基于粒子群优化的混合模糊双矩阵对策求解

针对具有模糊策略集与模糊支付值的不确定性冲突环境,建立了混合模糊双矩阵对策模型。在假定模糊支付值为三角模糊数的情形下,采用了基于单个截集的模糊数线性排序函数,将模型清晰化后转化为双矩阵对策,并应用粒子群优化算法求解。最后,给出一个军事例子说明了模型的实用有效性和粒子群优化算法的高效性。     

多无人艇联合攻击任务规划模型仿真

多水面无人舰艇之间的攻击任务规划是保证无人舰艇顺利高效完成攻击任务.多无人舰艇在执行联合攻击任务时,需要考虑到环境因素、不同任务的复杂度与各种复杂攻击任务执行能力等多方面的约束因素.传统的攻击任务调度模型在处理上述问题时,没有考虑攻击任务外界与内部的约束条件,只是将复杂的攻击任务简单地分解为个体的叠加,在任务执行过程中不仅达不到提高任务执行效率的目的,还会由于缺乏相应的协同规划机制陷入混乱状态.提出一种多无人艇联合攻击任务规划模型.根据水面无人舰艇集群攻击任务规划问题的多约束性,建立任务规划模型,引入代价函数,运用改进的生物地理粒子群优化算法对任务分配问题进行求解,避免了生物地理优化算法容易陷入局部最优和粒子群算法解多约束离散问题时的不稳定性.进行仿真的结果表明,所提出算法有效解决了多水面无人舰艇之间的攻击任务规划问题.     

带硬时间窗模糊车辆路径问题的多目标优化

针对带硬时间窗车辆路径问题的多重模糊性,基于模糊可信性理论建立多目标模糊期望值模型,提出求解该问题的自适应混合多目标粒子群优化算法.该算法根据相位空间的思想给出一种实数编码方式,设计双存档机制,分别存储演化过程中产生的非支配解和有益不可行解,并引入自适应局部搜索、变异和粒子全局向导选择策略.仿真实验结果表明,与多目标进化算法相比,该算法可以获得更优的Pareto解集.     

泛集群环境中计算密集型任务流调度策略

针对计算节点较多的泛集群环境下难以快速、合理地制定计算密集型任务流调度方案的问题,提出一种基于多目标连续竞买博弈的任务调度策略.建立多目标优化调度模型,降低多目标优化函数维度,并采用线性加权和法将其转化为总和目标函数,以保证最优解的合理性.为提高最优解搜索速度,引入ETC矩阵作为最优解表达形式,设计连续竞买博弈算法.模拟真实场景并通过与同类算法的对比,表明了调度策略在泛集群环境下的响应速度、资源性价比和总成本支出等方面具有明显优势.     

多UCAV协同任务分配模型及粒子群算法求解

任务分配是多无人作战飞机(UCAV)协同控制的基础.对此,分析了影响任务分配的关键战技指标,建立了针对攻击任务的多UCAV协同任务分配模型.应用连续粒子群算法对问题进行求解,建立了粒子与实际问题间的映射,通过位置饱和策略构造粒子的搜索空间,采用自适应惯性权重提高粒子群算法的收敛速度和全局寻优能力.考虑到单机的任务载荷限制,引入了买卖合同机制以实现多机任务协调.仿真结果表明,所提出模型和算法可以较好地解决多UCAV协同任务分配问题.     

非正交联合对角化的罚函数粒子群算法

针对多个矩阵近似联合对角化盲分离问题,提出一种新的非正交近似联合对角化算法.首先采用罚函数法将联合对角化的非线性约束优化模型转化为无约束优化模型;其次将粒子群优化算法引入无约束优化模型中实现目标函数的最优化,从而完成矩阵组的联合对角化.分析了惩罚因子的更新策略及算法的收敛性能,并设计仿真实验进行对比分析以检验算法解决实际盲分离问题的能力.     

