随着各国经济实力和科技实例的不断增长,特别是近年来科技硬实力和软实力的飞速发展,国家的科技实力和人们的生活水平都得到了不小的提高。虽然社会不断进步和发展,但是可供人们使用的资源是有限的。在人们生活中,车辆越来越多而道路资源是有限的;在国家战备中,敌方目标的种类、数目越来越多,而我方的火力平台和装备是有限的。如何合理配置这些资源成为各国关注的焦点。通过对交通流和目标分配问题进行合理的预测和分配,可以设计一套合理和科学的辅助决策方案,对辅助指挥者决策有重要的理论和现实意义。本文就栈式自编码器解决交通流预测和目标分配问题进行研究,其主要解决的问题和创新点如下:(1)针对交通流预测中的交通流数据的高随机性使得栈式自编码器难以收敛和容易陷入局部最优的问题,本文设计了基于平衡指数平滑-栈式自编码器的交通流预测算法。该算法利用平衡指数平滑法对交通流数据进行平滑去噪处理。使用该算法分别对5分钟、15分钟、30分钟和45分钟的交通流进行预测,并设计的相关的对比实验。实验证明,算法中的平衡指数平滑法能够有效的对5分钟和15分钟的交通流数据进行平滑去噪,加速栈式自编码器的收敛,增强网络泛化能力,解决神经网络容易陷入局部最优的问题。(2)针对基于平衡指数平滑-栈式自编码器算法对时间间隔较长的交通流预测效果难以提升的问题进行了分析,从分析可知从数据的角度进行处理对时间间隔较长的交通流意义不大。针对这一问题本文从预测模型方面分析设计了栈式自编码器-小波神经网络算法分别对四个时间间隔的交通流进行预测。算法中的小波神经网络可以通过伸缩因子和尺度因子对交通流的局部信息进行由粗到细的表示;一方面可以解决交通流的高随机性,使得网络难以收敛的问题;另一方面可以有效的提取交通流的局部信息;使该算法的鲁棒性较好即在各个时间间隔的性能都比较好。通过相关对比实验,证明了该方法的有效性。(3)针对火力平台对属性不一、用途各异的目标难以快速制定合理的分配方案的问题,本文设计了基于栈式自编码器-多层感知器的目标分配算法。算法中设计了基于熵权法的射击效能因素和最短射击时间因素的综合射击有利度函数,使得得到的综合射击有利度函数更具有客观性;并用该函数为神经网络提供训练数据。通过栈式自编码器对目标的多属性进行特征融合,提高了深度神经网络的预测精度。该算法具有分配时间短、打击效能高的优势,能切实的应用到实际的工程项目中。