CN110011851A - 一种指挥控制网中指挥节点最优覆盖布置方法 - Google Patents
一种指挥控制网中指挥节点最优覆盖布置方法 Download PDFInfo
- Publication number
- CN110011851A CN110011851A CN201910286116.9A CN201910286116A CN110011851A CN 110011851 A CN110011851 A CN 110011851A CN 201910286116 A CN201910286116 A CN 201910286116A CN 110011851 A CN110011851 A CN 110011851A
- Authority
- CN
- China
- Prior art keywords
- node
- command
- index
- betweenness
- influence power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
- H04L41/083—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for increasing network speed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/123—Evaluation of link metrics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/124—Shortest path evaluation using a combination of metrics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/02—Topology update or discovery
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种指挥控制网中指挥节点最优覆盖布置方法,所述方法包括以下步骤:对第一类指标进行模糊分析,计算各节点的归一化评价值τ,所述第一类指标包括信息获取能力、决策能力和地理环境;使用熵权法综合分析第二类指标,计算其中各指标的权值ωj以及各节点分值Si,所述第二类指标包括通信距离、信息传输效率、指挥节点影响力和节点介数,所述节点分值计算公式为自定义设置局部调节的启动阈值;比较判断各节点介数与启动阈值的大小关系,当节点介数不小于启动阈值时则进行局部调节并进行局部最优化计算,否则进行全局最优化计算。
Description
技术领域
本发明涉及一种指挥控制网中指挥节点最优覆盖布置方法,属于指挥控制作战网络技术领域。
背景技术
指挥控制网络是各种分散的传感器、指挥控制中心和火力系统等作战单元统一的信息网络体系,网络中的各个节点能够共享作战资源、协同作战指挥。现代战争中,特别是在信息化、网络化的战场环境下,作为军事信息载体的通信网络可以将分散在空间、空中、海上和陆地的各类侦察监视系统、情报处理系统、指控系统、火打系统连成一体,实现战场各要素之间的不间断通信。面对未来不确定的国际战场环境,现代战争对信息的载体——军事作战网络的要求越来越高,军事通信网络效能评估是判断它能否满足作战需求或者满足作战需求程度的一项有效途径。
军事通信网络效能是指在作战环境中,通信网络能够在正确时间,将正确信息送到正确地点的正确人员手中的能力。由于军事通信网络节点的异质性、链路的多重性、演化的时变性和数据的复杂性以及军事通信网络效能评估方法的非一致性等特点,使得面对信息化条件下的不确定战场需求时,仅基于现有评估数据进行聚合难以准确判断通信备选方案的最优性,造成了方案优选决策判断的不确定性。
大面积网络只靠一个指挥节点显然不够,在设置指挥节点时,选择合适的网络位置及个数,将影响网络的作战能力;同时,实际网络还有个重要的特性:增长特性,指其网络所包含的节点数目并不是固定不变的,而是随着时间动态增长,即可能会有新的火力节点或侦察节点加入,而在这些问题上,现有研究鲜有解决方案;并且由于真实作战网络中的节点度呈幂律分布,节点分布不均,要在大范围内实现指挥节点最优覆盖不大现实。
发明内容
本发明提供一种指挥控制网中指挥节点最优覆盖布置方法,本发明提出了局部最优,进而达到全局最优的方法,引入节点介数并将节点介数作为局部调节的启动阈值,根据启动阈值启停局部调节,某节点的介数越大,则代表此节点附近的网络密集度越大。通过实现指挥节点的最优覆盖,用最少的资源,达到最大的网络效能,不仅节约战斗资源和算法运算量,还能适应实际网络的增长特性。
本发明的技术方案第一方面为一种指挥控制网中指挥节点最优覆盖布置方法,所述方法包括以下步骤:
对第一类指标进行模糊分析,计算各节点的归一化评价值τ,所述第一类指标包括信息获取能力、决策能力和地理环境;
使用熵权法综合分析第二类指标,计算其中各指标的权值ωj以及各节点分值Si,所述第二类指标包括通信距离、信息传输效率、指挥节点影响力和节点介数,所述节点分值计算公式为(Xj为各指标的数值);
自定义设置局部调节的启动阈值;
比较判断各节点介数与启动阈值的大小关系,当节点介数不小于启动阈值时则进行局部调节并进行局部最优化计算,否则进行全局最优化计算。
进一步,所述局部最优化计算具体包括:
将节点介数不小于启动阈值的节点进行排序,对这些节点建立并计算约束条件。
进一步,所述约束条件所使用的指标包括通信距离、指挥节点影响力和节点介数。
进一步,第一类指标中各指标的定义如下:
信息获取能力:由探测范围f1、探测精度f2、探测频率f3来评估,并用模糊数度量;
决策能力:决策水平f4,由模糊数评估;
节点地理环境:机动性f5,地形攻防能力f6,植被覆盖量f7,交通运输力f8,气候适宜度f9。
进一步,第二类指标中各指标的定义如下:
通信距离:用平均路径长度D度量,其中,
(N为网络总节点数,Lij为任意节点i,与指挥节点j之间的径长);
信息传输效率:由侦察节点Li到指挥节点Cj再到作战节点的最短径Bij作为传输效率ω;
指挥节点影响力:由NCi度量,作为局部最优化算法的约束条件,
