基于深度学习的作战任务分配方法研究

扫码查看

原文链接

万方数据
维普

中文摘要：针对战时作战任务分配时效性要求高,而传统随机搜索方法受算法收敛速度和问题规模的制约求解速度慢的问题,提出一种基于深度学习的求解方法.将作战任务分配问题转化为"多标签分类+回归拟合"的多任务学习问题,利用卷积神经网络构建深度学习模型.战前利用训练数据进行监督学习,实现对历史经验和作战任务分配模式的学习归纳;战时利用已训练模型根据实时态势进行动态分配,有效应对分配方案失效的情况.案例实验表明,模型及训练方法能够对任务模式进行归纳,但还需大量高质量训练数据和更长训练时间进行学习.

作者：

马悦、王尧、孙杰

展开 >

作者单位：

中国人民解放军31002 部队

国防大学研究生院

关键词：

作战任务分配多标签分类深度学习卷积神经网络回归拟合

出版年：

2024

DOI：

10.19949/j.ams.mora.20230404.02

军事运筹与评估

军事科学院军事运筹分析研究所

军事运筹与评估

CSTPCD

影响因子：0.315

ISSN：2097-1702

年,卷(期)：2024.39(1)

参考文献量25