轻型远程火箭武器系统智能决策分析

"这篇博士学位论文主要探讨了人工智能和机器学习在轻型远程多管火箭武器系统分析中的智能决策理论与应用。作者WU Xiao-yun在导师MADa-wei的指导下，于2005年在南京理工大学机械工程学院完成了这项研究。论文的核心内容涉及粗集理论、神经网络以及它们在决策分析中的融合应用。" 本文首先深入研究了粗集理论和神经网络的基础知识，阐述了粗集智能决策的理论基础，包括粗集约简选择的稳定性度量和ChiMerge算法的应用。同时，受到人类思维模式的启发，作者探讨了如何将粗集与神经网络相结合，构建智能混合系统，提出了一套基于这两种技术的智能决策建模步骤。 接着，论文提出了针对轻型远程多管火箭武器系统的改进方案，并进行了系统分析。为了评估这些方案的火力打击能力，作者引入了经济型相对毁伤能力指数，并在"0—1"指数法和ADC效能分析模型的基础上计算了各方案的系统效能。此外，还建立了一个参数-神经网络的效能模型，并通过实际火箭武器系统验证了其有效性。通过对各方案效能的敏感性分析，给出了改进的定性指导建议。 在成本估算方面，论文构建了灰色GM预测模型来估算不同方案的研发费用。同时，针对预测精度的需求，提出了粗集方法确定特征参数以及参数-粗神经网络的费用估算模型，这些模型的预测精度显著优于灰色GM模型及其累加残差模型。通过参数-粗神经网络模型预测了各方案的研发成本，比较了各方案的效益与成本比。 在风险分析部分，论文利用粗集理论结合知识工程和DELPHI方法识别并简化了风险因素。使用三角模糊数表示风险，结合模糊集理论和层次模型评估了各方案的风险等级。进一步，论文证明了风险分析符合系统工程思想，通过解释结构模型建立了方案风险的递阶结构分析。 这篇论文在军事装备的智能化决策支持方面做出了重要贡献，将人工智能和机器学习技术应用于武器系统分析，为复杂工程决策提供了科学的理论工具和实用方法。