有源干扰条件下基于NSGA-II的雷达网优化部署方法

雷达网的部署状态直接影响着网络的覆盖能力,尤其是在雷达辐射轨迹受到外力干扰条件下,对网络节点的优化部署更具意义。雷达对部署的任务区域有一定的能量覆盖,不同的任务区也具有不同的重要级别,在不针对特定任务的前提下,实现全方位全纵深的预警能力,雷达网的部署起着至关重要的作用。本文根据覆盖系数和重叠系数为主要优化目标,基于NSGA-II算法进行多目标优化。文章首先定义了覆盖系数和全局重叠系数两个指标,尤其是全局重叠系数打破了以往重叠系数的概念,从全局出发引导雷达网优化部署;同时,提出基于NSGA-II的多目标优化部署算法,采用诱导跳跃、基因到位、诱导交叉等候选解生成方式,保持种群多样性,提高算法收敛性。实验表明,部署优化算法耗时较低,不同干扰源部署态势使网络节点部署产生较大差异,多样的候选解生成方法明显提高了算法的收敛速度。     

一种基于Taguchi方法的混合NSGA-Ⅱ算法

提出一种基于Taguchi方法的混合NSGA-Ⅱ算法,即用Taguchi方法来改造NSGA-Ⅱ算法的交叉操作和变异操作,目的是提升NSGA-Ⅱ算法的优化能力.针对多目标优化测试问题的实验表明该方法能够显著提高NSGA-Ⅱ算法的优化效果,而且该方法不改变NSGA-Ⅱ的算法框架,易于实现.     

基于NSGA-Ⅱ的防空部署优化方法

针对防空部署的特点,根据Markov状态转移链建立了防空武器的防御效能模型,并在考虑了防空武器平均防御总成本的基础上结合防御效能模型建立了多目标的防空部署优化模型,进而设计了求解防空部署优化模型的NSGA-Ⅱ多目标优化算法,并通过仿真得到Pareto最优解集,从中选取了相对最优解作为防空部署优化的最终结果.仿真结果表明...     

基于NSGA-Ⅱ多目标优化的C2组织设计

把NSGA-Ⅱ算法用于求解C2组织设计问题.分析了C2组织设计常见处理算法在优化目标处理和算法流程两方面存在的问题,给出用NSGA-Ⅱ算法求解C2组织设计问题的算法设置.把NSGA-Ⅱ这样一种多目标优化算法引入C2组织设计问题,改变了以往研究此类问题时只能定义单个指标的情况,使领域专家能定义和研究新的优化目标.针对C2组织设计问题的特性做了调整后,实验结果数据表明NSGA-Ⅱ可以迅速地同时得到高质量和富有启发性的一群优化结果.     

基于多目标优化的任务计划建模及方法

针对任务计划在进行多目标优化时采用进化算法求解效率较低的问题,设计了一种结合分组策略的非支配排序遗传(NSGA-Ⅱ)算法,可以快速有效地得到合理的分组结果。基于分组结果,调整NSGA-Ⅱ算法的步骤,灵活地进行种群初始化,使最终分配结果各优化的目标有了明显的改善,提高了算法的效率。通过实验分析,验证了所提方法的可行性和有效性。     

基于NSGA-Ⅱ的WTA多目标优化(英文)

将多目标遗传算法NSGA-(改进的非支配排序遗传算法)应用于求解武器-目标分配(WTA)问题。首先,针对以往在建立防空型WTA问题的优化模型上的片面性,把WTA问题看做多目标优化问题,建立了综合考虑作战效能和防御效能的WTA双目标优化模型。然后在此基础上,研究和应用了NSGA-来求解WTA问题。最后由仿真算例验证了NSGA-在WTA问题中的应用可行性,表明了NSGA-可以快速地搜索到WTA多目标优化的Pareto最优解集,从而为求解WTA问题提供了一条有效途径。     

模拟退火算法在雷达网优化部署中的应用

针对区域防空雷达网是防空作战空情预警的发展趋势,研究了雷达网优化部署问题。利用模拟退火算法全局搜索和避免局部极化的特点,结合雷达网优化部署数学模型,给出了具体的求解步骤,并通过计算机仿真实验证明了该算法的有效性。结果表明,该算法的应用为雷达指挥所指挥员和作战参谋提供了雷达组网方案的辅助分析,提高了指挥所在多种战术背景下的快速反应能力和整体作战指挥能力。     

基于离散化模型的雷达优化配置与部署方法

雷达优化配置与部署问题存在模型复杂的问题,很难对其进行优化.提出了一种基于网格的离散化模型.雷达配置与部署的方案、雷达网对防区的覆盖能力以及雷达布站的约束条件都分别通过网格和矩阵进行了定量描述,在此基础上,建立了雷达优化配置与部署问题的数学模型.这样就可以采用模拟退火算法对该问题优化.仿真实验证明了该方法的有效性和可行性.     