其中,x是节点到其他指挥节点(启动局部调节后的)之间独立路径的数目,J(t)是这些路径的跳数;同时,将最大与最小影响力之差,作为约束条件出现在局部调节中,做到影响力均衡;
节点介数Gi:用以反映指挥节点在(局部)网络的影响力,其中,
其中,Pm,n为节点m,n之间的最短路径数,gm,n为Pm,n中经过节点i的最短路径数。
本发明的技术方案第二方面为一种计算机装置,包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面的方法。
本发明的技术方案第三方面为一种计算机可读存储介质,其上储存有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面的方法。
本发明的有益效果为:
全局最优在大规模网络中难以实现,由于网络的指挥影响力分配存在不均匀的情况,通过将节点介数作为启动局部调节的启动阈值,超过时,启动局部最优化,否则进行全局最优化计算,进而得到指挥节点最优覆盖。
使用节点到所有指挥节点的跳数倒数之和度量指挥节点的影响力,并通过限制最大指挥节点影响力与最小指挥节点影响力的差值到足够小,就能做到指挥节点的影响力均衡。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1所示为根据本发明的实施例的方法流程图;
图2所示为根据本发明的实施例的一种网络模型示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
根据本发明技术方案,定义第一类指标和第二类指标,其中第一类指标包括信息获取能力、决策能力和地理环境,第二类指标包括通信距离、信息传输效率、指挥节点影响力和节点介数;各指标具体定义如下:
信息获取能力:由探测范围f1、探测精度f2、探测频率f3来评估,并用模糊数度量。
决策能力:决策水平f4,由模糊数评估。
节点地理环境:机动性f5,地形攻防能力f6,植被覆盖量f7,交通运输力f8,气候适宜度f9。
通信距离:用平均路径长度D度量,其中,
(N为网络总节点数,lij为任意节点i,与指挥节点j之间的径长)。
信息传输效率:由侦察节点Li到指挥节点Cj再到作战节点的最短径Bij作为传输效率ω。
指挥节点影响力:由NCi度量,作为局部最优化算法的约束条件,
其中,x是节点到其他指挥节点(启动局部调节后的)之间独立路径的数目,J(t)是这些路径的跳数;同时,将最大与最小影响力之差,作为约束条件出现在局部调节中,做到影响力均衡。
节点介数Gi:用以反映指挥节点在(局部)网络的影响力,其中,
其中,Pm,n为节点m,n之间的最短路径数,gm,n为Pm,n中经过节点i的最短路径数。
参考图1,本发明的指挥控制网中指挥节点最优覆盖布置方法,包括如下步骤:
Step1:对第一类指标的各项指标使用模糊分析法,最终得到各节点归一化评价值τ;
Step2:使用熵权法综合第二类指标的各项指标,可得各指标的权值Wj及各节点的综合分值(Xj为各指标数值),并将各节点分值排序,可得综合分值排序(S1,S2,......Si),i为不同的节点,设目标方程:
Step3:全局最优在大规模网络中难以实现,由于网络的指挥影响力分配存在不均匀的情况,可将节点介数Gi=ρ作为启动局部调节的阈值;将序列(S1,S2,......Si)中的节点根据节点介数Gi进行排序,Gi≥ρ的节点进行局部调节,进而得到指挥节点最优覆盖。
Step4:对Step3选出的Gi≥ρ的节点序列根据目标方程maxf(S1,S2,......Si)进行局部最优化计算,每个Si代表一个指挥节点,根据这些指挥节点的三项指标(包括通信距离、指挥节点影响力和节点介数),建立约束条件如下:
为了更直观表现局部最优方法,以简化的无标度网络模型作为对象(参考图2所示的较高密集度的局部网络),说明实现过程。
1)由上述步骤Step1和Step2可求得如图2中黑色节点V1~V6为综合分值Si较高的6个备选指挥节点。
2)根据图2的网络,由步骤Step3的阈值ρ,可划分为V1~V3所在的局部网络E1,V5~V6所在的局部网络E2,再分别进行最优化计算。
E1的目标方程:maxf(S1,S2,S3),Si=(X1,X2,X3,X4),i=1,2,3;E2的目标方程:maxf(S5,S6),Si=(X1,X2,X3,X4),i=5,6;下面求约束条件。
3)约束条件中使用到三项指标,X1为最小通信距离,X2为最大通信距离,X3为最大与最小影响力之差(用于实现影响力均衡),X4为节点介数。根据约束条件的定义,
其中,δ和ε的可根据实际情况而定,在图2所示的网络中,设ε为六个节点中X4的平均值;
使用节点到所有指挥节点的跳数倒数之和NCi度量指挥节点的影响力,并通过限制NCmax-NCmin的值到足够小,就能做到指挥节点的影响力均衡。
4)最后根据计算得到的指挥节点局部最优分布:E1选择指挥节点V1,E2选择指挥节点V5,以此达到网络效能最大化。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (7)
1.一种指挥控制网中指挥节点最优覆盖布置方法,其特征在于,所述方法包括以下步骤:
对第一类指标进行模糊分析,计算各节点的归一化评价值τ,所述第一类指标包括信息获取能力、决策能力和地理环境;
使用熵权法综合分析第二类指标,计算其中各指标的权值ωj以及各节点分值Si,所述第二类指标包括通信距离、信息传输效率、指挥节点影响力和节点介数,所述节点分值计算公式为(Xj为各指标的数值);
自定义设置局部调节的启动阈值;
比较判断各节点介数与启动阈值的大小关系,当节点介数不小于启动阈值时则进行局部调节并进行局部最优化计算,否则进行全局最优化计算。
2.根据权利要求1所述的指挥控制网中指挥节点最优覆盖布置方法,其特征在于,所述局部最优化计算具体包括:
将节点介数不小于启动阈值的节点进行排序,对这些节点建立并计算约束条件。
3.根据权利要求2所述的指挥控制网中指挥节点最优覆盖布置方法,其特征在于:所述约束条件所使用的指标包括通信距离、指挥节点影响力和节点介数。
4.根据权利要求1所述的指挥控制网中指挥节点最优覆盖布置方法,其特征在于,第一类指标中各指标的定义如下:
