| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文的主要内容及结构安排 | 第13-15页 |
| 第二章 目标分配与火力分配的技术框架与支持模型 | 第15-31页 |
| 2.1 目标分配与火力分配技术框架 | 第15-18页 |
| 2.2 目标分配支持模型 | 第18-26页 |
| 2.2.1 空战Agent模型 | 第18-20页 |
| 2.2.2 空战结果计算的两步裁定模型 | 第20-26页 |
| 2.3 火力分配支持模型 | 第26-29页 |
| 2.3.1 空战威胁度模型 | 第26-28页 |
| 2.3.2 火力分配决策模型 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于Q-learning算法的目标分配 | 第31-40页 |
| 3.1 强化学习理论基础 | 第31-33页 |
| 3.1.1 强化学习概述 | 第31-32页 |
| 3.1.2 强化学习的基本要素 | 第32-33页 |
| 3.2 基于Q-learning算法的目标分配方法流程 | 第33-36页 |
| 3.2.1 Q-learning原理 | 第33-34页 |
| 3.2.2 探索和利用问题 | 第34页 |
| 3.2.3 方法流程 | 第34-36页 |
| 3.3 案例分析 | 第36-38页 |
| 3.4 算法效率的改进 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于智能优化算法的火力分配 | 第40-57页 |
| 4.1 基于蚁群算法的火力分配 | 第40-49页 |
| 4.1.1 蚁群算法基本原理 | 第40-43页 |
| 4.1.2 基于蚁群算法的火力分配求解 | 第43-46页 |
| 4.1.3 案例分析 | 第46-49页 |
| 4.2 基于遗传算法的火力分配 | 第49-55页 |
| 4.2.1 遗传算法基本原理 | 第49-51页 |
| 4.2.2 基于遗传算法的火力分配求解 | 第51-54页 |
| 4.2.3 案例分析 | 第54-55页 |
| 4.3 对比分析 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-58页 |
| 5.1 本文的主要贡献 | 第57页 |
| 5.2 进一步研究展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 作者在学期间取得的学术成果 | 第62页 |