航空集群一发多收有源定位最优构型

针对航空集群一发多收有源协同定位运用问题，研究一发多收有源协同定位最优构型与航迹优化方法，进一步提升有源协同定位效果。建立一发多收有源协同定位模型，分别基于A优化准则与D优化准则推导不同接收机数目情况下航空集群有源定位对目标进行定位的最优几何构型，推导出最优构型的解析解，为航空集群航迹优化提供理论支撑；将得到的最优构型运用到航空集群航迹优化中，提出基于A/D准则的航空集群有源定位航迹优化方法。通过仿真实验，航迹优化后的航空集群一发多收有源定位精度有较大幅度提升，说明航迹优化在航空集群有源协同定位的有效性。     

改进粒子群算法的集群协同干扰资源分配

根据敌方雷达不同的工作状态进行威胁等级的评估，以干扰对象和干扰样式为基础建立模型，由模型采用不同的智能算法进行集群协同干扰资源的分配。针对传统粒子群算法搜索范围小并且易陷入局部最优解等问题，提出一种改进的粒子群算法用于集群协同干扰资源的分配。通过将NSGA-II算法中基于实数编码的多项式变异算子引入种群的更新迭代中，提高种群中个体的多样性，扩大了种群的搜索范围；通过动态学习因子，调整算法在不同阶段对个体极值和全局最优值的侧重，从而降低了算法陷入局部最优解的概率。仿真结果表明，改进的粒子群算法提高了算法的收敛速度和寻优概率，并且具有优异的性能，在一定程度上解决了集群协同干扰资源分配问题。     

改进蚁群融合DWA算法的移动机器人路径规划

为实现机器人在动态环境下的自主导航,基于蚁群算法规划出全局最优路径的情况下采用DWA算法进行局部避障。根据距离障碍栅格的远近计算邻接栅格的初始信息素,提出初始信息素不均匀分配原则;对启发式函数进行自适应调整的改进,提高算法的搜索速率;利用狼群法则改进信息素更新方式,对最优、最差和普通层蚂蚁进行分类更新,提高算法的寻优能力;使用二次路径优化的方法,有效减少路径长度,提高路径的平滑度;以蚁群算法全局规划路径的关键点为目标点,采用DWA算法进行局部路径规划。仿真结果表明：改进后的融合算法能减少最优路径长度,减少路径转弯次数且有效躲避障碍物。     

基于IGWO组合模型的炮控系统健康预测方法

针对单一模型对炮控系统组成部件的健康预测精度低、适用性差等问题,提出一种改进灰狼优化算法(IGWO)的组合预测方法。通过改进灰狼优化算法(GWO)的收敛因子,提高全局搜索能力,避免陷入局部最优值;选择在健康预测中效果较好的ARMA、RBFNN、LSSVM模型,搜索3种模型的最优权重系数并建立组合预测模型;以陀螺仪组为例,将其温度传感器阻值与漂移度数据分别带入单一模型、IGWO组合模型和其他组合模型中进行健康预测。通过对预测结果的误差评价分析与RUL误差比较,可以得出,IGWO在搜索组合模型最优权重系数方面优于GWO,预测精度也优于其他组合模型,且预测效果稳定。     

基于协同进化算法的多舰扩方应召反潜搜索方法

反潜作战是现代海战中水面舰艇的主要作战任务之一,对潜搜索行动是水面舰艇反潜作战的重要组成部分,是实施对潜攻击的前提和保证.针对目前常规多舰扩方搜索方法存在搜索效率低、协同能力弱的问题,对现有的2种多舰扩方搜索样式进行协同路径优化.根据舰艇声呐搜索原理以及实际反潜战术的应用,以在固定搜索时长内使得搜索效能最大为目标,建立了2种搜索样式最优协同路径问题的数学规划模型,给出了运用改进的协同进化算法规划多艘舰艇搜索路径的具体求解过程,并通过仿真实验得到不同搜索样式下的多舰协同最优搜索路径.结果表明:该方法具有搜索范围大、搜索效率高的特点,相比常规方法具有较大优势,适用于解决多舰扩方反潜搜索路径规划问题.     

基于遗传算法的制导炸弹最优滑翔弹道研究

建立了制导炸弹铅锤平面内最优滑翔弹道问题的最优控制数学模型。为了克服传统数值优化方法对初始值敏感的缺陷及基于单一策略的混合遗传算法开发和探测搜索解空间所存在的矛盾性,提出采用基于自适应变尺度混沌遗传算法来求解最优滑翔弹道问题。一方面利用混沌运动的特性来保持群体的多样性,另一方面利用自适应变尺度来缩小搜索空间,提高算法效率。研究结果表明改进遗传算法能应用于求解弹道优化问题。最后分析了制导炸弹的最大射程滑翔弹道特性并得出结论。     

