0 引言[1,2]
人工智能，又称为机器智能或计算机智能，是一种由人工手段模仿的人造智能，其所包含的“智能”是一种人为制造的或由机器和计算机表现出来的智能，正逐渐获得广泛应用。C4ISR 是集指挥控制、预警探测、情报侦察、通信、武器控制和其他作战信息保障等功能为一体，用于军事信息的获取、处理、传递、决策支持和对部队实施指挥与控制以及战场管理的军事信息系统，它是信息化战争最基本的物质基础，是作战要素的“黏合剂”、作战效能的“倍增器”和作战指挥的“神经中枢”。本文简要地介绍人工智能技术在C4ISR 系统中的一些应用。 C4ISR 系统的研发过程是一个多周期更替、功能不断改进和进化的过程，支持C4ISR 不同阶段的仿真模型和系统必须具有多粒度和相关特性。重点是如何合理有效地利用系统仿真模型和系统相关性，提高仿真模型的可重用性和互操作性，使各种模拟应用不再支离破碎，互不相关。Hao Li 等人提出了基于统一建模仿真语言的重利用建模方法(UMSL)，研究了基于模型框架的重利用，基于组件模型的重利用，基于通用模型的重利用，基于统一仿真平台的重利用，介绍了目前在舰队C4ISR 系统中经常使用或发展的重利用建模技术。
[4]
Hongpeng Wen 等人研究了利用大数据提高战场态势感
知能力的基本方法，提出了战场态势感知的大数据结构建立在确定战场态势感知大数据表示维的基础上，定义了它们的内存粒度，区分了它们的更新频率并建立了它们的关联图。通过战前基本数据准备、动态数据采集、隐式数据挖掘，扩展了战场态势感知的大数据源，提出了有效利用战场态势感知大数据的途径，如广播通用作战视图、分区发布局部态势、直接推送先验数据、定制个性化数据等。
3 C4ISR 中一种基于本体的高层信息融合态势感
知集成方法[5]
共享态势感知被认为是C4ISR 系统(包括决策支持系统)的基本能力。由于快速变化的环境以及需要感知、分析和理解大量数据，目前信息和通信技术的演变进一步强调了这一点，需要采用适当的工具和技术来提高对情况的适当认识。SAW-CORE 本体把与情境感知相关的知识正式化，使操作人员能够提高良好的决策能力和发挥良好的表现。另一方面，JC3IEDM OWL 本体是一种数据模型，旨在提供不同C2系统之间的互操作性。在此背景下，María-Cruz Valiente 等人提出了利用映射的方法将 SAW-CORE 本体和JC3IEDM OWL 本体集成起来，为C4ISR 系统的态势感知提供高层次的信息融合。这使我们能够从
本体论的角度看待军事任务中具有推理能力的C4ISR 态势意识。因此，需要把SAW-CORE 核心结构集成到JC3IEDM OWL 本体结构中。
Key words : artificial intelligence; C4ISR; command and decision parallel simulation; high-level information fusion situational awareness integration; C4ISR architecture implementation; global reconnaissance strategy artificial bee colony algorithm
图、序列图等体系结构产品转换为单仿真模型和综合仿真模型。该方法还可以有效地重利用Simulink 库
中现有的仿真模块，以增强从体系结构生成Simulink 模型的能力。通过对生成的Simulink 模型的执行，可以将得到的仿真数据用于C4ISR 体系结构的验证和评估。
6 一种基于全局侦察策略的改进人工蜂算法[8]
人工蜂算法(ABC)是一种基于蜜蜂体觅食行为的体智能优化算法。然而，ABC 算法存在着早熟收敛、求解精度低等问题。而且，它很容易陷入局部最优状态。侦察蜜蜂开始随机寻食物来源，然后与其他蜜蜂分享花蜜信息。因此，Zhengxing Sun 等人提出了一种模拟侦察员智能寻猎行为的全局侦察寻猎优化算法。首先，在新的侦察搜索策略下，侦察员围绕指定的子空间进行全局侦察，有效地避免了过早收敛和局部最优。第二，侦察员利用有关全球侦察的探试信息，引导其他蜜蜂在附近进行搜索。蜜蜂之间的合作有助于提高优化性能和解决方案的精度。最后，采用预测和选择机制进一步修正了蜜蜂的搜索策略，因此提高了局部最优解的邻域的搜索性能。Zhengxing Sun 等人对52个典型的测试函数进行了实验，结果表明，该算法在避免过早收敛和提高解精度方面比其它几种ABC 算法和几种最先进的算法更为有效。此外，该算法也适用于优化高维空间的优化问题，取得了很好的效果。
Intelligent Systems Conference ,06 October 2018,pp 311-318.
[5]María-Cruz Valiente,Rebeca Machín,Elena García-Barriocanal1, &Miguel-Ángel Sicilia:An Ontology-Based Integrated Approach to Situation Awareness for High-Level Information Fusion in C4ISR[J].CAi
SE 2011: Advanced Information Systems Engineering Workshops pp 513-527.
[6]Lin Jianning,Jiang Jing, Sun Liyang,&Mao Shaojie:Re
search of Resource Selection Algorithm of Parallel Simulation System for Command Decisions Support Driven by Real-Time Intelligence[J].AsiaSim 2016, SCS AutumnSim 2016: Theory, Methodology, Tools and Applications for Modeling and Simulation of Complex Systems pp 419-430.
[7]Xiaokai Xia,Kaipeng Zhao,Luo Xu,&Chao Liu:To
Execute the C4ISR Architecture Based on DoDAF and Simulink[J].Asian Simulation Conference 2013 pp 25-36.
[8]W e i M a ,Z h e n g x i n g S u n ,J u n l o u L i ,
Mofei Song,&Xufeng Lang:An improved artificial bee colony algorithm based on the strategy of global reconnaissance[J].Soft Computing, December 2016,Volume 20,Issue 12, pp 4825–4857.
[6]张朝龙，江巨浪，江善和，李彦梅，纪娟娟，张兰芳.单片机
实例设计在“传感器与检测技术”课堂教学中的应用[J].安庆师范大学学报(自然科学版),2017,23(04):112-114.
[7]王云兴，邹小金，黄海军.任务驱动下的高职《传感器
与检测技术》课程教学改革探索[J].产业与科技论坛,2019,18(05):218-219.
（上接第138页）
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议