基于DAMPSO算法的USVs集群攻击任务规划研究

现代防御技术的迅速发展使得水面舰艇的攻击效果大大下降,水面无人舰艇自主编队集群攻击技术已经成为未来海战的关键技术之一,多水面无人舰艇之间的任务规划是保证无人舰艇顺利、高效完成任务的关键。将水面无人舰艇集群攻击任务规划问题看成是多约束的任务分配过程,建立任务规划模型,提出了基于分布式拍卖机制的粒子群优化算法,该算法结合分布式拍卖机制对粒子群优化算法的粒子初始化和寻优过程进行改进,使得粒子既符合任务的约束条件,又保持了多样性,避免粒子在寻优过程中陷入局部最优。仿真结果表明应用分布式拍卖机制粒子群优化算法得到的方案不仅完全满足水面无人舰艇集群攻击任务的要求,而且比传统粒子群优化算法和其他群体智能算法具有更好的收敛性。     

基于多Agent联合决策的队组协同攻击规划

自动化渗透测试通过将人工找寻可能攻击路径的过程自动化,可大幅降低渗透测试的成本。现有方法主要利用单一Agent执行攻击任务,导致攻击动作执行耗时长,渗透效率不高;若考虑多个Agent协同攻击,由于每个Agent的局部状态有多个维度,总的规划问题的状态空间会呈指数级增长。针对上述问题,提出了基于多Agent联合决策的队组协同攻击规划方法。该方法首先将多Agent协同攻击路径规划问题转化为联合决策约束下的攻击目标分配问题,建立多Agent集中决策模式;然后以CDSO-CAP为模型基础,利用联合决策矢量矩阵JDVM计算渗透攻击奖励,并采用贪婪策略搜索多Agent的最优攻击目标。实验结果表明,与单Agent规划方法相比,该方法的收敛性相近,但执行轮次更短,更适合在多目标网络场景内进行快速攻击规划。     

区间数决策在无人机攻防博弈中的应用

针对不确定信息下的无人机攻防博弈问题,建立了基于区间数的无人机攻防博弈模型。将态势信息引入支付区间矩阵,重构了支付区间内点的分布并将其转化为四参数区间数。结合信息论提出了一种基于相对熵的目标分配决策模型,提高了对不同策略的区分度。给出了参数不确定优化问题的求解方法,并使用自适应粒子群算法求解了纳什均衡。仿真结果验证了该方法在无人机攻防博弈中的可行性和有效性。     

多产品批处理不确定生产调度的粒子群算法

针对化工生产中操作时间的不确定性,考虑了含有混合中间存储策略的多产品批处理过程调度问题;采用三角模糊数去描述操作时间的不确定,建立了含有混合中间存储策略的调度模型;通过面积补偿法将原有的模糊调度模型转化为确定性的模型;最后采用结合遗传算法和模拟退火思想的混合粒子群算法进行优化求解,仿真结果证明了模型的有效性和算法的可行性.     

基于三支决策的飞机空战机动决策方法

为了提高战斗机在信息不充足条件下的机动决策能力,提出一种基于三支决策的飞机空战机动决策方法.首先,使用三支决策意图识别模型对目标意图进行识别;其次,将目标的作战意图因素引入到威胁评估中后,结合目标的威胁程度,提出基于三支决策的机动决策权重因子动态调整法;最后,使用模糊逻辑构建机动决策因子评价函数,并利用权值动态调整策略...     

双种群模糊粒子动态优化多能互益微网配置

为增强风光柴储多能互益微网运行稳定性、降低运行成本,并解决传统微网优化多目标决策随机性大、收敛慢及精度低等问题,提出一种双种群模糊粒子动态优化多能互益微网方法.首先从微网系统可靠性、经济运行性和环保性角度建立多能互益优化模型.然后依据模糊理论对多目标决策函数进行动态优化,避免人为设置权重因素,其中采用双种群惯性权重线性...     

基于模糊攻防树和熵权法的工控系统脆弱性量化评估方法

为了提高脆弱性量化评估结果的可靠性,提出一种基于模糊攻防树和熵权法的工控系统脆弱性量化评估方法。该方法以攻击防御树为模型,首先将模糊集合理论与专家评价相结合,然后聚合多位专家对同一安全属模糊评价,在模糊聚合过程中利用模糊距离计算专家模糊评价的偏离度以提高模糊聚合的可靠性,并采用熵权法确定叶子节点量化过程中各安全属性的权重。最后计算叶子节点及攻击序列概率。案例分析表明,该方法能有效提高评估结果的可靠性,为工控系统信息安全防护提供重要依据。     

基于精英改选机制的粒子群算法的空战纳什均衡策略逼近

针对无人机协同攻击的动态多策略性,应用纳什均衡概念,考虑联合生存概率和武器消耗等因素,融合双方价值函数计算和双矩阵对策纳什均衡点的求解方法,建立一种多战斗步空战动态目标分配优化模型.提出基于精英改选机制的粒子群(elite re-election particle swarm optimization,ERPSO)算法,在群体极值引导能力不足时,通过对其克隆、变异和重新初始化等操作增加个体的多样性,保留传统粒子群算法结构简单、快速收敛等优点,改善算法易于陷入局部极小的问题.将ERPSO算法应用于目标分配模型求解纳什均衡点,获取更为精确的双方混合策略,确保实时性和准确性,验证了模型和方法的有效性.     

