多机协同多目标攻击空战决策是一个随机、非线性、不确定过程，利用人工智能技术将决策问题进行智能化设计，并以贝叶斯网络、神经网络等为实现基础，以对付日趋严峻的不确定性和复杂性战场环境，是多机协同多目标攻击空战决策系统发展的必由之路。本书以人工智能技术为工具，主要从态势评估、威胁评估、单机多目标攻击决策、多机协同多目标攻击空战决策和机动决策五个方面对多机协同多目标攻击智能决策的方法展开研究。
在态势评估方法研究中，在分析了模糊理论与动态贝叶斯网络结合的理论基础，以及模糊理论实现态势评估事件检测和分群技术的基础上，提出采用离散模糊动态贝叶斯网络实现多机协同多目标攻击空战态势评估的方法。基于D-S证据理论与贝叶斯网络在态势评估中的应用优势存在争论，分析了模糊理论和D-S证据理论结合的理论基础，建立了态势评估的模糊D-S证据理论结构模型。在威胁评估方法的研究中，从超视距空战的角度出发构造空战优势函数，主要威胁因素增加了威胁行为事件和目标战役价值的影响；考虑到评估过程的主观性和不确定性，从动态的角度提出基于离散模糊动态贝叶斯方法的多机协同多目标攻击空战威胁评估模型，提出一种新的多机协同多目标攻击空战威胁评估方法，提高了威胁评估的准确性和适应性。在对单机多目标攻击决策方法研究中，利用模糊多属性决策的方法，研究超视距空战条件下的单机多目标攻击排序问题。在多机协同多目标攻击决策方法研究中，研究了协同优先权模型，考虑了空战效能优势指数，建立了大规模群机作战转化为小规模集团作战的分组决策模型，提出了基于LSRBF-SOFM组合神经网络的多机协同多目标攻击空战决策算法。最后研究了多机协同多目标攻击空战机动决策方法，分别建立了基于多级影响图对策的近距协同空战机动决策模型和基于多目标多级影响图对策的中远距空战多目标攻击机动决策模型。并针对多机协同空战是一个多Agent系统，各战机是单个Agent，并采用影响图分析多Agent的模型，将复杂的多机协同空战机动决策问题分解为若干子问题，以期实现在不确定空战环境下做出结果最佳的决策。
本书的使用对象主要是：从事人工智能技术研究应用、决策系统研究的人员以及院校有关专业的师生。
展开