信息获取能力:由探测范围f1、探测精度f2、探测频率f3来评估,并用模糊数度量;
决策能力:决策水平f4,由模糊数评估;
节点地理环境:机动性f5,地形攻防能力f6,植被覆盖量f7,交通运输力f8,气候适宜度f9。
5.根据权利要求1所述的指挥控制网中指挥节点最优覆盖布置方法,其特征在于,第二类指标中各指标的定义如下:
通信距离:用平均路径长度D度量,其中,
(N为网络总节点数,lij为任意节点i,与指挥节点j之间的径长);
信息传输效率:由侦察节点Li到指挥节点Cj再到作战节点的最短径Bij作为传输效率ω;
指挥节点影响力:由NCi度量,作为局部最优化算法的约束条件,
其中,x是节点到其他指挥节点(启动局部调节后的)之间独立路径的数目,J(t)是这些路径的跳数;同时,将最大与最小影响力之差,作为约束条件出现在局部调节中,做到影响力均衡;
节点介数Gi:用以反映指挥节点在(局部)网络的影响力,其中,
其中,Pm,n为节点m,n之间的最短路径数,gm,n为Pm,n中经过节点i的最短路径数。
6.一种计算机装置,包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现如权利要求1-5任一项所述的方法。
7.一种计算机可读存储介质,其上储存有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910286116.9A CN110011851B (zh) | 2019-04-10 | 2019-04-10 | 一种指挥控制网中指挥节点最优覆盖布置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910286116.9A CN110011851B (zh) | 2019-04-10 | 2019-04-10 | 一种指挥控制网中指挥节点最优覆盖布置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110011851A true CN110011851A (zh) | 2019-07-12 |
CN110011851B CN110011851B (zh) | 2022-05-13 |
Family
ID=67170907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910286116.9A Active CN110011851B (zh) | 2019-04-10 | 2019-04-10 | 一种指挥控制网中指挥节点最优覆盖布置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110011851B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059948A (zh) * | 2019-04-10 | 2019-07-26 | 重庆邮电大学 | 一种ooda环的分层网络分析方法 |
CN113536699A (zh) * | 2021-09-16 | 2021-10-22 | 中国人民解放军国防科技大学 | 基于图论算法的作战环推荐方法、系统、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102868161A (zh) * | 2012-10-23 | 2013-01-09 | 四川大学 | 一种含分布式电源配电系统网络变结构优化方法 |
CN105389629A (zh) * | 2015-11-10 | 2016-03-09 | 国网四川省电力公司经济技术研究院 | 一种结合电网结构脆弱性的电网规划方法 |
US20160359726A1 (en) * | 2015-06-04 | 2016-12-08 | International Business Machines Corporation | Quantifying and designing optimal connecting networks |
CN107707412A (zh) * | 2017-11-08 | 2018-02-16 | 大连大学 | 基于多属性加权的指挥控制网络建模方法 |
CN108319779A (zh) * | 2018-02-01 | 2018-07-24 | 大连大学 | 基于m阶邻接矩阵的指挥控制网络级联失效模型建立方法 |
CN109379220A (zh) * | 2018-10-10 | 2019-02-22 | 太原理工大学 | 基于组合优化的复杂网络关键节点簇挖掘的方法 |
-
2019
- 2019-04-10 CN CN201910286116.9A patent/CN110011851B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102868161A (zh) * | 2012-10-23 | 2013-01-09 | 四川大学 | 一种含分布式电源配电系统网络变结构优化方法 |
US20160359726A1 (en) * | 2015-06-04 | 2016-12-08 | International Business Machines Corporation | Quantifying and designing optimal connecting networks |
CN105389629A (zh) * | 2015-11-10 | 2016-03-09 | 国网四川省电力公司经济技术研究院 | 一种结合电网结构脆弱性的电网规划方法 |
CN107707412A (zh) * | 2017-11-08 | 2018-02-16 | 大连大学 | 基于多属性加权的指挥控制网络建模方法 |
CN108319779A (zh) * | 2018-02-01 | 2018-07-24 | 大连大学 | 基于m阶邻接矩阵的指挥控制网络级联失效模型建立方法 |
CN109379220A (zh) * | 2018-10-10 | 2019-02-22 | 太原理工大学 | 基于组合优化的复杂网络关键节点簇挖掘的方法 |