改进证据推理的联合防空作战效能评估模型

根据证据理论在处理不确定性推理问题时的优势,运用证据理论对联合防空作战效能进行评估。首先建立基于证据推理的基本模型,然后引入模糊数学方法来处理具有模糊概念或推理关系的复杂问题,并且还考虑了实际问题中可能出现的加权证据或者相关证据的情况,提出了利用改进的证据模型进行联合防空作战效能评估的方法。通过实例分析,证明了改进证据推理模型在联合防空作战效能评估中的实用性与有效性。     

A multi-objective decision-making model with fuzzy rough coefficients and its application to the inventory problem

In this paper, we concentrate on developing a fuzzy rough multi-objective decision-making model according to uncertainty theory. We present some equivalent models and a traditional algorithm based on an interactive fuzzy satisfying method, which is similar to the interactive fuzzy rough satisfying method, in order to obtain a satisfying solution for the decision maker. In addition, the technique of fuzzy rough simulation is applied to deal with general fuzzy rough objective functions and fuzzy rough constraints which are usually difficult to convert into their equivalents. Furthermore, combined with the techniques of fuzzy rough simulation, a genetic algorithm using the compromise approach is designed for solving a fuzzy rough multi-objective programming problem. Finally, a model is applied to an inventory problem to illustrate the usefulness of the proposed model and algorithm, and then a sensitivity analysis is made.     

区间直觉模糊熵–集对分析–理想解耦合的多属性决策模型

多属性决策中指标集具有关联度多样性、区间模糊性等特点,传统决策模型在这些方面还没有很好的解决方法.为此,本文提出区间直觉模糊熵–集对分析–理想解耦合的综合评价模型,基于区间模糊熵和集对分析理论,运用对立与统一的观点对评价集的确定性和不确定性因素进行系统分析,量化了评价集同、异、反三个角度之间的关联度,引入博弈论对权重确定方法进行了优化,兼顾了主观权重和客观权重.研究表明,该决策模型充分考虑了比较集的同一、对立、差异度的区间性,全面吸纳了不同决策者的评估信息,既反映了客观信息,又反映了决策者的主观意愿,为多属性决策提供了新的方法.     

基于前景理论的多目标灰靶决策方法

针对权重信息部分已知且属性值为区间数的多目标决策问题,考虑决策者风险态度对多目标决策的影响,提出一种基于前景理论的区间数多目标灰靶决策方法.该方法利用奖优罚劣的区间数线性变换算子对原始决策信息进行规范化处理,设计正负理想靶心,并定义前景价值函数.利用该构建方案建立优化模型以得出最优权向量,并最终确定出方案的排序.最后,通过一个实例验证了该模型适用于具有风险态度特性的区间数多指标决策,并且表明了该模型的有效性和可行性.     

基于多目标模糊线性规划求解方法的飞机排班问题研究

提出了一种基于多目标模糊线性规划法解决飞机排班问题的新算法。该算法将模糊理论与最优化概念相结合,根据最大隶属度原则,将以飞机飞行时间均衡优先、飞机起降次数均衡优先、飞机等待时间最少优先为目标函数的多目标模糊线性规划数学模型转化为一般的线性规划问题进行求解。实验数据表明,该算法可行、有效,步骤简捷,计算量小,能得到理想的结果。     

A novel combined forecasting system for air pollutants concentration based on fuzzy theory and optimization of aggregation weight

Effective forecasting of the air pollutant concentration is crucial for a robust air quality early-warning system and has both theoretical and practical significance. However, the accidental and cognitive uncertainty in the model selection or parameter setting of a single system will result in inaccurate and unstable forecasting results. Thus, in this paper, a novel fuzzy combination forecasting system based on the data preprocessing, fuzzy theory, and advanced optimization algorithm is proposed to improve the accuracy and stability of forecasting results. Based on the fuzzy theory and decorrelation maximization method, our proposed forecasting system can considering more information and maintaining the diversity of models. Moreover, Cuckoo Search algorithm applied in the system can determine the optimal weights for models aggregation. Several experiments based on PM${}_{\mathrm{2.5}}$ and PM₁₀ datasets in three cities are analyzed and discussed to verify the excellent performance of our proposed forecasting system, and the results indicate that the forecasting system outperforms others with respect to the accuracy, stability and generalization capabilities which are the basis of a robust air quality early-warning system in practice.