改进型布谷鸟搜索算法的防空火力优化分配模型求解

针对防空火力优化分配中火力资源易浪费且易延误战机的问题,将毁伤概率门限、飞临时间以及威胁度等因素相结合,构建一种改进的防空火力优化分配模型。基于此模型,提出一种多种群并行布谷鸟搜索算法求解防空火力多维整数优化分配问题。利用多个种群同时进行全局探索和局部开发,并通过移民算子进行各种群间的信息交流;为进一步提高全局探索能力,引入柯西变异算子构建新的全局搜索模型;在算法局部开发过程中,采用贪婪方式,逐维搜索。仿真结果表明：所建火力优化分配模型能有效地抓住战机,避免火力资源浪费;所提优化算法能较好地平衡全局探索和局部开发,在保证较高收敛速度的同时,提高了全局探索能力。     

基于粒子群算法的火力最优分配

针对炮兵战场多个目标和多个火力单位的复杂作战环境,运用粒子群优化算法的原理和其加以改进的方法,对炮兵火力单位的最优分配作了初步探讨,并与遗传算法加以比较,结果表明它比遗传算法在军事领域火力分配中寻找全局最优解更加快速可靠.     

基于杂交粒子群算法的弹炮混编防空群火力优化模型

针对弹炮混编防空群射击指挥中的火力分配问题,提出了弹炮混编防空群的火力分配方法,建立了优化的火力分配数学模型。在此基础上,借鉴遗传算法中的杂交概念,采用改进后的粒子群优化算法对此模型求解。通过算例和仿真结果与实际经验对比表明,改进粒子群优化算法是解决弹炮混编防空群火力优化分配问题的一种有效方法。     

陆军战斗集群作战火力分配及效能评估研究

研究陆军战斗集群作战火力分配和效能评估问题。建立了面向火力分配方案的目标整体打击效能评估模型。基于临界集理论,提出了一种新颖的优化火力分配的求解算法。该算法缩小了求解搜索范围,能够有效地提高求解效率。结合某战斗集群的实例进行了求解计算及分析,验证了模型和算法的有效性和正确性。     

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。     

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。提出一种基于非线性自适应惯性权重的改进平衡优化器优化算法,对模型进行求解。该算法首先使用Tent混沌映射初始化种群,增强种群多样性;其次引入惯性权重平衡局部搜索和全局搜索能力,有效提高了算法的寻优能力。仿真计算结果验证了所提模型的优点以及优化算法的有效性。     

基于智能对抗进化的联合火力打击任务规划方法

针对常规联合火力打击任务规划方法很少涉及敌我对抗,导致评估环境发生变化的问题,提出一种基于敌我对抗进化的智能对抗进化算法。该算法以遗传算法为基础,将模拟生物竞争机制引入敌我双种群,互为评估条件实施对抗进化。依据敌我战场态势图构建观察-判断-决策-打击（OODA）超网络,计算OODA循环效率、确定敌我打击排序,通过多代对抗进化获得能够适应战场动态变化的任务规划最优个体。仿真结果表明：多代进化后的最优个体相比于标准优化结果,战场动态适应性更强,联合火力打击胜率更高,应对突发情况的响应机制更完善,能够有效地解决联合火力打击任务规划的评估优化问题。     

基于对抗的突击武器与支援武器协同火力打击决策方法

为满足多类型武器协同火力优化打击的需求,提出了一种基于对抗的突击武器与支援武器协同火力打击决策方法。以突击武器“点对点”打击和远程火力支援武器“面杀伤”的协同为研究对象,考虑具有对抗特性的火力打击决策优化过程,以突击武器对目标的打击决策、目标对突击武器的打击决策以及支援武器的炮弹落点位置为优化变量,建立了以对抗双方剩余价值比值为目标函数的协同火力打击决策优化模型。提出了基于人工蜂群算法双层迭代优化的协同火力打击决策优化模型求解方法。目标分配决策变量采用整数编码,利用罚函数方法处理约束条件,将决策模型转化为无约束混合整数优化问题;针对算法实现过程,分析了双层迭代人工蜂群求解算法的计算复杂度。通过一个协同火力打击算例验证了协同火力打击决策模型和求解算法的合理性和有效性。     

