共查询到20条相似文献,搜索用时 187 毫秒
1.
2.
为了根据敌编队具体编成情况,制定合理的攻击策略,将防空导弹和"密集阵"的火力拦截作为反舰导弹攻击过程中的威胁,建立攻击策略优化模型。运用多种群遗传算法优化求解,得到最小攻击威胁下攻击阶段的划分、目标的分配以及对应的最优攻击方向。针对具体编队目标,进行计算及结果分析,结果表明,该模型和方法是有效的,可为打击舰船编队的战术制定提供理论参考依据。 相似文献
3.
4.
5.
导弹对目标群射击时火力分配优化研究 总被引:4,自引:1,他引:3
阐述了导弹攻击前,根据被攻击的目标对导弹进行火力分配是一项十分重要的工作,需要经过严格的定量计算才能完成.根据编队超视距导弹攻击的实际情况,建立了多类型导弹对目标群射击时的火力分配非线性规划模型,并设计出具体的解法流程,研究当前超视距导弹攻击中的火力分配问题.其解法根据编制的计算机程序检验,运算量较少,对解决导弹射击的火力分配问题具有重要的意义. 相似文献
6.
7.
8.
9.
探讨了水面舰艇编队担负对海搜索与导弹攻击任务时的兵力编群与编组方法以及各自的作战指挥 .分析了水面舰艇编队对海搜索导弹攻击作战的特点 ,并对其作战指挥进行了论述 相似文献
10.
一种基于遗传算法的防空导弹火力分配优化方法 总被引:6,自引:3,他引:3
结合现代防空作战特点,分析影响目标威胁评估与排序的因素,利用关联度对目标进行威胁评估与排序.建立了基于遗传算法的防空导弹目标优化和火力分配模型.仿真结果表明,该方法有效地解决了防空导弹目标分配这一复杂的问题,提高了防空导弹武器系统的作战效能. 相似文献
11.
基于遗传算法的导弹集群多任务分配优化问题 总被引:3,自引:0,他引:3
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. 相似文献
12.
13.
为解决多阵地岸舰导弹组合攻击作战任务中岸舰导弹作战单元部署定量决策问题,基于广义最大覆盖选址理论,结合岸舰导弹部队兵力数量有限的战场条件,构建多型岸舰导弹作战单元部署优化模型。针对目标舰艇位置、岸舰导弹火力覆盖范围等影响因素,利用蒙特卡洛仿真法,建立目标散布区域计算模型、岸舰导弹火力覆盖区域计算模型等辅助决策模型,通过粒子群优化算法进行模型解算。仿真结果表明,多型岸舰导弹作战单元部署优化模型及算法可以稳定地提供合理有效的优化方案,能够为战时多型岸舰导弹部署决策提供参考和依据。 相似文献
14.
15.
针对复杂战场环境下分布式无人机对多目标协同打击任务,提出多目标攻击的任务分配与轨迹优化算法。建立典型多目标打击的任务场景和无人机模型;基于Delaunay三角形理论,以禁飞区为节点构建搜索地图;运用A*算法实现威胁最小的单机路径搜索;在无人机动力学约束和能耗损失最小的基础上,引入时间调节因子,采用基于贝塞尔曲线的分布式无人机时空同步轨迹优化方法,得到对多目标同时打击的优化轨迹;设计轨迹跟踪控制器,对预规划轨迹进行跟踪仿真。仿真结果表明,多目标攻击的任务分配与轨迹优化方法能够对多目标实现多角度、时空同步、分布式协同打击,且对噪声及阵风等具有较强的抗干扰能力。 相似文献
16.
针对相控阵雷达跟踪多弹道导弹目标时的资源分配问题,提出一种综合优先级下的价值优化调度算法。基于弹道导弹目标特性,构建目标威胁度模型;设计二维优先级表,结合目标威胁度和截止期进行综合优先级规划;基于任务优先级建立任务动态价值函数,并从调度及时性原则出发,构建任务调度的价值优化模型;对遗传算法进行改进,设置自适应选择、交叉、变异算子,并利用该算法求解调度模型;通过仿真实验将所提算法与传统工作方式优先级加截止期调度算法进行性能对比,对任务价值函数参数对调度性能的影响进行分析。结果表明:相比传统调度算法,所提调度算法的调度时间偏移率减小了46%,实现价值率提升了12%. 相似文献
17.
18.
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。 相似文献
19.
20.
针对多无人机对地协同攻击多任务分配问题,通过合理假设对问题进行抽象简化的基础上,建立了基于任务分配收益和代价的总体分配效能函数模型,并以此模型作为任务分配方案的评估标准。引入各种操作符重新定义了离散粒子群优化算法的速度以及位置更新公式,建立了算法实现的基本流程,并利用该DPSO优化算法对任务分配模型进行求解。分别针对多UAV单任务,单UAV多任务以及多UAV多任务进行仿真分析,结果表明,DPSO算法比遗传算法具有更好的全局搜索能力和收敛速度,通过仿真验证了任务分配模型的合理性和正确性,验证了算法的有效性和相对于遗传算法的优越性。 相似文献