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。     

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。     

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。     

基于改进非支配排序遗传算法身复合材料身管多目标优化

针对复合材料身管设计时多个性能指标设计要求，基于有限元模型和优化设计方法，建立了复合材料身管多目标优化模型，优化的目标为身管一阶固有频率和身管质量，复合材料各层缠绕角和缠绕厚度为优化设计变量，优化方法采用改进的非支配排序遗传算法（NSGA-Ⅱ）；通过优化求解，获得了复合材料身管的Pareto最优解集；优化算例表明，采用NSGA-Ⅱ获得的Pareto前沿面曲线分布均匀，其所对应的复合材料身管设计方案在刚度和重量方面均有改善。     

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。     

内弹道多目标优化算法对比分析

为保证在威力不变的情况下,尽可能降低内弹道过程的最大膛压,建立基于NSGA-Ⅱ、CMOPSO、NSGA-Ⅲ多目标内弹道优化算法,对其进行计算分析.以某无后坐发射系统为研究对象,选定设计变量与目标函数,对目标函数进行无量纲化,对内弹道进行多目标优化,并对比3种算法在内弹道优化过程中的优劣.结果表明:CMPSO算法具有最大的相对速度分布,NSGA-Ⅱ具有最大的相对压力跨度,而NSGA-Ⅲ具有最好的收敛性.     

多管火箭炮定向管的多目标优化及多属性决策研究

针对某多管火箭炮(MRLS)复合材料定向管的结构设计指标,根据有限元分析方法和优化设计方法,以复合材料定向管的复合铺层厚度、铺层角度及定向管中定位部的位置为优化设计变量,定义定向管固有频率和定向管质量为优化目标,结合有限元数值计算结果,采用改进非支配排序遗传算法(NSGA-Ⅱ),建立了复合材料定向管的多目标优化模型。通过优化求解,得到帕雷托(Pareto)最优解,并由这些Pareto最优解构成决策矩阵,利用客观赋权的信息熵法计算各属性的权值,并运用逼近理想解的排序方法(TOPSIS)进行了多属性决策研究(MADM),对Pareto最优解作了排序。引入比刚度结构效能对比分析优化前后的定向管性能,表明对定向管的优化设计是有效的。     

基于多目标局部变异-自适应量子粒子群优化算法的复杂地形多传感器优化部署

对复杂地形下的多传感器部署问题进行研究,提出了基于多目标局部变异-自适应量子粒子群优化（LM-AQPSO）算法的多传感器多目标优化部署方法。该方法对复杂地形进行多属性网格建模,给出了传感器探测模型和优化目标。引进局部变异和参数自适应策略对量子粒子群优化算法进行改进,并提出了基于LM-AQPSO的多目标Pareto最优解集优化算法。考虑多目标部署需求,构建了基于Pareto最优解集的多传感器优化部署模型。仿真实验结果表明：相对于经典的改进非支配排序遗传算法,所提算法优化的Pareto最优解有着更好的收敛性和分布性,且寻优时间更短;所提模型能有效解决多目标多传感器部署问题,并能同时提供更多的决策方案。     

基于禁忌捜索与微粒群优化算法的混合优化策略算法在目标分配问题上的应用

目标分配是地面防空作战指挥的关键环节。给出问题模型，并提出一种禁忌搜索与改进微粒群算法的混合优化策略用于解决该问题。仿真结果表明，与其它几种智能优化算法相比，该混合优化策略在解决目标分配问题时具有优良的优化性能和时间性能，在问题规模较大时表现更为突出。     

一种基于化学反应优化和粒子群优化的混合型优化算法

针对现有化学反应优化算法存在的不足,提出一种基于粒子群优化算法(particle swarm optimization,PSO) 和自适应化学反应优化算法(adaptive chemical reaction optimization,ACRO)相结合的混合算法(a hybrid optimization based on ACRO and PSO,ACRO-PSO)。在ACRO 算法的领域算子基础上,融入PSO 算法的全局算子,加入权重系 数控制本地搜索和全局搜索的比例,修改分解反应合化合反应出现的时机,利用化合反应输出最优解,采用标准测 试函数对ACRO-PSO 进行性能分析。仿真结果表明,ACRO-PSO 算法能高效地解决待优化问题。     

基于简便约束粒子群优化算法的空空导弹μ-PID控制器设计

针对现有约束粒子群优化(PSO)算法存在的算法复杂、应用范围受限、优化效果不佳等缺陷,提出一种新型约束粒子群算法。该算法采用目标函数替换的方法将约束优化问题转化为非约束优化问题,具有简便易用的优点。通过典型测试函数测试并和其他具有代表性的约束PSO算法进行对比,表明该算法在处理约束优化问题上的优越性。为了验证该算法应用于工程的可行性,以样例导弹纵向模型为对象,针对经典Raytheon控制结构,采用该算法设计了μ-PID控制器。仿真结果表明,样例导弹控制器可以在满足多种时域指标的同时具有良好的鲁棒性能,达到了设计指标要求,验证了所提出算法的有效性。     

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.     

基于粒子群算法的可重复使用液体火箭发动机减损优化问题研究

针对可重复使用液体火箭发动机起动过程，研究了系统控制输入序列的变化对以涡轮叶片为代表的关键部件累积损伤的影响。在系统性能变化不大前提下，为使瞬间动态过程中涡轮叶片损伤累积较小。从而提高可重复使用发动机工作寿命和使用次数，将系统性能函数和涡轮叶片累积损伤量设为目标函数，应用粒子群算法对系统控制输入序列进行优化设计。仿真结果表明：1）在系统性能函数值相同情况下，控制输入序列引起的涡轮叶片累积损伤大不相同；2）选择优化后的控制输入序列能够实现发动机高性能条件下，降低涡轮叶片累积损伤的目的。     

基于改进粒子群算法的野战油库选址优化

针对标准粒子群算法容易陷入局部最优,提出了改进粒子群算法;对粒子的自适应性和惯性权重进行改进,建立了野战油料选址模型;通过仿真,发现改进粒子群算法克服了标准粒子群算法容易陷入局部最优的问题,且寻优能力强,对部队的野战油库选址具有指导作用。     

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。     

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.     

基于改进序列二次规划的非线性控制分配

针对多操纵面飞机舵面偏转角与力矩系数之间的非线性问题,提出一种改进粒子群算法(particle swarm optimization,PSO)和序列二次规划算法(sequential quadratic programming,SQP)相结合的方法来解决非线性控制分 配问题。以飞翼模型为对象,对模型舵效进行分析,在舵效非线性的情况下,采用拟合函数的方法来表示舵效的非 线性;对粒子群算法进行改进,采用拟牛顿法及线搜索方法对序列二次规划方法进行改进,并对改进后算法的拟合 效果进行比较;在线性舵效与非线性舵效下进行仿真对比,验证了算法的有效性。仿真结果表明：该算法能提高粒 子群算法的全局搜索能力,保证分配的准确性。