本文提出了一种面向集群对抗的多弹协同目标分配方法。首先，将每个导弹与每个目标进行两两组合，利用比例导引法，对各组合情况下的弹目遭遇效果进行仿真，得到弹目遭遇时的末速度差。然后，以分配方案末速度差之和最大为优化目标，以给定分配均匀度为约束条件，将该问题转化为带约束的非平衡任务分配问题，并利用0-1线性规划方法进行优化求解。优化求解时，对于最优分配方案进行轨迹交叉判断，若出现交叉，则对其中一条轨迹进行惩罚，重新优化，直到得到满足要求的最优化分配方案。仿真结果表明，该方法可在较短的时间内获得集群对抗的优化分配方案，能够有效完成对目标的集群打击任务。

弹载电子系统对高速弱小目标信息及时准确处理能力是导弹锁定目标、成功实施打击的关键因素之一，平台计算资源是保障弹载电子系统实现目标信息处理的核心资源。提出一种用于高速弱小目标智能处理的GPU+FPGA混合异构计算资源平台架构，利用GPU并行处理和内嵌AI协处理以及FPGA可编程扩展能力，支撑基于神经网络算法的目标信息智能处理与软件实现。同时该架构的标准化通用性设计可满足按需定制、功能扩展、灵活配置需求。测试结果表明该架构能满足弹载电子系统实时处理和灵活性需求。

针对快速搜索随机树（rapidly-exploring random tree，RRT）路径规划算法存在的随机性大、搜索效率低等问题，结合强化学习可根据先验知识选择策略的特点，提出了一种基于深度Q网络（deep Q-network， DQN）的改进RRT优化算法。首先设计复数域变步长的避障策略，并建立RRT算法中随机树生长的马尔科夫决策过程（Markov decision process， MDP）模型；然后将避障策略和MDP模型接入RRT-Connect算法的接口，并设计训练和路径规划的具体流程；最后在MATLAB软件平台上进行仿真实验。仿真结果表明，改进后的基于深度Q网络的RRT-Connect算法（DQN-RRT-C）在快速性和搜索效率上有显著提高。

在空空导弹拦截大规模集群的场景中，由于集中式算法求解大规模任务分配问题的性能面临通信能力和实时性的限制，研究使用分布式算法求解任务分配问题具有重要的现实意义。以偏好联盟博弈模型为基础，设计了分布式导弹集群任务分配模型，并使用博弈学习算法中的空间自适应博弈（spatial adaptive play， SAP）算法求解最优分配方案。与集中式算法的仿真对比实验表明，本文设计的基于偏好联盟博弈的分布式任务分配模型可以在分布式框架下求解带约束的任务分配问题，并具有较好的优化性能和收敛效率。

可回收运载火箭的着陆制导需要严格保证着陆位置、速度精度，并尽量减小燃料消耗。基于最优控制的着陆制导方法需要依赖火箭精确模型，不具有对模型偏差的泛化能力。针对此问题，本文基于强化学习方法，通过不基于模型的交互采样，训练了神经网络形式的火箭着陆制导策略。首先，建立火箭着陆制导问题的马尔可夫决策过程模型，根据终端约束和燃料消耗指标设计了分阶段奖励函数；然后，在此基础上设计了多层感知机制导策略网络，并使用不基于模型的邻近策略优化算法，通过与火箭着陆制导马尔可夫决策过程的交互采样，实现对制导策略网络的迭代优化；最后，在可回收运载火箭着陆段仿真场景下对制导策略进行验证。仿真结果表明，本文提出的强化学习着陆制导策略能够保证火箭的着陆精度、燃料消耗与最优解相近，且能够泛化至火箭模型参数存在偏差的工况。

微弱目标群检测是目标检测领域中的难点，随着传感技术发展使得基于多模态数据融合的目标检测方法成为可能。传统的方法常常关注于人工设计的多模态数据融合层面，一般采用信号级及决策级的融合，无法充分利用多模态内在融合特征。为此，为了充分利用深度卷积网络的内在多模态特征表达能力，提出一种端到端多模态数据学习融合网络，能够融合学习可见光、红外和多普勒脉冲雷达数据。在FLIR_ADAS数据集上验证算法识别微弱目标群的性能，实验结果表明本文算法能够显著提高微弱目标群检测性能。

从军事战略、作战理论和战场运用层面总结了美军“马赛克战”作战概念构想具有指向性明确、继承性鲜明、创新性突出等特点，归纳了其作战概念构想可能对我军作战体系对抗、重要目标防护、制电磁权夺取以及战争突发性等方面产生影响，在此基础上，从作战理论、力量建设、装备发展、战法运用等方面提出了应对美军“马赛克战”挑战的对策建议。

针对多枚空空导弹攻击多架飞机的作战场景，研究集群协同的多目标任务分配，实现对多架飞机的拦截。针对战场环境高动态、高复杂性的特点，采取基于灰狼优化算法（grey wolf optimization， GWO）的实时任务分配方案。为解决灰狼优化算法容易陷入局部最优、易早熟的问题，提出了两方面的改进策略：一是优化种群，以佳点集理论来增强种群遍历性；二是改进算法，以禁忌搜索更新头狼位置来提高算法的全局搜索能力，使其更易跳出局部最优区域，并采用自适应调整策略来加快算法的收敛速度。最后，对两组由异构导弹组成的导弹群进行多目标任务分配的仿真实验，实验结果验证了算法的可行性和优越性，满足实时动态任务分配的要求。