基于多目标局部变异-自适应量子粒子群优化算法的复杂地形多传感器优化部署

对复杂地形下的多传感器部署问题进行研究,提出了基于多目标局部变异-自适应量子粒子群优化（LM-AQPSO）算法的多传感器多目标优化部署方法。该方法对复杂地形进行多属性网格建模,给出了传感器探测模型和优化目标。引进局部变异和参数自适应策略对量子粒子群优化算法进行改进,并提出了基于LM-AQPSO的多目标Pareto最优解集优化算法。考虑多目标部署需求,构建了基于Pareto最优解集的多传感器优化部署模型。仿真实验结果表明：相对于经典的改进非支配排序遗传算法,所提算法优化的Pareto最优解有着更好的收敛性和分布性,且寻优时间更短;所提模型能有效解决多目标多传感器部署问题,并能同时提供更多的决策方案。     

基于混沌蚁群算法的集群无人机协同任务分配

针对无人机集群协同任务分配问题,以无人机集群完成所有任务的总航程和未完成任务数最小为优化目标,构建多目标的多任务分配数学模型,并提出基于混沌蚁群算法的优化方法对模型进行求解。借鉴混合算法能提高单一算法性能的思想,在集群任务分配问题中将混沌算法的遍历性、随机性和蚁群算法的信息素正反馈机制结合起来,并通过仿真实验验证所提方法的有效性和适用性。结果表明：基于混沌蚁群算法的集群无人机协同任务分配方法能够增强全局寻优能力,提高算法效率,为多无人机分配最优的任务序列。     

基于智能算法的无人集群防御作战方案优化方法

兵力部署与任务分配是无人集群防御作战的重要过程,有效利用集群中有限的兵力并发挥出最高的作战效能对提高无人集群的作战胜率至关重要,进行高效的作战任务分配能够协调集群一致性并更好完成作战任务。针对无人集群防御作战中的关键作战方案,研究无人集群防御作战的兵力部署及协同任务分配优化问题。构建基于智能体技术的无人集群防御作战模型,量化无人集群兵力部署所需的关键参数,对作战区域与兵力进行规划,设计目标函数。提出一种自适应遗传算法,解决无人集群的兵力部署问题。算法可根据实时运行情况动态调整目标函数、交叉率和变异率,保证适应度值较高个体的传承并避免算法出现局部最优。进行防御作战仿真,为验证无人集群兵力部署的效果,提出一种基于深度Q网络的深度强化学习改进算法,解决无人集群任务分配问题,对部署好的无人集群进行任务分配并作战。该算法能够自适应调整Q值,避免算法因过度估计造成无法收敛至最优解。防御作战实验结果表明,所提出的无人集群兵力部署及协同任务分配方法可有效提高防御作战的成功率,实现无人集群的自主协同及智能对抗。     

多型反舰导弹组合攻击最小弹药消耗优化模型

为优化多型导弹组合攻击弹药消耗,提出一种基于萤火虫算法的最小弹药消耗优化模型。在萤火虫算法 基础上,引入自适应步长和自适应搜索半径,结合体系贡献度、排队论、智能算法等相关理论,构建最小弹药消耗 优化模型,利用萤火虫算法全局寻优的优秀性能,对数学模型进行解算。仿真结果表明：该算法具有良好的有效性 和时效性,可为多型反舰导弹组合攻击的作战方案制定及训练提供参考。     

基于强化学习的集群多目标分配与智能决策方法

为提升高动态协同攻击条件下的攻防效能,研究基于强化学习的集群多目标智能分配与决策方法。建立综合攻击性能评估准则,包括基于相对运动信息的攻击优势度评估以及基于目标固有信息的威胁度评估。综合攻击性能、突防概率以及攻击消耗,设计攻防效费比性能指标。构建基于强化学习的多目标决策架构,设计以分配向量为基本元素的动作空间,以及基于量化性能指标的状态空间,利用Q-Learning方法对协同攻击方案,包括导弹选取以及分配形式进行智能决策。仿真结果表明,强化学习能够实现攻防效能最优的多目标在线决策,其计算效率相对于粒子群优化算法具有更明显的优势。     

