与能力。本文综合利用层次分析法分别对弹道导弹协同突防能力反导防御系统防御能力系统地建立评估指标体系。弹道导弹攻防对抗中各评估指标体系弹道导弹协同突防能力评估指标体系对于弹道导弹的协同突防，在确定突防导弹类型数量突防模式等基础上，需进步对导弹群体协同能力进行评估，评估过程中主要考虑导弹突防过程中的态势感知能力，指挥系统的指挥协同能力，导弹的火力组网打击协同能力。这些级指标也需继续细分为底层指标，表为多电光与控制，惠耀洛，南英，陈哨东，等对临近空间飞行器的多弹协同拦截策略研究弹箭与制导学报，郭齐胜，袁益民，郅志刚军事装备效能及其评估方法研究装甲兵工程学院学报，葛鲁亲，南英，谢如恒，孙旺模型在弹道导弹协同突防效能评估中的应用机械制造与自动化，。对突防能力与防御能力进行系统评估，需对其能力指标进行系统分析，即利用层次分析法建立导弹突防体系的突防能力效用值模型与标准反导防御体系的防御能力效用弹道导弹协同突防效能评估中模型的应用研究军用器材论文素神经网络从大量实例作战数据出发，综合考虑主客观因素，对作战效能做出精准评估。结语本文采用层次分析法建立了弹道导弹协同突防能力评估指标体系，提出了弹道导弹协同突防效能评估计算模型，并对比了层次分析法熵权法与神经网络法下的权重分配，进行了相应的效能评估计算。数值仿真算例表明，神经网络能够避免指标权重选取过程中不确定因素的影响，可精确地对弹道导弹协同突防效能进行评估。参考文献杨峰，王维平武毁能力等因素，无法完整顾及到作战双方的系统。指数模型评估法模型对指数取值很灵敏，但如何合理确定该系数成为难点。层次分析法将定性与定量的方法有机结合，具有系统直观和准确等特点。专家方法主要选取导弹效能些关键特征指标，专家根据自己的经验对各个指标进行打分，然后对不同意见集中处理。该方法主观因素影响较大，实行起来有定的操作难度。熵权法根据样本数据中各指标的无量纲数值组，可由熵权法得出弹道导弹反导防御系统的评估指标权重能。该方法避免了主观因素的不确定性和事物本身的绝对客观性，利用实时作战数据对弹道导弹协同突防效能进行评估。关键词神经网络军用器材协同突防层次分析法弹道导弹效能评估突防度引言弹道导弹突防效能指的是以导弹为主突单元的突防作战系统在突防过程中各个阶段面对的防御措施，应用突防系统中各种武器单元完成各种作战任务的有效程度。对突防效能进行评估，为导弹在作战过程中提供参考，有助于优化作战决策，是对作战指挥过程的有效保构建样本数据库，经过标准归化预处理之后，使指标用之间无量纲化值表示，用来训练网络，不同指标量化类型不同，对于量化值越小越好的指标可表示为式，对于量化值越大越好的指标可表示为式。公式共式中为无量纲化的值为指标量化值分别为指标量化的最大值最小值。个体的适应度计算，个体适应度函数是根据网络的实际输出与期望输出之差的误差平方和的倒数表示，具体过程为共式中表示第个个体在第个训能评估进行效能评估需确定指标权值，权值确定主要分为主观赋权法和客观赋权法。主观赋权法主要包括专家调查法项系数法环比评分法，该类方法更多反映了决策者主观信息，无法客观反映各指标真实情况客观赋权法主要包括主成分分析法熵权法均方差法多目标规划法，该类方法不能完整地顾及系统所有指标，而且并不能满足高精度实时解算的需求。优化后的神经网络，利用在网络的解空间找到较优的搜索空间，并搜索网络最优解，能够克服神数法环比评分法，该类方法更多反映了决策者主观信息，无法客观反映各指标真实情况客观赋权法主要包括主成分分析法熵权法均方差法多目标规划法，该类方法不能完整地顾及系统所有指标，而且并不能满足高精度实时解算的需求。优化后的神经网络，利用在网络的解空间找到较优的搜索空间，并搜索网络最优解，能够克服神经网络在复杂网络中过学习无法全局搜索局部收敛等问题。神经网络评估流程神经网络主要是分别对弹道导弹反何合理确定该系数成为难点。层次分析法将定性与定量的方法有机结合，具有系统直观和准确等特点。专家方法主要选取导弹效能些关键特征指标，专家根据自己的经验对各个指标进行打分，然后对不同意见集中处理。该方法主观因素影响较大，实行起来有定的操作难度。构建样本数据库，经过标准归化预处理之后，使指标用之间无量纲化值表示，用来训练网络，不同指标量化类型不同，对于量化值越小越好的指标可表示为式，对于量化值越大越好的指标可表示为协同突防效能进行评估。关键词神经网络军用器材协同突防层次分析法弹道导弹效能评估突防度引言弹道导弹突防效能指的是以导弹为主突单元的突防作战系统在突防过程中各个阶段面对的防御措施，应用突防系统中各种武器单元完成各种作战任务的有效程度。