高斯云贝叶斯网络：空战态势评估的新方法

本文主要探讨了在现代空战中，态势评估作为一种关键的决策支持工具，其重要性日益凸显。由于空战环境的复杂性和瞬息万变，飞行员需要快速且准确地理解双方的战斗态势，以便做出最佳决策。当前的研究方法如多属性决策理论、Bayes推理、D-S证据论、专家系统和神经网络等，尽管各有优势，但在处理战场的不确定性、快速推理和随机性方面仍存在局限。 文章指出，传统的模糊贝叶斯网络结合了模糊集理论和贝叶斯网络的优点，能够处理一定程度的模糊性，但对于随机性解释不足。为克服这一问题，本文提出了一种创新的方法——基于高斯云贝叶斯网络的空战态势评估。高斯云模型作为一种双向认知模型，不仅能够处理模糊性，还能揭示模糊性与随机性之间的关系，通过模糊数学和概率论提供更合理的解释。它在知识表示上具有显著优势，并已被应用于多个学科领域。 高斯云贝叶斯网络与人类思维模式相似，是一种因果关联模型，能够将多元知识可视化，便于理解和推理。然而，传统的贝叶斯网络主要关注节点间的因果关系和条件相关关系，但在处理不确定性和复杂情境时可能不够灵活。本文作者蒙小飞、杜海文和封普文针对这一问题，构建了高斯云贝叶斯网络，旨在改进空战态势评估的模型，使其能够更好地适应战场的随机特性，从而提升飞行员的决策效率和作战效能。 通过仿真计算，该模型展示了在空战态势评估中的实际应用效果，能够为敌机态势提供评估值，并以概率形式给出敌机对我方的威胁等级。这种方法的引入，无疑为解决空战中的实时决策问题提供了一种新颖且实用的解决方案，有望在未来为空战指挥和控制带来显著的提升。