未知环境下异构多无人机协同搜索打击中的联盟组建

为了提高多架异构无人机在未知环境下协同执行搜索打击任务时的效能,提出了一种未知环境下的异构多无人机协同搜索打击中的联盟组建方法,研究了实时性较高且适应于未知环境下的任务分配机制。以最小化目标打击时间和最小化联盟规模为优化指标,以满足同时打击和资源需求为约束条件,建立了联盟组建模型;为了提高联盟组建的实时性,提出了一种分阶次优联盟快速组建算法(MSOCFA)。算法复杂度分析说明了该算法是一个多项式时间算法,并且通过与粒子群优化算法进行仿真对比,验证了该算法具有较低的计算复杂度,满足实时性要求。为了使得多架无人机能自主协同完成搜索打击任务,设计了基于有限状态机(FSM)的多无人机分布式自主协同控制策略。仿真验证了未知环境下的异构多无人机协同搜索打击中的联盟组建方法的合理性和可行性。使用蒙特卡洛法验证了无人机数量和目标数量对联盟组建的影响,即无人机数量越多,目标数量越少,其平均任务完成时间越短。 为了提高多架异构无人机在未知环境下协同执行搜索打击任务时的效能,提出了一种未知环境下的异构多无人机协同搜索打击中的联盟组建方法,研究了实时性较高且适应于未知环境下的任务分配机制。以最小化目标打击时间和最小化联盟规模为优化指标,以满足同时打击和资源需求为约束条件,建立了联盟组建模型;为了提高联盟组建的实时性,提出了一种分阶次优联盟快速组建算法(MSOCFA)。算法复杂度分析说明了该算法是一个多项式时间算法,并且通过与粒子群优化算法进行仿真对比,验证了该算法具有较低的计算复杂度,满足实时性要求。为了使得多架无人机能自主协同完成搜索打击任务,设计了基于有限状态机(FSM)的多无人机分布式自主协同控制策略。仿真验证了未知环境下的异构多无人机协同搜索打击中的联盟组建方法的合理性和可行性。使用蒙特卡洛法验证了无人机数量和目标数量对联盟组建的影响,即无人机数量越多,目标数量越少,其平均任务完成时间越短。     

基于可射击概率约束的防空作战火力优化分配

针对防空作战火力优化分配中未考虑可射击概率影响防空作战效能的问题,提出一种基于可射击概率约束的火力分配模型.该模型综合考虑可射击概率、空袭强度、火力单元转火时间等多种因素,能够在保证满足可射击概率和联合毁伤概率阈值前提下,优先使用反应快的火力单元拦截飞临时间短的目标,并尽量减少火力资源消耗,为防空系统提供持续作战能力....     

基于改进序列二次规划的非线性控制分配

针对多操纵面飞机舵面偏转角与力矩系数之间的非线性问题,提出一种改进粒子群算法(particle swarm optimization,PSO)和序列二次规划算法(sequential quadratic programming,SQP)相结合的方法来解决非线性控制分 配问题。以飞翼模型为对象,对模型舵效进行分析,在舵效非线性的情况下,采用拟合函数的方法来表示舵效的非 线性;对粒子群算法进行改进,采用拟牛顿法及线搜索方法对序列二次规划方法进行改进,并对改进后算法的拟合 效果进行比较;在线性舵效与非线性舵效下进行仿真对比,验证了算法的有效性。仿真结果表明：该算法能提高粒 子群算法的全局搜索能力,保证分配的准确性。     

基于遗传算法的导弹集群多任务分配优化问题

针对导弹集群协同作战的任务分配问题,提出了一种基于遗传算法的任务分配方法,提高了多任务组合优化问题的搜索能力.该方法采用一种任务组合编码的新方法,实现在整个解空间上寻找到最优组合问题的全局最优解或次优解.实验结果表明,本文方法能有效地解决导弹集群的任务分配问题,获得令人满意的实验结果.     

基于混沌蚁群算法的多机协同空战火力分配

针对多机协同空战中的多目标攻击决策问题,提出了一种基于混沌蚁群算法的火力分配方法。该方法将混沌运动的遍历性、随机性和蚁群算法信息素正反馈相结合,起到了优势互补作用。根据相应数学模型进行的仿真结果表明,该方法在多机协同空战火力分配中具有较强的全局寻优能力,且收敛速度快,寻优效果好。     

基于改进遗传算法的多弹协同攻击航路规划

针对多弹协同攻击航路规划问题,提出一种基于改进遗传算法的多弹协同航路规划方法。通过优化航路 种群初始化的方法,生成能够满足最大航路点个数约束以及最小航路段长度约束的航路;采用亚种群归类将航路区 分为不同的走向,得到多种攻击航路结果;利用进化算子对子代航路进行微调,生成更符合要求的多条航路,并对 多弹攻击航路进行仿真验证。结果表明,该算法可得出最优和多条次优航路,符合多弹协同作战的目的和要求。     

道路约束下多传感器协同地面目标跟踪的管理方法

为实现道路约束下地面目标的有效跟踪、控制传感器系统的辐射损失,提出一种多传感器协同管理方法。将传感器管理过程描述为部分可观马尔可夫决策过程,建立道路约束下目标跟踪模型和传感器截获损失模型,给出跟踪精度和截获损失的具体计算方法,并提出一种多普勒盲区下的目标预测状态修正方法;针对高维数下管理方案求取困难的问题,设计了一种莱维飞行- 樽海鞘群算法以快速获得高质量的解。仿真实验结果表明：相比于经典寻优算法,所提算法具有更好的全局搜索能力,能够在缩短寻优时间的同时找到高质量的解;所提管理方法能够有效解决地面目标跟踪问题,既保证了跟踪任务的完成质量,又提高了传感器系统的生存能力。