基于NSGA-Ⅲ算法的集群目标来袭火力分配建模与优化

火力分配建模与优化作为集群目标来袭防御任务规划的关键环节,对提高防御效果、保证任务完成质量具有重要意义。针对集群目标来袭防御策略呈现出由传统点对点饱和攻击向合理火力覆盖转变的基本趋势,建立以攻击效益最大、自身剩余价值最大、武器消耗最小为目标函数,以毁伤门限、武器资源总数和0-1整数约束为约束条件的集群目标火力分配模型;提出基于非支配排序遗传算法-Ⅲ（NSGA-Ⅲ）的集群目标来袭火力分配优化框架,给出具体的优化流程;面向想定的作战任务进行仿真实现,并通过收敛性指标和间距指标对NSGA-Ⅲ算法与第2代强度Pareto进化算法、NSGA-Ⅱ算法的性能进行对比分析。结果表明,NSGA-Ⅲ算法各项性能更优,能够更有效地解决集群目标来袭火力分配建模与优化问题。     

舰舰导弹最优火力分配模型的凸性治分析

运用最优化方法，以射击效率指标的为目标函数，建立舰舰导弹火力分配的优化数学模型，选择合适的算法求解以获得最优的火力分配方案。在给出几种典型的舰舰导弹最优火力分配模型的基础上，着重时模型的凸性进行了分析，得出了舰舰导弹最优火力分配模型是一个凸规划问题的结论。     

基于拍卖算法的动态防空武器目标分配

为解决网络化防空作战中“制导平台-武器-目标”三者的优化匹配问题,提出一种基于拍卖算法的武器目标分配(weapon-target assignment,WTA)问题求解方法。建立多约束条件下的动态武器目标优化分配模型,将动态作战过程离散化为静态分配问题处理。实例验证结果表明,该方法具备有效性、快速性。     

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.     

基于回合制的火力分配优化问题建模方法研究

为解决火力分配中目标威胁度量化评估难,以及不同装备使用不同弹药对不同目标的毁伤效果差异大问题,建立了火力分配优化问题模型,该模型以最大战斗力指数为目标函数,并在火力分配基础上提出了装备-弹药-目标的分配方法。以武器装备回合战斗力指数为火力分配依据,有效解决了当前优化模型中很难精确确定不同目标威胁度大小问题;以回合制为计算周期确定装备战斗力指数、弹药消耗发数及装备运用方案等,有效解决了当前优化模型中一次计算后目标动态变化造成的火力资源浪费以及实时动态分配造成的计算困难等难题。运用遗传算法求解所建立的模型,算例结果验证了模型的可行性和有效性。     

火炮武器－目标分配模型及其算法研究

根据火炮不同作战任务或作战目的,防空反导火炮作战目标分配需遵循最大威胁法则,而远程压制火炮作战目标分配需遵循最大毁伤法则。针对火炮武器－目标分配问题,提出了两种典型的火炮武器－目标分配模型,分别为防空反导、远程压制目标分配。针对上述模型提出了基于模拟退火的目标分配优化算法,并通过嵌入局部领域贪婪搜索策略,提高了该算法的收敛速度和搜索效率。仿真结果表明,该算法具有收敛速度快、分配偏差低的优点,在军事领域具有潜在的应用价值。     

面向对地打击武器-目标分配问题的遗传算法变量取值控制技术

对地打击目标与武器类型复杂多样,其武器-目标分配问题难度较大,研究不足,而合理的武器-目标分配方案,可优化资源配置,用最小的代价获取最大的战场收益。为此,构建相应数学模型,并针对采用遗传算法进行解算时收敛速度慢,甚至无法得出可行解等问题,设计了一种变量取值控制方法。该方法通过约束和控制初始种群个体中变量的取值范围来缩小搜索空间,提高搜索效率;通过改进变异策略扩大变量取值范围,确保解的质量。仿真结果表明,改进的遗传算法能有效地解决大规模对地打击武器-目标分配问题,且性能较优。     

分阶段对地打击武器-目标分配建模与决策

为解决以对地打击作战行动为背景的武器-目标分配问题,在合理的假设条件下,建立了分阶段对地打击武器-目标分配的全局模型和局部模型,并设计了粒子群算法结合改进单纯形法的模型求解思路。结合具体算例所得出的仿真结果表明,所提出的模型与算法是准确的,能够有效地得到目标选择方案和武器分配方案,决策结果与实际作战思路基本一致,为对地打击武器-目标分配问题的工程实现提供了参考,具有重要的实际应用价值。     

基于可适应匈牙利算法的武器-目标分配问题

当前各类智能优化算法求解武器-目标分配问题时,存在耗时长、优化结果不唯一等缺陷,而匈牙利算法具有耗时短、求解结果稳定的优势,但其适应性较差,目前尚未见二者的对比分析文献。针对此现象,对比分析传统匈牙利算法与智能优化算法的耗时性与稳定性,展现了匈牙利算法的优势;提出统一效率矩阵,创建可适用于所有类型目标分配问题的可适应匈牙利算法;通过实例应用验证了可适应匈牙利算法的正确性。