基于改进蜂群算法的雷达网目标分配方法

针对雷达网目标分配的问题,提出基于改进蜂群算法的雷达网目标分配方法,利用改进蜂群算法对目标函数进行寻优并确定目标分配方案。在该算法中,跟随蜂采用双向轮盘赌的方式选择引领蜂,有助于获得全局最优解,提高算法收敛速度。仿真结果表明,改进蜂群算法能够有效对雷达网目标分配问题进行优化求解,与基本蜂群算法相比,收敛速度快、全局寻优能力增强。在此基础上,发现改变算法参数会影响到雷达网目标分配方案,如何确定最优参数,将是下一步研究的方向。     

一种面向完成时间与负载均衡的任务调度算法

公共计算环境作为新一代舰艇信息系统集成环境,具有统一架构、资源共用、可扩展等优点,是未来舰艇信息化发展的关键。公共计算环境本质是云环境,任务调度中的完成时间和负载均衡对公共计算环境的整体性能有重要影响。面向优化完成时间和负载均衡两个主要问题,采用了基于改进蚁群优化算法的任务调度算法和负载修正系数,融合非支配遗传算法(NSGA-Ⅱ)中快速非支配排序的方法进行多目标优化,生成最优解的Pareto前沿。使用CloudSim平台进行仿真模拟,实验结果表明,在负载均衡和完成时间目标上,提出的面向完成时间与负载均衡的蚁群算法(TL-ACO)与NSGA-Ⅱ相比性能更优异。     

基于弹药挂载工作的舰载机保障作业调度

针对弹药挂载工作下舰载机保障作业问题,分析了弹药挂载作业与舰载机其他保障作业的约束关系,并基于保障资源约束,以舰载机保障作业完成时间和负载方差最小化为优化目标,建立了考虑弹药挂载工作下的保障作业调度模型。通过设计基于保障工序优先级的染色体片段编码方式,避免了大量不可行解的产生,提出了一种改进的NSGA-Ⅱ算法。以国外某型航母为例进行仿真分析,验证了模型与算法所得调度方案的可行性。     

面向武器装备体系组合规划的集成决策优化框架

针对当前武器装备体系组合规划存在选择空间规模大、决策目标数量多等问题,提出一种集成决策优化框架,用于组合选择和规划武器装备的发展型号、时间和数量。首先对武器装备体系组合规划问题的NP-Hard和高维多目标性质进行定量化分析和公式化描述;然后采用目标规划方法将该问题构建为双目标优化模型;再基于NSGA-II多目标演化计算方法,开发面向本问题的优化算法,求得该模型的Pareto解集合;最后通过TOPSIS方法,从Pareto解集合中求取符合决策者偏好的满意解。通过某侦察预警监视体系发展规划示例,验证了当给定经验数据和决策者偏好信息后,该框架可获得符合要求的武器装备体系组合规划方案,能够支撑武器装备体系发展论证和规划。     

对抗条件下雷达部署优化方法研究

针对强对抗环境下雷达网面临隐身、低空突防、复杂电子干扰等威胁问题,提出了基于雷达网探测威力和重点目标跟监能力相结合的大区域组网雷达优化部署方法,建立了雷达组网优化部署的评估指标体系和综合效能计算模型,给出了基于人工蜂群算法的雷达组网优化部署求解过程。仿真实验表明,该方法能显著提高组网效能,对雷达网作战有参考价值。     

海上编队雷达网优化部署系统的设计与实现

建立海上编队雷达网优化部署系统模型,包括实体模型和认知模型。仿真海上编队雷达网在无威胁条件下的优化部署和面临干扰和超低空突防威胁时的对抗过程,经过海上编队雷达网优化部署认知模型的解算,指挥舰队编队成员进行机动部署,编队成员通过重新机动,使编队雷达网获得较好的探测性能。仿真结果表明所建立模型的可行性和正确性。对于在未来海战场复杂电磁环境下,更好地发挥编队雷达网探测、预警能力具有重要意义。     

