基于相似性和距离及遗传模拟退火的自适应聚类算法

针对模糊C-均值(FCM)算法中聚类数目的确定问题,提出了基于样本间相似度量和距离的算法,该算法可有效缩短聚类数搜索的范围,减少计算工作量。对于模糊C-均值算法聚类中心初始值随机选择易陷入局部极小值问题,采用遗传模拟退火算法优化FCM的聚类中心,以人工数据集和标准数据集验证了遗传模拟退火算法具有较强的全局收敛性能,有效提高了聚类效果。     

基于模糊聚类的入侵检测方法

分析了异常入侵检测存在的问题,研究了基于模糊聚类的入侵检测算法。该算法采用C-均值算法,通过训练数据聚类、异常聚类划分和行为判定等3个步骤实现异常入侵检测。试验采用KDD99数据进行了测试,证明该算法是可行和有效的。     

基于模糊聚类的粒子群算法在雷达组网优化布站中的应用

提出了一种基于模糊C-均值聚类的粒子群算法,将其应用于雷达组网优化布站.定性分析了雷达组网布站原则并对其量化,建立了优化布站的数学模型.为加快求解速度,结合模糊C-均值聚类对标准粒子群算法进行了改进,给出了基于模糊C-均值聚类的粒子群算法在该优化问题中的设计方法,并与标准粒子群算法和遗传算法进行了仿真对比.结果表明,该方法能够快速得出雷达组网优化布站方案,验证了雷达组网布站模型的可行性和改进算法的有效性.     

基于改进蛙跳算法的多无人机协同任务分配研究

针对多无人机协同任务分配问题,提出了一种基于Levy飞行的改进随机蛙跳算法用于解决多无人机的协同任务预分配问题,通过引入动态跳跃步长、Levy飞行因子和族群认知因子有效改进了算法的搜索性能,提高了搜索效率。针对多无人机协同执行任务时可能遭遇的突发任务,通过引入市场拍卖机制提高了算法的计算收敛效率。通过仿真算例分析,验证了改进的随机蛙跳算法解决多无人机协同任务分配问题的有效性。     

基于改进C-均值聚类算法的空中目标分类

空中目标的正确分类对防空作战效果有着重要的影响。在分析了空中目标类型和目标的表征方法之后,构建了动态聚类中的一种分类算法———改进C-均值算法。该算法改变了以前算法中只用一个聚类中心作为一类的代表的做法,而采用的是类核函数代替类心的方法。类核函数较一个聚类中心更能够表现出某一类的分布信息,从而提高分类的正确率。     

粗糙模糊C-均值算法及其在图像聚类中的应用

提出一种新的粗糙模糊C均值算法(RFCM),该算法基于粗糙集的上、下近似的概念改进了FCM的目标函数,从而改变了隶属度函数的分布,使得隶属度函数的分布更加合理,同时RFCM的时间复杂性比FCM更低。将RFCM用于图像的聚类,相对于FCM算法,图像的边缘更光滑,同时对初始隶属度矩阵敏感度更低。该算法具有较好的稳定性,是一种实用的算法。     

基于模糊均值聚类算法的图像分割

将图像直方图统计特性引入到FCM聚类算法的目标函数中,用混合粒子群优化算法对目标函数进行全局最优求解,提高了图像分割的运算速度。     

基于改进蜂群算法的无人机路径规划

人工蜂群算法存在初始蜜源具有随机性,后期收敛速度慢,易早熟等问题。运用最大最小距离积法处理初始蜜源,把K均值聚类算法与人工蜂群算法相结合,提出改进的人工蜂群算法,用于解决无人机路径规划问题。仿真结果表明改进的人工蜂群算法收敛速度更快,得到的解的适应度更好。     

异构资源类型下多无人机任务分配

针对多无人机在执行侦察、打击任务的过程中携带任务资源的异构性,以及任务对于异构资源的要求,设计了一种改进的基于共识的捆绑算法(consensus-based bundle algorithm, CBBA)。考虑任务价值、任务执行时间窗以及航程代价等条件建立了多无人机对地目标侦察、打击任务分配模型。利用K-medoids聚类分析方法对多无人机进行基于距离和携带资源平衡的聚类,以解决多无人机对于异构资源类型的要求。对打击任务进行子任务生成,并利用改进后的CBBA求解所建立的任务分配模型,通过对比仿真实验验证了算法的可行性和有效性。     