对突防效能进行评估，为导弹在作战过程中提供参考，有助于优化作战决策，是对作战指挥过程的有效保证，。目前对于突防效能的评估方法主要分为大类靶场物理实验法半物理仿真法和计算机仿真法弹道导弹协同突防效能评估中模型的应用研究军用器材论文网络在复杂网络中过学习无法全局搜索局部收敛等问题。神经网络评估流程神经网络主要是分别对弹道导弹反导防御系统的指标体系进行权值和阈值进行优化选取，应用训练好的网络最优权值与阈值进行效能评估，图为神经网络的效能评估流程。具体的评估流程为初始化网络权值阈值。将网络的权值和阈值抽象成组有序染色体，随机对染色体中的权值和阈值编码，染色体，其中为隐含层节点数为权值，为阈时采用轮盘式选择。神经网络的样本训练与测试针对神经网络，收集了组数据，从中随机选取组数据作为训练样本，剩下组数据作为测试样本。其中，输入指标都为无量纲化处理后的概率值。图为网络预测与实际测试样本之间误差。图网络的预测误差由图可知，测试样本输出量与网络仿真预测输出量之间误差很小，满足网络预测精度的需要。弹道导弹协同突防效能评估中模型的应用研究军用器材论文。神经网络的效协同空地攻击效能评估的综合指数模型火力与指挥控制，滕臣，李忠新层次分析法在步枪口径效能评估中的应用机械制造与自动化，张冉，杨小军，闫了了，等基于云模型和专家群体的系统效能评估方法电光与控制，惠耀洛，南英，陈哨东，等对临近空间飞行器的多弹协同拦截策略研究弹箭与制导学报，郭齐胜，袁益民，郅志刚军事装备效能及其评估方法研究装甲兵工程学院学报，葛鲁亲，南英，谢如恒，孙旺模型在弹道导弹协同突防效导防御系统的指标体系进行权值和阈值进行优化选取，应用训练好的网络最优权值与阈值进行效能评估，图为神经网络的效能评估流程。具体的评估流程为初始化网络权值阈值。将网络的权值和阈值抽象成组有序染色体，随机对染色体中的权值和阈值编码，染色体，其中为隐含层节点数为权值，为阈值。遗传算法中，设置最大迭代次数为，学习速率为，性能指标为，种群的规模设置为，交叉概率为，变异概率为，进式。公式共式中为无量纲化的值为指标量化值分别为指标量化的最大值最小值。个体的适应度计算，个体适应度函数是根据网络的实际输出与期望输出之差的误差平方和的倒数表示，具体过程为共式中表示第个个体在第个训练样本作用下第个输出节点下的输出为期望的输出。神经网络的效能评估进行效能评估需确定指标权值，权值确定主要分为主观赋权法和客观赋权法。主观赋权法主要包括专家调查法项。因为导弹发射成本高且步骤繁琐，前两者的方法不符合突防效能评估的发展，计算机仿真法着重建立数学模型和仿真模型的过程，代表着突防效能评估今后的发展方向。具体的突防效能评估方法分为评估法指数模型评估法层次分析法专家方法等方法。评估法效能评估的主要对象为相互对抗的武器，考虑的因素存在局限性，没有考虑到作战环境武器的机动性能摧毁能力等因素，无法完整顾及到作战双方的系统。指数模型评估法模型对指数取值很灵敏，但能评估中的应用机械制造与自动化，。摘要针对弹道导弹协同突防效能评估的问题，采用层次分析法建立弹道导弹协同突防能力评估指标体系，进步从突防能力与防御能力上建立了攻防体系之间的突防度模型，并给出了基于神经网络下的优化权重选取方法。仿真结果表明神经网络与层次分析法和熵权法相比，有着更好的泛化能力，更精确地反映实际作战效能。该方法避免了主观因素的不确定性和事物本身的绝对客观性，利用实时作战数据对弹道导弹道导弹协同突防效能评估中模型的应用研究军用器材论文神经网络法下的权重分配，进行了相应的效能评估计算。数值仿真算例表明，神经网络能够避免指标权重选取过程中不确定因素的影响，可精确地对弹道导弹协同突防效能进行评估。参考文献杨峰，王维平武器装备作战效能仿真与评估北京电子工业出版社，方洋旺，伍友利，方斌机载导弹武器系统作战效能评估北京国防工业出版社，潘高田，周电杰，王远立，等系统效能评估模型研究和应用装甲兵工程学院学报，董彦非，张旺，崔巍有人机无人枚弹道导弹突防能力评估指标体系。弹道导弹协同突防效能评估中模型的应用研究军用器材论文。熵权法根据样本数据中各指标的无量纲数值组，可由熵权法得出弹道导弹反导防御系统的评估指标权重分别为。神经网络神经网络的权值是根据样本训练得出，具体的弹道导弹反导防御系统的评估指标权重分别为。在权值和效能指标都给定的基础上，把相应的参值模型，具体的过程为公式公式公式公式式中为突防系统各个层级之间的关系为突防能力的直接相关量为的直接相关量为反导系统各个层级间的关系为反导防御能力的直接相关量为的直接相关量。弹道导弹协同突防效能评估指标体系弹道导弹协同突防效能评估指标体系有着较高的复杂度，不仅涉及弹道导弹的协同突防能力，更要考虑