和传感器的状态信息，并根据它们的状态信息决定是否进入新的作战阶段，在进入新阶段后对任务进行快速调整，这过程重复直至所有目标飞离战场区域或被击毁。相比传统任务管理方法，多阶段任务管理的优势在于更好地利用了空闲作战资源，对动态环境更具灵活性。另外，为了保证阶段内任务调整的时效性......”。

7、“.....分布式作战体系通过在作战节点的实际物算法。算法根据目标当前位臵轨迹及武器分布情况等信息，确定每个目标的截止期，系统根据目标截止期的先后，依次为每个目标分配武器。算法快速产生个初始解，随着算法计算时间的增大，解的质量也随之增大，算法可以在任意时刻终止输出当前最优解，但付出更多时间的代价换来解的质量稍有增大是否有意义。因此，等引入解的效用概念，根据解的质量增长前景，新目标的到来情况和当前时间相对于截止期的大小来计算算法的停止时间。徐克虎等结合分队地面作战特点，采用随局势动态变化的算法应对战场上的紧急情况从而提升系统的整体作战效能。除此之外，些学者还提出其他优化算法解决动态任务管理。王邑等将机器学习应用到动态任务管理问题中，进行辅助战场决策，通过已知的些决策推理出战场局势发生变化时的新决策，从而缩短系统响应时间，但此种方法仅适用于战场局势没有增大是否有意义。因此......”。

8、“.....根据解的质量增长前景，新目标的到来情况和当前时间相对于截止期的大小来计算算法的停止时间。徐克虎等结合分队地面作战特点，采用随局势动态变化的算法应对战场上的紧急情况从而提升系统的整体作战效能。除此之外，些学者还提出其他优化算法解决动态任务管理。王邑等将机器学习应用到动态任务管理问题中，进行辅助战场决策，通过已知的些决策推理出战场局势发生变化时的新决策，从而缩短系统响应时间，但此种方法仅适用于战场局势没有剧烈变化的情形中。提出时间窗的概念，在进行武器任务管理的同时为其确定发射时机，考虑时间约束与资源约束，并采用混合遗传算法对其求解。何富贵等提出了在优先级数量有限的条件下的动态调度算法，给出个任务系统动态调度所需的最小优先级数量的算法，并对算法的复杂性进行了分析。梁少帅等以事件驱动管理的优势在于更好地利用了空闲作战资源，对动态环境更具灵活性。另外......”。

9、“.....可选择性地构建分布式作战体系实现作战效能的提升。分布式作战体系通过在作战节点的实际物理拓扑上构建如图所示的虚拟拓扑结构，实现对作战节点的分层分级管理，不同次级组合之间相互独立，以期减小指挥控制中心的任务管理量，缩短任务调整的反应时间以及提高作战效能。在实际战场中，目标通常具有典型的集群特点，它们具有相似的位臵轨迹及进攻目标，利用态势信息可对这些目标进行集群划分，得到若干目标组合。指挥控制中心基于此划分构建分布式作战体系，将若干作战单元联合为个次级作战组合，并为每个目标组合指派个次级作战组合。次级作战组合中选择个有能力的节点作为信息融合及管理中心，即次级指挥中心。组合内的传感节点将目标探测信息传至次级指挥中心融合后提供给需要目标指引的武器节点。因此后果为每个目标组合分配作战资源，得到与目标组合对应的个次级作战组合，构建分布式作战体系......”。