基于改进粒子群算法的反舰导弹在线目标分配

针对反舰导弹预先目标分配无法应对战场环境动态变化的难题,提出了基于领弹、数据链、卫星定位技术的在线目标分配的设想。综合考虑影响反舰作战效能的各种因素,构建了目标分配优化模型和作战效能主要评价指标的计算模型。为了满足反舰导弹协同攻击在线目标分配的实时性要求,提出了一种改进的粒子群算法。首先通过设计编码方式避免了多导弹弹道交叉和初始粒子群中由于存在大量非可行解而导致搜索效率降低的问题;然后通过引入变异和交叉算子,既增加了解的多样性,又加快了解的收敛速度;最后通过线性变化惯性权重、认知系数和社会系数,进一步提高了算法的搜索精度和搜索效率。仿真结果表明,构建的模型和提出的算法能够快速有效地解决反舰导弹协同攻击在线目标分配问题。     

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。     

具有多次拦截时机的防空火力分配建模及其优化方法研究

防空火力分配采用一次性完全分配原则容易造成火力资源浪费,针对该问题,以来袭目标到火力单元的飞临时间为依据,筛选出具有多次拦截时机的火力单元组,并按照拦截时机的先后顺序逐步释放火力单元,以毁伤概率为优化目标,同时兼顾火力资源消耗,建立了一种具有多次拦截时机的防空火力分配模型。在此基础上, 采用混沌离散粒子群混合优化(CDPSO)算法对模型进行求解,以提高算法的全局搜索能力, 避免陷入局部极值。通过仿真验证了模型及算法的合理性和有效性,为防空火力分配问题的求解提供了一条新思路。     

多UCAV超视距协同空战中的交接制导方法

针对UCAV隐身性与机动性好但同时通信易受干扰且智能化程度较低的特性,提出了多UCAV超视距协同空战的作战模式。针对该模式下需要将空空导弹的中制导权移交给友机的问题,给出了交接制导方法。分析了交接制导的过程,结合超视距协同空战的特点,分别建立了UCAV对待交接导弹以及该导弹所攻击目标的态势优势模型,在此基础上构建了UCAV的综合制导优势模型。根据该模型设计了制导权移交策略,采用粒子群算法进行了优化求解,实现了制导权在多UCAV内部的合理交接,在一定程度上提高了UCAV的生存能力和自主决策能力。仿真结果验证了所提方法的可行性及有效性。     

基于文化基因算法的多目标优化

针对粒子群算法收敛速度慢、求解精度低的不足,提出了将粒子群改进作为全局搜索,多目标模拟退火算法作为局部搜索的文化基因算法,将交叉和变异操作引入粒子群全局搜索中帮助跳出局部最优。对于多目标优化问题,根据非劣解的拥挤度决定最优值的选取策略,并将该算法用于多目标优化的实际求解中。仿真结果表明,该算法不仅能快速有效地得到Pareto解集,并且能有效地保持所求最优解的多样性。     

多无人机多任务对地攻击协同任务分配

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。     

基于离散映射的量子粒子群优化算法求解WTA问题

针对武器目标分配(WTA)问题及其特点,提出一种基于离散映射的量子粒子群优化算法。通过武器系统对目标攻击过程中得到的毁伤收益建立了目标分配模型,提出一种基于离散映射的编码调整方式,将连续型粒子位置矢量投影至离散空间上,避免产生不满足模型约束条件的非法解,从而提高粒子利用率。通过仿真对比验证,论文算法具有较高的收敛速度与稳定性,表明该方法能有效求解WTA问题。     

一种新的混合聚类算法

针对模糊C均值算法与粒子群算法的不足,提出了一种基于粒子群算法和模糊C-均值算法的混合聚类算法.该算法将全局搜索和局部搜索有机结合,采用两阶段的聚类分析方法,解决了FCM算法易于陷入局部最优和PSO算法局部搜索较弱的问题.实验结果表明,该算法具有较好的有效性,增强了全局收敛能力,减小了分类错误率.     

基于Henon 混沌映射的多目标粒子群算法改进分析

为解决多目标粒子群优化算法对初值敏感性较差和局部搜索能力不强的问题,提出一种改进的混沌多目 标粒子群优化算法。根据多目标优化问题的概念,利用混沌对初值敏感、随机的特性,确定种群初始值,通过引入 Henon 混沌映射,将改进后的算法应用到3 个典型的多目标测试函数,并与NSGAⅡ和MOPSO 算法进行对比。仿 真结果表明：改进的多目标粒子群算法在收敛性、分布性和均匀性等均有提高,具有可行性和优越性。     