针对未来无人化、智能化、体系化的作战环境，介绍马赛克战概念的提出背景，指出其与观察-调整-决策-执行（Observe-Orient-Decide-Act，OODA）循环理论、决策中心思想的联系，分析马赛克战的核心理念以及在作战层面和体系建设层面的运用思路。从网络化信息共享、通信的指挥控制和智能化混合型决策等方面出发，总结支撑马赛克部队智能化作战的关键技术，结合马赛克战在作战隐蔽性、灵活性等方面的优势和在通信传输、指挥控制、后勤保障等方面的不足，以延迟和阻断马赛克战的OODA快速闭环为目的，从电磁频谱对抗、智能算法博弈和“以群制群”等方面提出马赛克战的应对策略。

利用AUTODYN软件开展数值模拟，采用“升-降”法计算10 g钨合金球形破片撞击起爆由6 mm/9 mm厚45钢盖板屏蔽的B炸药所需的起爆速度阈值，并根据Richard M. Lloyd和Jacobs-Roslund撞击起爆屏蔽炸药模型方程进行了相同弹靶条件下的工程计算。结果表明，10 g钨合金球形破片撞击起爆6 mm/9 mm厚45钢盖板屏蔽的B炸药所需的速度阈值分别为2 100 m/s和2 200 m/s，且根据Jacobs-Roslund模型方程得到的计算结果与数值模拟结果更为相符。本文结论可为反导战斗部威力设计和威力评估提供依据。

针对滑翔飞行器气动外形与轨迹一体化设计优化问题，提出一种基于序列代理优化的有效设计优化方法。为了获得滑翔飞行器的气动特性参数，提出了一种气动外形参数化建模方法，并基于非结构三角形面元法和流线追踪技术实现了粘性气动系数的计算。为了获得给定气动外形方案下的最大航程，采用自适应Legendre-Gauss-Radau伪谱法进行了求解。为了提升气动外形与轨迹一体化设计优化的效率，提出了一种基于Kriging代理模型的多采样点高效全局优化算法，并进行了数值校验。计算结果表明：该算法能够有效求解多约束条件下的滑翔飞行器气动外形与轨迹一体化设计优化问题，且相比于传统算法可显著降低耗时学科分析的计算次数。

针对抑制高马赫数飞行器纵向模型中的不确定性和外干扰并提高收敛速度，设计一种基于干扰观测器的滑模控制律。首先，给出了高马赫数飞行器的纵向模型，并经过模型转化得到了状态空间形式。然后，针对转化后的模型，提出了一种改进趋近律，设计基于干扰观测器的滑模控制律，并通过Lyapunov定理严格证明了闭环系统的稳定性。最后，通过仿真验证了基于干扰观测器的滑模控制器是有效的，并且具有良好的鲁棒性能。

本文研究了具有通信带宽约束的多传感器网络系统的多速率状态分布融合估计。对于多速率采样数据系统，提出了一种新的扩充方法，将多速率采样数据系统转换为单速率系统。首先，为了满足有限的通信带宽，采用降维策略只允许局部估计信号的部分分量发送到融合中心（fusion center， FC），同时给出了一种补偿策略来补偿每个分量的未发送分量。然后，对于由多速率传感器产生的局部状态估计，借助顺序快速协方差交叉（sequential fast covariance intersection， SFCI）方法，提出了一种新的融合估计方法。最后，提供了一个对导航系统定位追踪的仿真实例，验证所提出的分布式融合估计方法的有效性。

太空作为人类活动的新疆域，正面临地外小行星、空间碎片、军事对抗等威胁，太空安全关系着全人类共同利益。围绕太空安全形势，从空间维度和应用维度提出了太空安全的定义与范畴，并从自然威胁和人为威胁着手，分析了太空安全的发展现状与趋势，以及小行星防御、空间碎片清理、外空军控等重要问题产生的挑战。最后，从外交、法律、技术、文化等方面，提出了国际太空安全治理的4点建议。

随着作战概念的不断变化和技术推动的作用，以空天技术、新概念武器、人工智能、信息网络等为核心的高新技术迅猛发展及其在军事领域的广泛运用，使得空中战争形貌形态、作战模式和对抗环境产生了历史性的变革。对手空战能力的不断提高、作战环境的不断变化和我国新型飞机平台的研制，均对我国新型机载武器研制提出了更高的要求。因此，从空战发展体系出发，结合美国等军事强国空中作战概念及装备发展动态，梳理未来空战对抗环境特点及其作战模式，同时对未来空战概念做出研判与建议，为我国未来空战作战模式研究和新型机载武器装备研究提供参考。

主要介绍了美军武器装备作战需求生成机制，对比分析了我国在武器装备作战需求生成机制方面的问题，运用系统工程化的思想对武器装备作战需求生成问题进行了探讨，对我国建立装备需求生成机制提出启示建议。