求解武器目标分配问题的改进粒子群算法

在建立多种类型武器目标分配模型的基础上,提出了一种求解该模型的改进粒子群算法。首先,定义粒子聚焦距离变化率,使惯性权重依据聚焦距离变化率自适应调整;其次,采用速度最大值线性递减的策略平衡算法收敛精度与全局寻优能力之间的矛盾;最后,粒子替换策略使算法改善了因自适应惯性权重的引入而造成收敛速度变慢的问题。仿真结果表明,提出模型和算法合理有效,算法收敛快,适合求解各种种群规模的武器目标分配问题。     

改进的粒子群神经网络在飞控中的应用

针对BP神经网络对初始值敏感、容易陷入局部寻优且收敛速度较慢,提出用粒子群对神经网络的参数进行优化,同时设计了衰减的指数函数对惯性权重进行动态调整以提高算法性能。并应用该算法对导弹飞控系统的逆误差进行补偿,仿真结果表明,该方法对逆误差进行了有效的补偿,避免了局部寻优并提高了学习效率。     

云模型改进惯性权重的混沌交替粒子群算法

标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。     

舰艇编队协同反导火力分配的改进多目标粒子群算法

为提高协同反导时的多目标火力分配计算能力,首先建立了火力分配多目标数学模型;然后,针对火力分配多目标规划具有的线性不等式约束条件难以使用多目标粒子群优化算法、粒子群算法自身存在的盲目搜索等问题进行了改进,并明确了计算流程;最后,对算法进行了仿真实验,仿真实验表明:改进的多目标粒子群算法求解多目标火力分配规划模型得到的非劣解集可构成Pareto前端,且非劣解集的适应度最大值随迭代步数演变具有稳定的收敛性,验证了改进多目标粒子群算法的有效性.     

基于混合粒子群的武器分配与规划方法研究

武器-目标分配是一个至今未能解决好的多约束规划问题,其复杂性包括模型和算法两方面,已被证明是一个NP完全问题。在对以往武器-目标分配模型分析的基础上,引入时间和制导资源约束构建新的模型,以防御武器系统生存概率最大作为目标函数,提出一种混合粒子群算法。该算法融合粒子群算法和遗传算法,首先利用粒子群算法找到不受时间和制导资源约束的一组解,再利用一个遗传算法对粒子群算法找到的解进行寻优,最终找到一组满足时间和制导资源约束的最优解。仿真结果表明,该算法收敛速度快,求解精度高。     

基于改进灰狼算法求解武器目标分配问题

针对群智能优化算法求解武器目标分配问题搜索效率低的现状,提出了一种改进的灰狼优化算法。不同于传统的灰狼优化算法,该研究创新性地借鉴了遗传算法的思想,在灰狼优化过程中引入了交叉算子,这一改进不仅增加了种群内部的信息共享机会,还有效提升了算法的全局探索能力,使得算法能够在更大范围内寻找最优解,避免陷入局部最优的问题。仿真结果表明,在目标数量与武器数量均为20的测试组中,改进后的灰狼优化算法相较于标准的粒子群优化算法(PSO)和传统的灰狼优化算法(GWO),取得了更为优异的成绩,改进算法的适应度中位数相对于PSO和GWO分别下降了11.57%和6.37%。改进灰狼优化算法显著提升了GWO算法的全局寻优能力,且能够有效解决WTA问题。     

基于改进粒子群算法的自动机性能评估

由于自行高炮自动机状态监测中缺乏行之有效的机构性能评估手段,引入了改进粒子群算法。建立了自动机动力学模型,对后坐过程进行了动力学仿真,确定了反映机构性能的浮动曲线特征量。针对粒子群算法收敛速度慢、精度低等缺陷,对其进行改进,并结合曲线特征量对自动机性能参数进行了评估。结果表明:改进后粒子群算法的算法收敛性和结果精度都有明显的改善,有效实现了自动机的性能参数评估。     

改进粒子群算法在导弹火力分配中的应用

粒子群优化算法是一种新兴的优化技术,思想来源于人工生命和演化计算理论。由于该算法简单易实现,可调参数少,目前已得到广泛研究和应用。在建立导弹武器火力分配数学模型的基础上,运用改进粒子群算法对模型进行了最优化求解,实例的计算结果表明该优化算法对于模型的求解具有较好的收敛性。     

基于改进粒子群算法的火炮内弹道多参数符合计算

为了研究火炮在发射过程中膛内火药燃烧规律以及弹丸运动规律,需要建立火炮内弹道数学模型并进行数值求解,在此过程中对部分内弹道参数进行符合计算是优化内弹道模型的重要途经之一。在经典内弹道方程组的基础上,阐述了经典内弹道计算原理,并对基本粒子群算法进行了改进,使改进后的粒子群算法在迭代初期有较大的惯性权重ω和学习因子c_1以及较小的学习因子c_2,而在迭代后期有较小的惯性权重ω和学习因子c_1以及较大的学习因子c_2,从而有效地避免粒子群陷入局部最优而导致收敛精度低的缺陷。将改进后的粒子群算法应用于火炮内弹道多参数符合计算,算例结果表明该方法完全满足工程实际要求,具有收敛速度快、符合精度高的特性,是火炮内弹道多参数符合计算的理想算法之一。     

基于改进粒子群算法的装备维修资源优化问题研究

通过对粒子群算法的分析,针对其易过早收敛的不足,将遗传算法的变异操作引入其中,并给出了惯性因子的调整方式。在建立维修资源优化模型的基础上,结合实例运用改进的粒子群算法和模拟退火遗传算法进行了仿真,结果表明,该算法具有更好的收敛性。     