基于改进遗传算法的雷达网优化部署方法研究

雷达网的综合效能直接影响着作战能力,研究雷达网的优化部署旨在提高其综合效能。针对雷达网优化部署涉及的影响因素众多、难以综合考虑的问题,从雷达网的覆盖率、重叠度、"四抗"能力以及费效比方面对雷达网优化部署进行约束,通过定量分析研究,并且利用改进的遗传算法加以实现,给出一种雷达网优化部署的可行办法,仿真结果表明了优化部署的可行性。     

在轨服务航天器任务指派问题

一个在轨服务可有多种服务选择,必须进行合理的任务指派。首先求解服务航天器满足燃耗约束下的可达区域,筛选出满足可达范围要求的目标航天器。然后,以任务执行时间、燃料消耗和航天器服务优先级为优化目标,研究多目标的任务指派问题。通过设计决策变量,考虑时间、燃耗等约束,建立了基于0-1整数规划的任务模型,采用NSGA-Ⅱ算法,求得问题的Pareto最优集,得到多组可供任务设计者选择自己偏好的折中方案。文章给出了两个多目标优化的仿真算例,算例一给出了任务指派的一般研究结论,算例二对比了另外一种算法：分层-加权法。仿真结果表明利用文章给出的方法可以较好地解决多目标下在轨服务任务指派问题。     

基于改进NSGA-Ⅲ的抗饱和攻击防空编队部署方法

现代空袭有饱和攻击、对抗体系多样等特点,在对目标进行有效掩护的同时,确保自身生存是防空火力编队研究的重点问题。考虑到火力重叠面积、火力覆盖面积、耗弹量、有效掩护宽度、有效防御扇区等因素,提出一种改进的NSGA-Ⅲ算法,通过控制选择交叉种群将不同策略的解集进行组合,实现区域、目标掩护混合部署、导弹和高炮等不同武器的综合使用,使得编队防御性能得到优化。以轰炸机、巡航弹、无人机的饱和攻击为应用场景进行仿真验证,结果表明此方法能够在兼顾区域、目标安全的同时,提升整体防空编队的生存能力。     

一种基于改进r-NSGA-Ⅱ算法的联合防空问题算法

以传统动能武器及现代高能激光武器的防空反导作战为背景,建立了异构防御武器多战术目标的动态武器目标分配模型;在考虑指挥员抉择偏好的情况下,提出基于改进r-NSGA-Ⅱ算法的武器目标分配优化框架,给出具体优化流程;基于具体作战想定,设计实验将改进r-NSGA-Ⅱ算法与NSGA-Ⅱ、NSGA-Ⅲ、MOEA/D等经典算法在收敛性、分布性与时间复杂度等性能指标方面进行对比分析。实验证明,改进r-NSGA-Ⅱ算法在保证计算效率的情况下可以更好地反映指挥员的作战偏好与意图。     

改进MOPSO的联合火力打击目标分配

在舰载联合火力打击的武器-目标分配问题中,针对失败概率最小和使用武器最少原则,设计了一种改进的多目标粒子群优化算法(MOPSO)来进行分配的优化。将自适应变异方法用于更新外部档案集;随机挑选外部档案集内依据拥挤距离由大到小排在前5%的解当作全局最优值;通过利用改进的学习因子和惯性权重来更新粒子。仿真结果表明,设计的算法比带精英机制的非支配排序遗传算法(NSGA-Ⅱ)运行速度更快、求得的Pareto前沿解的精度更高,能有效地解决舰载联合火力打击目标分配问题。     

基于改进NSGA-II算法的多目标无人机路径规划

路径规划是无人机自主智能飞行的关键技术之一。以路径长度和受威胁程度为优化指标,提出无人机路径规划的多目标优化模型。为找出一组分布多样化的最优路径,提出改进的NSGA-Ⅱ算法,该方法在经典智能多目标优化算法NSGA-Ⅱ的基础上,引入增加、删除算子使规划的路径能避开威胁区、引入最大拐弯角约束缓解变异操作导致的航路突变、引入混合目标空间和决策空间信息的新型拥挤距离算子提高路径的多样性。仿真实验表明,对比NSGA-Ⅱ和传统的GA算法,改进的NSGA-Ⅱ算法能够有效找到一组收敛性好且分布多样化的路径。