CPSO 優化參數的戰斗機空戰效能MELM 評估模型

魏燕明，甘旭升，程毅東，吳依涵，李勝厚

（1.西京學院，西安 710123；2.空軍工程大學空管領航學院，西安 710051）

0 引言

空戰效能評估是指在空戰環境下從不同層面去定性定量綜合描述作戰飛機的空戰效能。它在戰斗機研制采購、敵我雙方作戰實力對比、作戰預案想定等方面都有廣泛的應用。

在諸多的空戰效能評估研究中，龔勝科等基于現代空戰模式構建了空戰效能評估指標體系，并采用粗糙集方法對評估指標進行客觀賦權，進而完成空戰效能評估。汪澤輝等基于貝葉斯網絡的概率推理過程，構建了空戰效能評估模型，為現代空戰決策提供了一種較為獨特的評估手段。劉帥等基于既有的評估指標體系采用神經網絡對空戰效能進行評估，以降低傳統方法的主觀性影響。劉凌等以支持向量機為基礎構造了多級分類器，并將之訓練成空戰效能評估模型，從而為空戰效能的智能評估提供了新的解決方案。以上評估方法都各有優點，但或多或少在參數優化、魯棒特性、預測精度等方面存在不足。本文主要圍繞極限學習機（extreme learning machine，ELM）在空戰效能評估中的應用展開研究。

ELM 是一種特殊形式的前饋神經網絡。它通過隨機方式選擇隱含層節點，也無需大量迭代運算，并直接以解析方式確定輸出層權值，其學習效率和泛化能力較之傳統神經網絡具有優勢。需要說明的是，與傳統神經網絡類似，ELM 同樣也遵循經驗風險最小化準則，這會導致出現如下問題：1）對樣本中的粗差抗干擾能力較差；……