基于改进型多目标粒子群优化算法的武器-目标分配

在作战中武器-目标分配(WTA)问题包含众多的变量,是典型的非确定性多项式完全问题。针对毁伤效能最大和用弹量最少两个目标函数,建立了基于改进型多目标粒子群优化(MOPSO-Ⅱ)算法的WTA模型。由于粒子群优化算法存在“维数灾难”瓶颈,应用了变量随机分解策略和合作协同进化框架,按照带精英策略的非支配排序遗传(NSGA-Ⅱ)算法中的排序方法对粒子群编码数据进行非支配排序。通过实例仿真分析,结果表明MOPSO-Ⅱ算法比NSGA-Ⅱ算法具有更好的求解精度与运行效率,能够获得满意的分配结果,且计算快速有效,比较适合较大规模的WTA问题实时求解。在作战中武器-目标分配(WTA)问题包含众多的变量,是典型的非确定性多项式完全问题。针对毁伤效能最大和用弹量最少两个目标函数,建立了基于改进型多目标粒子群优化(MOPSO-Ⅱ)算法的WTA模型。由于粒子群优化算法存在“维数灾难”瓶颈,应用了变量随机分解策略和合作协同进化框架,按照带精英策略的非支配排序遗传(NSGA-Ⅱ)算法中的排序方法对粒子群编码数据进行非支配排序。通过实例仿真分析,结果表明MOPSO-Ⅱ算法比NSGA-Ⅱ算法具有更好的求解精度与运行效率,能够获得满意的分配结果,且计算快速有效,比较适合较大规模的WTA问题实时求解。     

基于整数域改进粒子群优化算法的多平台武器目标分配

武器一目标分配( WTA)问题是军事运筹学中经典的NP完全问题,其模型为非线性整数规划模型,包含多种约束条件,求解复杂、收敛速度慢,采用改进粒子群优化( PSO)算法求解WTA问题.在建立WTA最优化分配模型的基础上,提出了一种针对多约束WTA问题的粒子编码方案及模型的适应度函数,解决了粒子的整数域初始化问题.采用粒子...     

基于ACA_PSO算法的无人机分布式任务分配方法

为解决分布式任务分配问题，采用“粒子化”的蚁群算法进行无人机分布式任务分配。基于蚁群_粒子群混合算法，在原有蚁群算法基础上进行改进，使其具有“粒子”的特性。建立扩展协同多任务分配问题模型(ECMTAP)，采用构造允许的状态转移集合的方法，大大减少了产生的不合理解的个数，并弥补了蚁群算法陷入局部最优和早熟问题的缺点。实验结果表明：该算法能够有效地解决复杂约束条件下的多无人机分布式任务分配问题，具有较好的收敛速度和任务分配结果。     

改进的粒子群算法求解火力优化配置

针对现代化战场作战双方坦克分队进行火力对抗时,需要指挥员能够随时提供合理的火力打击策略这一问题,提出了一种改进的粒子群算法,用于快速求得可行的火力优化配置方案,为指挥员作出打击决策提供依据。与实例对比分析的结果表明,改进的粒子群算法具有很高的求解精度与求解效率,能够满足坦克分队作战需求。     

防空武器多目标优化分配建模与决策

在对决策机理分析的基础上,建立了防空武器系统的多目标分配决策模型,实现了防空导弹的多目标优化分配。在此基础上,提出一种改进的粒子群优化(PSO)算法以求解防空武器的最优分配,通过与遗传算法的实例比较,结果证明了该方法的有效性和优越性。     

基于自适应遗传算法的反坦克导弹阵地武器目标分配研究

针对传统武器目标分配(WTA)方法中将目标视为相互独立实体的不足,提出一种适用于反坦克导弹武器目标分配的联合目标模型及利用自适应遗传算法对模型进行求解的思路,通过新的种群生成编码方法和单亲交叉与双亲交叉相结合的方法,缩小了可行解空间,克服了过早收敛,并加快了搜索速度.仿真表明了自适应遗传算法在求解反坦克导弹阵地WTA问题时不仅全局收敛性好,稳定性高,易于并行处理,且每个解都具有实际的可分配性.     

基于协进化多子群蚁群算法的多无人作战飞机协同航迹规划研究

协同航迹规划是有效提高多无人作战飞机( UCAV)协同作战效能的关键技术之一。分析了多UCAV协同航迹规划问题中的空间协同约束、时序约束以及任务时间约束，建立了基于“协同系数”的协同航迹性能评价指标；在此基础上，通过引入蚂蚁子群间的协同进化策略，并对蚁群算法状态转移规则、信息素更新机制进行了改进，设计并实现了基于协进化多子群蚁群算法的协同航迹规划算法。仿真实验结果表明：本文方法能够很好地处理多UCAV协同任务中的各类约束条件，是一种有效的协同航迹规划方法。     

装备技术保障训练经费最小的分派

通过以投入经费最少为目的的装备技术保障专业训练任务分派问题的研究,建立相应的任务分派模型.即针对分派问题的动态规划法,先定义若干项任务分派顺序,采用二维变量表示状态变量.再以决策变量表示某个任务可选择的承训单位,然后将该任务分派给同一承训单位,得出状态转移方程.最后根据最优值函数建立顺序动态规划方程并求解.实例证明该模型及方法适用于相关分派问题的分析.     

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.     

遗传粒子群算法在测试节点优选中的应用

测试节点优化是电路板测试诊断设计优化过程中的一个基本问题,属于经典的N-P难题,但目前用于测试点优化的算法存在搜索速度慢、不收敛等问题,因此提出一种基于遗传粒子群优化算法.该方法通过建立电路测试节点的"故障-测试"矩阵,用遗传算法对数学模型进行优化,并采用粒子群算法搜索实现了快速求解.与传统方法相比较,该方法搜索速度快,优化效果明显,已在工程实践中得到应用.