一种有效提高实时数据处理融合效果的算法探究

本文主要研究一种应用于武器装备试验实时数据融合处理算法,核心是探讨通过动态修正加权因子改变实时数据融合效果,获得最优的目标状态估计的方法。     

基于灰色关联分析的选区激光熔化成形18Ni300模具钢多目标工艺优化

为研究18Ni300模具钢选区激光熔化成形过程中多目标最优工艺问题,设计了以激光功率、扫描速度、扫描间距、铺粉厚度为工艺参数,以致密度、硬度、耐磨性为响应目标的响应面中心组合设计实验。结合灰色关联分析得到多目标的综合灰色关联度,通过分析实验的灰色关联度得到了拟合度达78.50%的回归预测模型,以及针对三个响应目标的最优工艺参数,分别为激光功率250 W,扫描速度850 mm/s,扫描间距0.05 mm,铺粉厚度0.02 mm,此工艺参数理想的灰色关联度可达0.9312;在最优工艺参数下得到了相对密度为99.5%、硬度为41.5 HRC、磨损体积为192000μm~3、灰色关联度为0.8895的验证样件,该样件符合预期结果,说明优化方法切实可行。     

散射目标最优极化研究（上）

从计算电大目标散射的基本双站公式出发，建立了散射目标和照射面的最优极化方程。与相对最优射极化和相对最优接收极化相联系，建立了理想玎对最优发射极化和理想相对最优接收极化的新概念。指出理想全局最优发射极化是通常意义下的最优发射极化。推证了相对最优发射极化和相对最优接收极化所满足的定理。     

一种基于逼近于理想灰关联投影的多目标决策算法

分析了多目标决策问题;综合灰色系统理论、TOPSIS和矢量投影方法,提出了一种新的基于逼近于理想灰关联投影的多目标决策算法,介绍了该方法的基本原理和一些基本概念,建立了综合决策方案与正、负理想方案之间接近程度的决策模型,总结了用该方法进行决策分析的一般步骤;提出了一种基于方案区分度的决策灵敏度分析方法.实际算例验证了提出的多目标决策模型和决策灵敏度分析方法的可行性和有效性,该方法为多目标决策提供了一种新思路,决策灵敏度高,能为方案的决策提供更为可靠的科学依据.     

地波雷达与自动识别系统目标点迹最优关联算法

为了提高海洋探测精度和范围,针对高频地波雷达(HFSWR)和自动识别系统(AIS)目标点迹的融合利用问题,该文提出一种基于JVC(Jonker-Volgenant-Castanon)的点迹分状态全局最优关联算法。首先,通过判断高频地波雷达和AIS点迹的径向速度,将点迹分为准静态目标和动态目标。接着,选取径向速度和点迹间的球面距离为特征参数,对不同状态下目标点迹分别进行径向速度和位置间球面距离粗关联。最后,使用相对距离比的平均值进行关联效果的评价,通过选择合适的关联门限参数,使用JVC算法实现高频地波雷达和AIS的点迹最优关联。实验结果表明:该算法在关联相同点迹对数的情况下,关联精度高于最近邻(NN)算法和Munkres关联法,关联用时少于最近邻算法和Munkres关联法。通过近3年内3组不同时刻实测目标点迹的验证,该算法可以满足关联的实用性和实时性要求。     

基于全局最优的被动多传感器多目标轨迹关联算法

多目标轨迹关联问题是天基光学跟踪系统的核心和难点之一。传统的分布式轨迹关联方法基于目标的3维轨迹信息,不适用于被动传感器的2维轨迹关联问题。为此,该文以倾角差为统计检验量,建立轨迹统计检验模型,提出基于全局最优思想的轨迹关联算法,并用密集多目标场景进行算法的蒙特卡罗仿真。结果表明,该轨迹关联算法性能优良,可以有效完成密集目标环境下的被动多传感器多目标轨迹关联任务。     

一种改进的TOPSIS法雷达干扰效果评估

针对标准逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)在雷达干扰效果评估中存在受数据波动影响和对数据规律分析不充分的问题,提出了一种改进的TOPSIS法。该方法结合TOPSIS法和灰色关联分析理论对原始数据进行分析,并组合2种方法的评估结果作为最终的评估结果,弥补了TOPSIS法在雷达干扰效果评估中的缺陷,仿真实验验证了该方法的有效性。     