反辐射无人机需求和效能分析

反辐射无人机是压制、摧毁敌防空系统的重要硬杀伤手段。从需求上阐述了发展反辐射无人机的重要性,分析了其突出的特点;并通过对反辐射无人机的作战效能分析,理论说明了利用反辐射无人机攻击敌方雷达预警系统、防空系统的可行性。     

多UCAV协同控制中的任务分配模型及算法

任务分配是多UCAV协同控制的核心和有效保证。分析了影响目标价值毁伤、UCAV损耗、任务消耗时间等三项关键战技指标的因素,综合考虑实战中多UCAV同时攻击同一目标和使用软杀伤武器这两种典型情况对UCAV执行任务的影响,建立了针对攻击任务的多UCAV协同任务分配模型,并应用粒子群算法求解。仿真结果验证了模型的合理性和算法的有效性。     

改进遗传算法求解电力网攻击无人机分队任务分配

遗传算法因其出色的寻优能力,自提出后就被广泛用于工程技术上的最优化问题求解。根据电力网攻击无人机分队任务分配的实际需要,提出基于遗传算法思想的解决方案,并在原算法基础上,采用种群分组进化的策略进行改进。详细介绍算法的基本原理和仿真步骤,再举出实际算例进行仿真,实验结果证明算法的改进取得了良好效果。     

飞行操作任务的无人机模拟训练及系统设计

为了提高无人机模拟训练的逼真度和沉浸感。研究了无人机飞行操作训练的关键技术,以半实装的形式构建了模拟飞行训练系统的体系结构。通过对飞行操作训练关键技术的研究和飞行操作模拟训练系统的设计,可以对基层部队的无人机地面操控手高逼真模拟训练提供理论基础和系统支持。     

任务分配问题的对称群方法

探讨了无人飞行器(UAV)编队的任务分配问题。任务分配是UAV协同控制的基础,其解是任务区域内各任务的一个排列。求解UAV任务分配问题的有效方法是能在合理的计算时间内找到近似最优解的启发式算法。用对称群描述UAV任务分配的搜索空间,基于右乘运算构造搜索邻域。仿真结果验证了群论禁忌搜索算法的有效性。     

面向海战场下无人集群作战发展研究综述

随着人工智能技术的迅猛发展;无人系统在军事领域;尤其是海上作战中的应用日益广泛;成为新型作战方式。回顾了海战场无人集群作战技术的国内外研究进展;分析了各国在该领域的最新成果;并探讨其在海上作战中的实际应用。提出了面向海战场的无人集群作战体系框架;涵盖作战平台、通信网络、任务应用及指挥控制等多个层面;并深入探讨侦察监视、火力打击等核心职能任务。还剖析了海战场无人集群作战的评价指标、影响因素及存在的问题。展望了未来海战场无人集群作战技术的发展趋势;特别是在技术融合、作战样式多样化与成本效益等方面的潜力与挑战;旨在为推动无人集群技术在海战场的应用提供理论支持与技术借鉴。     

战场环境中多无人机任务分配的快速航路预估算法

战场环境中多无人机任务分配的航路预估是一个具有多路径和实时性双重要求的路径规划问题。采用概率路标图方法对多无人机多任务的航路预估问题开展研究,将航路预估分为离线学习和在线查询两个阶段。通过将战场中威胁的影响转化为各路标间航段的风险代价,提出了基于代价变换的概率路标图方法,当战场态势发生变化时,在不需重构路标图的条件下可以通过局部航段风险代价的调整快速规划出新的预估航路。根据规划条件采取不同的采样策略,可以在规划时间和航路质量之间实现协调以满足不同的战术要求。仿真结果表明该方法是一种快速有效的航路预估方法。     

邻域灰度差加权的模糊C均值聚类图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点。但是这种算法没有考虑到样本空间中不同的样本点对分类的贡献不同,因此分割效果不理想。提出了邻域灰度差加权的模糊C均值聚类算法,实验结果表明,该算法不仅取得了很好的分割效果,而且加快了算法的收敛速度,从而满足了图像分割的有效性、实时性的要求。     

无人机虚拟维修训练系统及其HLA设计

以某型无人机虚拟维修训练系统的设计为实例,采用Creator对联邦实体建模,结合动态视景仿真软件Vega Prim e进行环境与目标的驱动,基于高层体系结构HLA对系统的分布式网络互联进行仿真设计,无人机虚拟维修训练系统有效地改善了目前无人机结合实装进行操作训练的局限性。