本文献为外文文献的中文摘要页面，您获取的文献为外文文献，点击返回原页面
【摘要】军事，商业和政治决策者面临着有权影响环境状况的聪明竞争者或对手。这些决策者很少对其竞争对手或对手有任何直接控制或影响，必须说明这些对手将如何对自己的决定做出反应。此外，军事，商业和政治领域的竞争对手和对手将不断改变策略以实现其目标。通常，这些域中的数据嘈杂，不完整，并且由于对抗性策略转变而包含许多结构性中断或断点。需要一些方法来预测对抗行为和对决策者行为的反应。一旦决策者能够预期其对手的行为，决策者就需要工具来确定如何塑造其对手的反应并在环境中达到理想状态。决策者可以在考虑对抗性反应的同时实现其目标的工作。此过程不会尝试预测对抗行为，而是为决策者确定对破坏性对手尽可能强大的策略。预测和塑造对抗行为的过程建立在一个新颖的控制框架上：带有内部参考的多反馈回路控制器（MFLCIR）。通过分析MFLCIR的传递函数，确定了五种独特的整形（即控制）策略，发现了预期和整形过程中的局限性，并提出了克服这些局限性的策略。控制器规范减轻了这些限制，从而导致了噪声抑制，干扰抑制和减少了建模误差的影响。MFLCIR分为四个子任务，这些子任务可以在不规则战争和平叛领域中使用真实数据和可用数据运行。这些子任务和异构数据源的组合构成了用于预测和塑造对抗行为的混合体系结构。这种混合架构中的子任务是：意图，指标，预期模型和整形。混合体系结构的目标，算法和子任务链接是从MFLCIR的控制理论基础确定的。而其他信息融合和指挥与控制（C2）模型则基于直觉。当前对恐怖行为和国际冲突的预测工作的错误率约为50％。通过仿真显示，并通过MFLCIR进行了数学验证，使用混合体系结构的主动成形可以将预测误差提高70％。聪明和积极的对手有可能通过在被塑造的行为或环境状态中造成很大的偏差而极大地破坏塑造过程。可以调整混合体系结构以减轻这些后果，而无需依赖于可行的情报或事先了解对手的意图（如在混合建模中所要求的）。研究发现，通过保持稳定的塑形动作，由破坏性对手造成的这些影响可以减轻30％以上。;混合架构使用东南地区的真实外交，信息，军事和经济（DIME）数据进行了演示的数据来自2007年9月至2008年2月的阿富汗。此外，还使用了由SEAS-VIS（分析和模拟合成环境-虚拟国际系统）开发的政治，军事，经济，社会，信息和基础设施（PMESII）数据。从阿富汗的示威中可以发现，在不同省份同时进行和交替进行的战斗行动，减少了坎大哈省的某些对抗活动，同时提高了社会稳定性。
【作者】McKay, Shawn.；
【作者单位】Purdue University.;
【年(卷),期】2010(),
【年度】2010
【页码】224 p.
【总页数】224
【原文格式】PDF
【正文语种】eng
【中图分类】
【关键词】