基于JVC的紧凑型地波雷达海上目标点迹-航迹最优关联方法

紧凑型地波雷达由于接收天线阵列孔径减小导致对海上目标的定位精度低,在多目标跟踪算法中采用序贯式的点迹-航迹关联方式易发生误关联导致航迹断裂、误跟踪等问题。对此,该文将多目标点迹-航迹关联转化为最优分配问题,提出一种基于JVC算法的多目标点迹-航迹最优关联方法。对于关联波门重叠区域内存在公共候选点迹的多条航迹,首先以雷达获取的目标多普勒速度、距离与方位角作为目标特征参数,利用最小代价函数确定公共候选点迹与所有航迹之间的相似度,得到关联代价矩阵;然后以总关联代价最小化作为优化准则,采用JVC算法求解得到最优的点迹-航迹关联结果。利用仿真与实测目标数据开展了点迹-航迹关联实验,并与序贯最近邻关联方法的关联结果进行了对比。实验结果表明:采用该文所提方法跟踪得到的航迹时长明显优于序贯最近邻关联方法的结果,解决了序贯式关联因关联错误导致的航迹断裂、误跟踪等问题,提高了航迹跟踪的连续性。     

基于特征辅助的滑窗式全局最优关联算法

针对卫星电子信息的数据特点与传统关联算法中存在的误关联、杂波干扰大等现象,提出一种基于特征参数辅助的滑窗式全局最优辐射源关联算法。该算法利用运动与特征参数信息综合计算观测与目标间的关联度,构建关联模型,求解全局最优的航迹关联关系,并采用滑窗处理技术对航迹进行连续监测与维持,对错漏航迹进行修正。仿真实验表明,算法可满足多源卫星电子对近距离交叉目标、存在非共同观测目标和杂波密集环境下多目标的有效跟踪,且性能优于传统关联算法。     

基于JVC的紧凑型地波雷达海上目标点迹-航迹最优关联方法

紧凑型地波雷达由于接收天线阵列孔径减小导致对海上目标的定位精度低,在多目标跟踪算法中采用序贯式的点迹-航迹关联方式易发生误关联导致航迹断裂、误跟踪等问题.对此,该文将多目标点迹-航迹关联转化为最优分配问题,提出一种基于JVC算法的多目标点迹-航迹最优关联方法.对于关联波门重叠区域内存在公共候选点迹的多条航迹,首先以雷达获取的目标多普勒速度、距离与方位角作为目标特征参数,利用最小代价函数确定公共候选点迹与所有航迹之间的相似度,得到关联代价矩阵;然后以总关联代价最小化作为优化准则,采用JVC算法求解得到最优的点迹-航迹关联结果.利用仿真与实测目标数据开展了点迹-航迹关联实验,并与序贯最近邻关联方法的关联结果进行了对比.实验结果表明:采用该文所提方法跟踪得到的航迹时长明显优于序贯最近邻关联方法的结果,解决了序贯式关联因关联错误导致的航迹断裂、误跟踪等问题,提高了航迹跟踪的连续性.     

电子装备试验方案的灰色优选模型及算法

根据电子装备试验的特点,本文提出试验方案的组成是一个树状结构,从而把总体试验方案的优选分解为每个子方案或孙方案的优选问题.建立了方案的灰色效果测度优选模型和灰关联优选模型,并确定了其具体算法.灰色效果测度优选是通过方案目标属性的灰色效果测度处理,把多目标属性的方案优选问题简化为一个权重平均值的效用函数值的比较问题,决策者可以根据决策偏好利用权重对方案比较模型进行调整;灰关联优选是以相对优化原则为依据,通过比较待选方案目标属性的数据序列与参考数列之间关联度的大小来确定最佳方案;对某次试验中三个预备方案进行了两种优选方法的仿真,表明了模型及算法简单、直观、合理,灰色理论应用于电子装备试验在技术上是可行的.     

