基于IMOSFLA的有人/无人战斗机协同空战火力分配方法

针对有人/无人战斗机协同空战中的火力分配问题,建立了以目标总存活概率最小和武器消耗数量最少的火力分配多目标优化模型,并提出一种改进的多目标蛙跳算法用于求解问题的Pareto最优解集.该改进算法充分利用混洗蛙跳算法收敛速度快、收敛精度高的算法优势进行全局寻优,利用自适应网格法对非劣解进行维护和更新,并在青蛙种群的全局进化过程中引入Tent混沌变异以避免算法早熟收敛.为便于从求解得到的Pareto最优解集中选择出最优火力分配方案,提出了一种最优火力分配方案的自主选择规则.最后通过仿真实验验证了所提方法的可行性和有效性.实验结果表明,所提方法能有效求解有人/无人战斗机协同空战中的火力分配问题.     

基于任务分解与强化学习的多平台协同火力分配方法

为了有效求解多平台协同火力分配问题,根据“分而治之”的思想,基于任务分解策略将复杂的决策任务分解为子目标平台选择和子平台火力分配两个阶段,通过融合启发式算法和强化学习模型,提出一种新的强化学习求解方法(HARL),并以多平台联合火力打击为作战背景进行实验仿真.子目标平台选择层根据当前状态,基于强化学习策略选择攻击当前子目标最适合的火力平台;而子平台火力分配层则使用启发式算法为执行攻击任务的平台规划最优的火力分配方案.实验结果表明,融合启发式算法和强化学习的HARL方法相比于传统的强化学习算法武器消耗量减少15%以上,相比于经典的启发式算法求解时效性提升20%以上,表明该研究成果可为未来求解复杂作战决策问题提供有力的技术支持.     

主战坦克火力打击仿真模型浅析

随着作战实体的多样化和战争过程的复杂化,利用仿真描述兵力对抗成为趋势,而火力打击模型是进行战场仿真的基础.从作战的角度分析了敌我双方对抗的过程中,主战坦克进行火力打击的一般性模型,这包括了打击目标的优化选择、打击目标的转移、多辆坦克间的火力分配以及打击效果的计算等问题.通过对火力打击过程的分析总结出了目标转移和火力分配的基本规则,并给出了以正态分布为基础的弹着点概率统计模型.当然,作为研究还可以对模型做进一步的细化.     

基于遗传算法的联合火力WTA问题研究

研究联合火力优化分配问题.联合火力是多种作战力量参战条件下的多武器-多目标对抗.由于火力分配受到多种条件的限制,分配方案又决定作战效果,而武器-目标分配(Weapon Target Assignment,WTA)是多个装备同类型武器的作战单元联合抗击多个目标进行的分配方法.针对WTA问题求解规模大和精度高的特点,传统算法均不能满足速度和精度的要求,在基本遗传算法的基础上,采用精英选择和动态遗传算子的改进算法,避免了过早收敛.利用WTA的数学模型进行仿真.仿真结果验证了算法的有效性.     

基于序号遗传编码方式的反舰导弹火力分配算法

遗传算法在解算反舰导弹火力分配问题时,具有解算结果最优或次优,但由于解算过程中会产生过多不满足约束条件的染色体,导致该算法解算时间比较长,不能满足反舰导弹作战使用时对火力分配问题的实时性要求;为了提高解算效率,文中依据反舰导弹火力分配问题的特殊性,提出了基于序号的遗传编码方式,并给出了详细的编码过程模型,提高了遗传算法在多型反舰导弹协同攻击多目标情况下的火力分配解算效率;最后,通过实例论证了该算法的可行性和有效性。     

基于非线性规划协同进化遗传算法的防空导弹火力优化分配研究

为了进一步提高防空导弹目标分配问题的求解效率和解算能力,建立了防空导弹目标火力分配模型,提出了一种非线性规划协同进化遗传算法(NLPCGA).该算法是综合非线性规划算法(NLPA)局部搜索能力强和协同进化算法(CA)求解质量高的优点,并利用遗传理论提高算法的求解效率.通过结合实例,仿真结果表明NLPCGA算法在求解防空目标火力分配问题上要优于单独两种智能算法,可以有效快速地找到最优火力分配方案,为防空作战指挥决策提供支持.     

