The characteristics of edge computing make it have broad military application prospects.FL(Federated Learning)is introduced into edge computing.Considering the limited resources of IoT devices,FL accuracy and device energy consumption need to be taken into account.A framework combin-ing deep reinforcement learning,federated learning,and self attention mechanism(DRL-FLSL)is pro-posed to select devices and allocate resources to them,with the goal of balancing FL accuracy and device energy consumption.This framework introduces LSTM(Long Short Term Memory)to predict network state and adds a multi head self attention mechanism for more accurate information extraction.The simulation experimental results show that DRL-FLSL has super training effects and can effectively balance FL accu-racy and equipment energy consumption.
针对装备在役考核任务中部队适用性评估困难的问题,提出一种基于直觉模糊集的定量定性相结合的多属性评估方法.以卫星装备为研究对象建立部队适用性评估指标体系,划分指标评估等级.通过主客观赋权给出基于直觉模糊数的组合权重,建立直觉模糊评价矩阵,计算综合评估结果.通过实例仿真分析,验证了基于直觉模糊集的装备部队适用性评估方法的可行性和有效性.
战场车联网为车辆间通信协作提供基础平台,但车辆隐私安全、数据真实性等问题突显.针对上述问题,提出基于区块链及信任管理的战场车联网隐私保护协议.引入基站联盟链为通信提供安全分布式平台,引入信任值,一方面作为部分假名生成参数,保证假名安全性,并抵抗女巫攻击等;另一方面可判断信息可靠性,最终协议整体使用SM2 椭圆加密曲线,优化通信格式,降低计算复杂度、通信开销,为未来军用战场车辆协作奠定安全基础.
针对城市环境下无人机战场目标搜索问题,提出基于环境地图的搜索航路规划算法,解决了未知环境中无人机边感知边探测的航路规划问题.在环境地图的基础上,提出了一种矩阵计算的环境地图快速更新方法.以探测、感知奖励和障碍惩罚为搜索目标函数,提出基于模型预测控制的搜索航路规划方法,采用贪婪搜索进行优化求解.所提出的方法能够实现无人机在城市环境中安全高效地搜索目标,具有一定应用价值.
军事法律法规对战场军事行动意义重大,而查阅文本的方式已无法满足辅助决策需要,传统知识图谱三元组知识表达能力有限、层次性弱,难以适用于结构严谨、层次鲜明、语言精炼、语义丰富的军事法律法规.针对上述问题,设计了军事法律法规元知识网络构建的一般方法,将文档结构信息融入元知识网络,改善了传统知识图谱层次感不强、邻接关系弱化的缺陷,可对问答结果形成完整解释,从而更好地为指挥员提供军事决策辅助.