基于改进粒子群算法的多机协同目标分配

针对多机协同空战目标分配的问题,提出了一种改进的粒子群算法,设计了新的粒子群位置和速度更新过程。充分利用粒子群算法的全局搜索能力以及利用贪婪策略的局部最优搜索能力进行混合搜索,显著地提高了搜索能力。仿真结果表明,改进的粒子群算法能够快速解决多机协同作战的目标分配问题,能够找到逼近全局最优点的解。     

创造性思维粒子群优化的武器目标分配

现代战争特点为防空作战中武器目标分配(WTA)问题的求解效率和质量提出了新的需求和挑战。建立了WTA问题模型,并选择粒子群优化算法(PSO)求解模型。针对PSO算法在求解WTA模型中出现的早熟收敛特性,从认知心理学角度进行分析,将创造性思维(CT)引入PSO的速度更新公式中,提出了一种基于创造性思维的PSO算法CTPSO。针对WTA模型的离散性特点,设计了编码与解码策略,及位置和速度矢量的离散化运算规则。实验证明了CTPSO算法在WTA问题求解质量和求解效率方面的优越性。     

基于改进粒子群算法的联合火力打击目标分配研究

针对联合火力打击目标分配涉及影响因素多、存在大量参数和变量的特点,建立了联合火力打击目标分配模型,采用改进的粒子群算法探讨了目标最优化分配问题。对粒子群算法中解空间存在的可能解进行编码,将可能解进行交叉、变异和选择操作得到新的粒子个体,不断迭代,从而得到可行的最优解。通过对一个作战想定的多次仿真,进一步表明了算法的可行性和有效性,为指挥员科学决策提供了依据。     

改进的二进制粒子群算法的传感器优化配置

传感器组合优化问题是设备状态检测系统设计的重要问题。在研究传感器与故障有向图的基础上,提出了传感器优化配置模型;根据传感器组合优化自身特点,从位改变率、惯性权重两个方面对BPSO算法进行了参数分析。结合免疫算法的\"亲和度\"思想以及非线性惯性权重递减公式,提出了改进的二进制粒子群算法。案例显示,改进的二进制PSO算法提高了算法在整个解空间的搜索能力,加快了收敛速度,能够很好地用于解决传感器优化问题。     

基于混合粒子群算法的软硬武器协同反导决策

以单舰使用软硬武器对抗末端飞行的反舰导弹为背景,在对软硬武器抗击反舰导弹存在相互干扰进行分析的基础上,为了最大程度地减小干扰,取得最大的作战效果,建立了单舰协同使用软硬武器分层防御反舰导弹的模型.这是一个多阶段单指标方案优选问题,使用混合粒子群算法进行求解,仿真结果表明:该算法可以找到合理的、满足要求的反导方案,而且计算方便.     

基于改进粒子群优化算法的微电网孤岛选址定容

分析了在重要孤立系统中采用微电网供电的必要性,在此基础上提出了采用由非支配排序法和拥挤距离排序法改进的粒子群算法进行微电网选址定容,其目的是改进多目标微电网规划问题的优化结果。通过改进算法与基本算法算例结果的对比分析,验证了改进算法在求解孤岛选址定容问题上具有较强的寻优能力、较高的收敛精度和较稳定的最优解,为进一步研究微电网孤岛选址定容问题提供了思路。     

基于改进粒子群算法的协同多目标攻击空战决策

超视距空战和协同多目标攻击是空战的发展趋势,协同多目标攻击中的关键问题是空战决策。建立了协同多目标攻击空战决策的多目标优化数学模型,提出了一种改进的粒子群优化算法,并将其应用于空战决策。基本的粒子群算法是一个有效的求解连续优化问题的方法,结合遗传算法的思想,提出了直接对粒子进行交叉和变异操作来完成粒子更新的方法。仿真结果表明,所提出的改进粒子群算法是一种求解协同多目标攻击空战决策问题的有效算法。     

混合离散粒子群的任务调度算法及应用

针对粒子群算法存在易陷入局部极值、精度差的缺点,引入了模拟退火的思想,研究了一种混合粒子群优化算法,防止早熟现象的产生,使种群在更新迭代中保持了多样性,并将混合算法应用到典型的任务规划调度问题求解中,通过仿真验证了混合算法的有效性,与单一的离散粒子群算法相比,提高了调度问题的求解效果。     

时间和制导资源约束下的武器目标分配

针对防空作战过程中的武器-目标分配问题,以目标毁伤概率最大为目标函数,提出一种混合粒子群算法.该算法融合粒子群算法和遗传算法,首先利用粒子群算法找到不受时间和制导资源约束的一组解,再利用遗传算法对粒子群算法找到的解进行寻优,最终找到一组满足时间和制导资源约束的最优解.仿真结果表明,该算法收敛速度快,迭代次数少.     

基于改进粒子群算法的单预警机动态航迹规划

现代战争的战场环境复杂多变,要求预警机必须在执行任务过程中根据临时获取的战场信息进行实时动态航迹规划,因此动态航迹规划具有更强的实战意义.基于此,首先分析了预警机航迹规划与目前研究的飞行器航迹规划的不同,指出目前研究的静态航迹规划方法不能满足动态规划的实时性要求;其次,对影响预警机动态航迹规划的主要因素进行数学建模后得出代价函数;然后,基于改进粒子群优化算法对其进行动态航迹寻优;最后,通过matlab仿真证明了设计的方法能够自动进行动态航迹规划和评价选优,同时能够满足实时性要求.