防空火力分配建模及优化方法研究

在综合考虑防空对抗双方作战价值的基础上，建立了一种用于防空作战多武器系统对抗多批目标的火力分配模型，在此基础上，提出了基于粒子群优化（PSO）算法以及粒子群与遗传算法相结合（PSO—GA）的火力优化分配方法．通过仿真，并与遗传算法（GA）进行了比较，验证了火力分配模型的可行性以及所提出优化方法的有效性和优越性.     

基于改进麻雀搜索算法的步战车火力分配模型

火力分配是现代和将来作战中的关键要素，在战斗中具有非常重要的研究意义。文章针对步战车的火力分配运用问题提出了基于改进麻雀搜索算法的步战车火力分配模型。首先，提出了一种步战车火力分配相关的数学模型；其次，为了求取步战车火力分配最优方案，提出了一种基于强化学习的自学习麻雀搜索算法（Self-learning Sparrow Search Algorithm Based on Reinforcement Learning,SSA-RL）；最后，为了避免不良麻雀个体进入子代种群，提出了一种个体精度约束方法。对本文的改进算法进行多次防真实验，证明了SSA-RL的有效性，为解决火力分配问题提供了新的方法和思路。     

基于改进遗传算法的防空导弹分队WTA问题求解

针对以往防空作战中目标分配模型精度差、求解方法效率低的问题,建立了基于射击综合优势和目标威胁度的目标分配数学模型,其中目标威胁度评估综合运用了灰色综合关联度和改进的层次分析法,提高了结果的精度.并且采用改进的混沌蜜蜂双种群进化遗传算法对该模型进行了求解,改进的地方主要有:采用轮盘赌选择与最优保存策略相结合的选择操作,采用了算术交叉方法等.实验结果表明,应用文中的遗传算法求解防空导弹作战中目标分配问题,与传统算法相比,无论是在优化性能还是在时间性能上,都具有更好的效果.     

虚拟环境中坦克实体火力行为仿真研究

在作战演练仿真系统中，坦克是一种重要的武器仿真实体，其火力模拟必然成为研究的重点。该文结合科研实践，着重从坦克的侦察、目标选择、外弹道、命中概率与毁伤，以及实际射击时的射弹散布等方面，就实体火力行为属性仿真进行了一系列研究，并建立了相应的模型。实践证明，该坦克实体火力行为仿真模型简单实用，效果逼真，精度较高，同时得到的试验数据将会对坦克射击理论研究带来一定的便利。     

基于混合蛙跳算法的协同空战火力分配

针对超视距多机协同空战中的火力分配（WTA）问题,建立了协同空战火力分配的数学模型,提出了采用混合蛙跳算法（SFLA）来求解协同空战火力分配问题,根据无约束化的编码方式,结合交叉、变异的遗传操作,提高了算法的收敛速度以及全局搜索能力,能有效避免陷入局部最优。仿真结果表明,所提出的混合蛙跳算法在解决协同空战火力分配问题中具有高效可行性。     

无人驾驶坦克自主作战决策系统框架

提出了一个分布式解决无人驾驶坦克自主作战决策的框架，将自主作战、动态任务规划和任务策略的智能评估等思想引入无人驾驶坦克自主作战决策系统。包括以下两个重要内容：主体个体的能力和职责；信息和知识如何在主体之间传播使得他们能准确地完成作战任务。文中重点是无人驾驶坦克自主作战决策系统中主体之间动态知识的交换。主体确保自己的行为是一种动态的经验操作和直接与其他主体交流事实、需求和规则的结合。在各个主体中，知识可以作为事实、规则、需求的结合体来传播交换。     

面向战场信息共享平台的个性化推荐研究

随着大数据技术的发展,信息化、智能化作战将成为现代战争的未来趋势,如何从浩瀚信息中获取有效信息是提高作战指挥效率的重要问题.面向战场信息共享平台,利用推荐系统可解决信息过载问题的优势,结合军事领域信息数据特点,构建军事平台的个性化推荐系统框架,然后基于该推荐系统,提出融合情景感知的推荐算法,以提高军事平台的推荐服务质量...     