多目标优化问题的遗传算法改进研究

基于Nash均衡的思想在NSGA所求得的Pareto最优解基础上,探讨一种能对多目标优化问题进行求解的遗传算法。采用Nash均衡的思想在多目标优化的遗传算法,结合NSGA算法,提出一种能得到多个Pareto最优解的多目标优化算法。通过目标函数线性加权法、NSGA对函数进行了试验分析,对部分自变量进行固定,对其他的自变量进行优化,对Pareto最优解进行持续优化,进而实现加速算法的收敛,从实验中得出了这种算法具有较快的收敛性,但是其运行时间和NSGA相比没有多少改善。     

IIR数字滤波器的多目标优化设计

根据Pareto最优概念,提出数字滤波器的多目标优化设计.通过IIR低通数字滤波器的设计结果表明,该方法可以得到一组非劣解集供决策者选择,也说明了该方法的有效性和实用性.     

一种非均匀分布问题分布性维护方法

 几乎所有多目标进化算法(multi-objective optimization evolutionary algorithm,MOEA)都是针对Pareto最优面为均匀分布问题而言.然而现实中很多问题Pareto最优面是非均匀分布的,决策者希望得到一个与Pareto最优面分布类似的解集.现存算法并不能有效解决该问题.对此,提出一种针对于非均匀分布多目标优化问题的维护方法(non-uniformly diversity maintenance method,NUDMM).该方法定义一个反映个体分布"规则"程度的指标——杂乱度,并设计一种降低种群杂乱度的方法,在未知Pareto最优面分布规律情况下有效剔除造成种群混乱的个体.通过与NSGA-II和SPEA2在不同维数下8个非均匀函数上对比实验,表明NUDMM在有效保持问题真实分布的同时,具有良好的收敛性.     

基于差异演化算法的QoS全局最优动态Web服务选择

QoS全局最优动态Web服务选择是服务组合中的一个难题。基于差异演化算法,设计一种用于解决该问题的DE-GODSS算法。算法的主要思想是将问题表示为一个带QoS约束的多目标服务组合优化问题,通过理想点的方法将多目标向单目标转化,然后利用差异演化算法的智能优化原理进行算法设计及求解,最终产生一组满足约束条件的优化服务组合流程集。理论分析证明DE-GODSS算法的时间复杂度优于已有的多目标遗传算法,且实验结果表明该算法的收敛速度优于已有的多目标遗传算法。     

火炮随动系统多目标优化控制

给出了采用X-Q自适应控制器构成的一类非线性控制器以及实现多目标优化控制系统的计算机辅助设计参数寻优方法,讨论怎样应用X-Q自适应控制器实现多目标优化控制,并给出实现多目标优化火炮随动控制系统的实例,计算机仿真校验其性能指标的结果表明,多目标优化系统的性能指标好,设计方法简单、通用、适用于工程设计。     

Markov微分博弈模型及其在网络安全中的应用

当前基于博弈理论的网络安全研究成果难以应用于实时、连续、随机对抗的网络攻防过程.本文针对网络安全防御的实时性和网络状态变化的随机性,基于动态、实时对抗的视角分析攻防行为,在结合微分博弈模型和Markov决策方法的基础上进行扩展,构建Markov攻防微分博弈模型,分析具有多个阶段且每阶段持续时间较短的攻防过程;提出多阶段博弈均衡解计算方法,设计多阶段最优防御策略选取算法.仿真实验结果表明,模型和算法有效且可行.     

多目标量子编码遗传算法

如何使算法快速收敛到真正的Pareto前沿,并保持解集在前沿分布的均匀性是多目标优化算法重点研究解决的问题。该文提出一种基于量子遗传算法的多目标优化算法,利用量子遗传算法的高效全局搜索能力,在整个解空间内快速搜索多目标函数的Pareto最优解,利用量子遗传算法维持解集多样性的特点,使搜索到的Pareto最优解在前沿均匀分布。通过求解带约束的多目标函数优化问题,对该文算法的多目标优化性能进行了考察,并与NSGAII,PAES,MOPSO和Ray-Tai-Seows算法等知名多目标优化算法进行比较,结果证明了该文算法的有效性和先进性。     

动态多目标优化的进化算法及其收敛性分析

给出了动态多目标优化问题的一种新解法.首先对时间变量进行了等区间离散化,在得到的子区间(称为环境)上定义了种群的静态序值方差和静态密度方差.然后把动态多目标优化问题近似地转化成了若干个两个目标的静态优化问题.在给出的一种能自动检测环境变化的应答算子下,提出了一种动态多目标进化算法,同时证明了算法的收敛性.计算机仿真表明新算法对动态多目标优化问题是有效的.