Non-Patent Citations (2)
Title |
---|
LI JIANWEN等: "Multi-objective operation optimization of distribution network with DPVG high permeability", 《IEEE》 * |
李娜等: "基于DPSIR模型的城市配电网规划评价研究", 《电力学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059948A (zh) * | 2019-04-10 | 2019-07-26 | 重庆邮电大学 | 一种ooda环的分层网络分析方法 |
CN113536699A (zh) * | 2021-09-16 | 2021-10-22 | 中国人民解放军国防科技大学 | 基于图论算法的作战环推荐方法、系统、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110011851B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105550323B (zh) | 一种分布式数据库负载均衡预测方法和预测分析器 | |
CN108615122A (zh) | 一种防空反导体系作战能力评估方法 | |
US7788199B2 (en) | Method and apparatus for distributing assignments | |
US20110271822A1 (en) | Automatic Real Time Command and Control System | |
US20120000349A1 (en) | Assigning weapons to threats | |
RU2679213C2 (ru) | Способ и устройство для оптимизации плана распределения ресурсов | |
CN110011851A (zh) | 一种指挥控制网中指挥节点最优覆盖布置方法 | |
Stodola et al. | Model of optimal cooperative reconnaissance and its solution using metaheuristic methods | |
CN113220556A (zh) | 航空电子系统体系贡献率评估系统 | |
McKenna et al. | Approximate dynamic programming for the military inventory routing problem | |
CN113114399B (zh) | 基于生成对抗网络的三维频谱态势补全方法和装置 | |
EP2239533A1 (en) | Assigning weapons to threats | |
Karatas et al. | Solving a bi-objective unmanned aircraft system location-allocation problem | |
Bjorkman et al. | Test and evaluation resource allocation using uncertainty reduction | |
Gaowei et al. | Using multi-layer coding genetic algorithm to solve time-critical task assignment of heterogeneous UAV teaming | |
CN106851689B (zh) | 无线传感器及执行器网络中多因素任务分配方法 | |
Melnychenko et al. | A self-organized automated system to control unmanned aerial vehicles for object detection | |
Yayeh Munaye et al. | Hybrid deep learning‐based throughput analysis for UAV‐assisted cellular networks | |
Sun et al. | Evaluation of Unmanned Aerial Vehicles Cooperative Combat Effectiveness Based on Conditional Entropy Combination Weight Method | |
Liu et al. | AoI-aware UAV-enabled marine MEC networks with integrated sensing, computation, and communication | |
CN114626239B (zh) | 一种基于体系效能链的多属性综合评价方法 | |
Skorupka et al. | Optimisation of the choice of UAV intended to control the implementation of construction projects and works using the AHP method | |
CN117349587A (zh) | 基于模糊集与层次分析理论的空中目标毁伤概率预估方法 | |
Wang et al. | Research on the Operational Effectiveness Evaluation Method of Multi-information Oriented Weaponry System | |
Nektarios et al. | Copernicus Sentinels for Urban Planning in Russia: The SEN4RUS Project |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |