目标分群是态势分析工作必不可少的重要环节,在信息化战争中,以信息技术为支撑的体系对抗为其带来了新的挑战。从作战体系的角度开展目标分群工作成为必然的发展趋势。作战体系中的目标分群问题是态势分析阶段目标分群工作的新问题,旨在根据作战目标的个体属性及其相互关系对敌方作战体系中的目标进行合理的群体划分,其目的是减轻指挥人员的认知压力,帮助他们从整体上全面、准确地掌握和理解敌方作战体系的组织构成情况。针对该问题,论文利用复杂网络社区探测方法对其展开研究,具体工作包括：1.对作战体系中的目标分群问题进行了深入分析与数学建模。详细阐述了作战体系中的目标分群问题,提出了作战体系中的目标分群流程,归纳出作战目标信息获取可能存在的八种情况和目标群体划分的两种不同方式。通过论述复杂网络社区探测与作战体系中目标分群的联系,确立了运用复杂网络社区探测方法求解作战体系中目标分群问题的研究思路,并且以复杂网络模型构建了敌方作战体系的网络描述模型,相应地,建立了作战体系中的目标分群数学模型。根据目标群体在敌方作战体系网络模型中的拓扑结构特征,确定以复杂网络模块度作为作战体系中的目标分群结果评价指标,从而建立了完整的问题求解方案。2.提出了作战目标个体属性充分情况下的目标独立群体划分方法,即层次分裂算法HSAPOTDG。针对作战目标不同类型的个体属性数据,将其分为数值型、本质描述型和程度描述型三类,设计了统一数据类型的方法,并且采用Min-max方法对其进行标准化。借鉴结构等价思想,将作战目标的个体属性及其相互关系融合在一起,利用两者共同计算作战目标的相似度。基于层次分裂思想,首先将所有作战目标视为一个完整的目标独立群体,依据它们彼此之间的相似度在敌方作战体系网络模型中每次删除相似度最小的两个作战目标之间的连边,计算由此形成的目标独立群体划分对应的复杂网络模块度以及各个目标独立群体中作战目际的相似度。重复执行以上步骤,当敌方作战体系网络模型中的连边被完全删除时,选择最大复杂网络模块度对应的目标独立群体划分作为最终结果。实验分析与案例分析结果表明HSAPOTDG算法具备较强的自主性和客观性；在军事应用中,其结果合理、有效。3.提出了作战目标个体属性缺失情况下的目标独立群体划分方法。将作战目标个体属性缺失情况下的目标独立群体划分问题归结为NP组合优化问题,以复杂网络模块度函数作为适应度函数和目标函数,设计出一种求解该问题的遗传算法GAPOTDG。为了规避字符串编码、基于图的编码方式等存在的不足,采用矩阵编码方式对个体进行编码,实现了传统的个体单点交叉,而且无需解码操作。利用作战目标在敌方作战网络模型中的拓扑结构相似性,结合传统聚类方法,设计出一种新的种群初始化算法PIOTNTS,其生成的初始个体同时具有一定精度和多样性,可以减小算法寻优空间、加速算法收敛。给出了个体基因质量的计算方法,通过互换交叉个体的最优基因实现个体单点交叉。针对个体交叉过程中可能出现的无效解,制定了相应的修正方案。随机拆分变异个体的最差基因或者将其与其它基因融合,从而实现个体非均匀变异。此外,采用μ+λ策略选择子代种群。实验分析与案例分析结果证明了GAPOTDG算法在步骤简洁程度、收敛速度以及求解精度等方面的优越性,同时也证明了它在军事应用中的有效性。4.提出了作战目标个体属性缺失情况下的目标重叠群体划分方法。以目标群体在敌方作战体系网络模型中的拓扑结构为基准,将作战目标分为目标群体内部、外部以及边界作战目标三类。指出一个具有显著群体结构特征的目标群体应该具备清晰的边界,通过说明清晰边界的内涵定义了目标群体的边界清晰度,同时也定义了目标群体的重叠率。在此基础上,为了求解该问题并且最大限度地降低算法设计难度,提出一种基于目标独立群体边界信息的算法POTOGBIDG。它基于作战目标的独立群体划分结果,通过计算各个目标独立群体中的各个边界作战目标对与之相连的其它目标独立群体边界清晰度的影响,判断它们是否可以同时属于多个目标独立群体,从而实现对作战目标的重叠群体划分。计算目标群体边界清晰度的公式中含有一个控制参数r,可以通过调节r的取值,灵活控制目标群体的重叠率,从而在一定程度上将目标独立群体之间可能存在的重叠作战目标按照不同层次剥离展现。实验分析与案例分析结果证明了POTOGBIDG算法在设计上的巧妙性,它简单可行,能够对作战目标进行合理而又灵活的重叠群体划分,同时在军事应用中也具有有效性。论文系统研究了作战体系中的目标分群问题,可以为后续作战体系中的目标分群研究和实践提供理论及方法上的支持与借鉴。