基于最小代价流算法的多机空战目标分配

目标分配是多机空战协同战术决策的核心内容之一,属于资源分配以及最优指派问题,符合最小代价流算法的求解范畴．在空战态势评估和综合威胁评估模型的基础上,建立了最小代价流空战目标分配模型．该模型根据威胁评估结果,用最小代价流算法进行处理,找出带代价的网络流图中从起点到终点的一条最短路,经反复迭代,直至找到所求的最小代价流,实现对多个空战目标进行合理分配．最后通过算例验证了模型的可行性．     

基于蚂蚁算法的网格任务分配算法研究

任务分配是网格计算环境中影响系统性能的重要因素,由于网格环境中各种资源分布于不同的地理位置,其性能也千差万别,因此需要一种有效的策略来进行任务的分配,使得整个系统完成任务的代价最小。文中将蚂蚁算法应用于解决网格环境中的任务分配问题,并进行了仿真实验,取得了良好的效果。     

遗传算法在立体仓库货位优化分配中的研究

存储一定数量货物的自动化仓库中,以基于随机存储策略的库区和货位分配以及堆垛机行驶时间为优化控制目标,针对自动化立体仓库的库区和货位的分配策略问题进行了讨论,提出立体仓库的库区优化数学模型。在库区优化基础上,进一步提出货位优化数学模型,将Pareto最优解的概念与遗传算法相结合,提出了一种解决多目标优化问题的Pareto遗传算法解决货位优化问题,给出了仿真实验及分析。结果表明采用遗传算法优化策略可以有效地解决自动化立体仓库的货位优化分配问题。     

Method of sequential modification of the objective function in the assignment problem

A new method for solving the assignment problem based on the decomposition of the original problem into a number of two-dimensional optimization problems is proposed. The integer-valuedness and monotonicity of the iterative procedure with respect to the objective function ensures that the algorithm is finite. As a result, either a unique optimal solution of the original assignment problem or a system of constraints is obtained. In the latter case, the system of constraints can be used to obtain all optimal solutions. Examples illustrating the algorithm are discussed.     

基于混沌自适应萤火虫算法的UAVs分配策略

针对多无人机多类型作战任务分配问题,提出一种混沌自适应萤火虫优化算法.将全局历史最优值和自适应惯性权重引入位置公式,并采用自适应步长以加快收敛速度、提高精度.运用变尺度混沌方法改进光吸收强度系数防止其陷入局部最优解.将改进算法的应用效果与粒子群优化算法(PSO)和萤火虫算法(FA)对比,结果表明,该算法能够提升多无人机...     

高技术条件下的作战损耗数学模型研究

作战损耗是用来评价战争胜负的一个非常重要的指标,并且现代高技术条件下作战损耗模型的建立一直是作战仿真研究的重点和难点。该文结合现代高技术战争的新特征,对Lanchester作战模型进行了分析和改进,给出了具有综合电子信息系统(C4ISR或C3I)的作战损耗模型和制信息权作战的Lanchester模型。在对制信息权作战的Lanchester模型的进行适当简化后,用MATLAB的仿真工具箱Simulink进行了仿真。最后对各种条件下得到的结果进行了分析,并结合实际意义进行了具体说明。     

Weapon-target assignment in unreliable peer-to-peer architecture based on adapted artificial bee colony algorithm

It is of great significance for headquarters in warfare to address the weapon-target assignment(WTA)problem with distributed computing nodes to attack targets simultaneously from different weapon units.However,the computing nodes on the battlefield are vulnerable to be attacked and the communication environment is usually unreliable.To solve the WTA problems in unreliable environments,this paper proposes a scheme based on decentralized peer-to-peer architecture and adapted artificial bee colony(ABC)optimization algorithm.In the decentralized architecture,the peer computing node is distributed to each weapon units and the packet loss rate is used to simulate the unreliable communication environment.The decisions made in each peer node will be merged into the decision set to carry out the optimal decision in the decentralized system by adapted ABC algorithm.The experimental results demonstrate that the decentralized peer-to-peer architecture perform an extraordinary role in the unreliable communication environment.The proposed scheme preforms outstanding results of enemy residual value(ERV)with the packet loss rate in the range from 0 to 0.9.