基于改进遗传算法的防空火力优化分配方法

结合地空导弹部队防空作战的特点,提出了基于改进遗传算法的防空火力优化分配模型,给出了模型求解的方法和步骤,详细阐述了改进遗传算法在防空火力分配中的应用,通过在计算机上仿真运行实例得出了火力分配方案,通过仿真证明本方法运算速度较快,结果精度较高,对地面防空火力分配决策研究具有一定的参考价值。     

基于量子免疫遗传算法的火力分配优化问题

针对传统方法在解决火力分配优化问题时存在迭代次数多、收敛速度慢、易陷入局部极值等不足,将免疫遗传算法中的免疫克隆、免疫记忆、免疫平衡机制引入到量子遗传算法中,利用求解问题的先验知识和局部最优解信息来改善和优化量子遗传算法的性能,提高了算法的收敛精度、收敛速度和稳定性。在分析问题背景和算法实现过程的基础上,通过实例仿真,模拟了不同容量的抗体记忆库对算法性能的影响,对比了普通遗传算法、量子遗传算法、免疫遗传算法以及文中所提及的量子免疫遗传算法在解决火力分配优化问题上的不同优化效果,结果表明:该方法在解决火力分配问题时,可以有效克服早熟现象,具有收敛速度较快、稳定性较好的特性。     

基于仿真模型与遗传算法的最优火力分配模型

针对装备了先进舰载防空武器系统的舰艇编队,需要航空兵与水面舰艇联合多批次打击才能取得满意战果,由于毁伤经验公式所限,现有的算法只能解决对舰艇编队一次打击的火力最优分配问题,而不能很好的解决对舰艇编队多次打击的火力最优分配问题。论文将仿真模型加入遗传算法运算过程中,利用仿真得出每次打击目标的毁伤状态,并将其结果作为遗传算法的参数进行寻优。     

防空火力分配问题的蚂蚁算法模型

在对空防御作战中,对多目标的火力分配是有效组织防空作战,提高防空效率,提高己方生存能力的有效途径.对蚂蚁算法原理和火力分配问题进行介绍的基础上,采用蚂蚁算法,建立了基于蚂蚁算法的火力分配模型,并进行了仿真.同时,采用蒙特卡罗法和遗传算法进行了计算,并和蚂蚁算法所得的结果进行了比较,计算结果表明蚂蚁算法能较好地解决防空火力分配问题.     

基于遗传算法的弹炮混编防空群火力分配

近期局部战争中的防空作战经验表明:实施弹炮混编可以大大提高防空武器系统的作战效能,而如何实施有效的火力分配又是其中的一个重要环节.针对陆军弹炮混编防空群射击指挥中的火力分配问题,简要分析了防空导弹和高炮武器系统射击的不同特点,提出了弹炮混编防空群的火力分配方法,并建立了优化火力分配方案的数学模型.在此基础上,采用遗传算法对此模型求解.结果表明,遗传算法为弹炮混编防空群的火力优化分配问题提供了一条有效途径.     

武器目标协同火力分配建模及算法

针对当前火力分配模型的不足以及实际作战的需求,对武器目标协同火力分配问题进行了研究,建立了火力分配层次结构;通过对火力分配原则的研究,结合打击目标选择和弹目分配,建立了以导弹武器作战效费比为总目标,以目标毁伤要求为约束的火力分配模型。采用遗传算法求解火力分配问题,根据问题的特点和问题中的启发信息,对遗传算法进行了改进。仿真结果表明,改进算法的性能有较大提高,可用于解决复杂武器目标分配这类非线性整数规划问题。     

舰艇编队协同防空火力分配模型研究

协同防空将是舰艇编队未来防空作战的主导模式。为了克服现有火力分配模型没有考虑防空火力的协同作用对模型影响,论文提出了协同度概念,利用协同度矩阵量化防空火力之间的协同作用,以此建立了舰艇编队协同防空火力分配模型,使得所建立的模型更加准确。采用遗传算法对该模型进行求解可以避免模型的解空间可能出现组合爆炸问题。最后通过一个实例验证了模型的准确性和算法的实效性。     

基于NSGA-II和多属性决策的防空火力分配

为了解决防空火力分配问题,首先运用NSGA-II算法求出Pareto最优解集,然后运用多属性决策方法对Pareto最优解集中的解进行综合评估,并从中找出一个最优解。用区间数定性描述各属性,建立了防空火力分配的三目标优化模型。描述了NSGA-II算法和多属性决策方法的运算步骤。在仿真算例中,得到了一个最佳防空火力分配方案,说明该方法对于防空火力分配问题有良好的应用价值。     

遗传算法在防空导弹火力优化分配中的应用

介绍了遗传算法的基本原理、算法设计并结合遗传算法主要解决了如何把目标分配给火力单元的问题,编写了相应的程序,并给出了一个基于遗传算法的火力优化分配方案。     

改进遗传算法的导弹目标分配方法

针对遗传算法在解决导弹目标分配问题中的困难,将火力单位的目标分配问题变换为针对导弹的目标分配问题,之后应用遗传算法求解,求解后还原为火力单位的分配结果,并用实例验证了应用遗传算法的可行性.之后,引入"优势"基因对标准遗传算法进行改进,大量实例表明,改进后的算法提高约60%的搜索效率.     

含禁忌算子的遗传算法在水面舰艇编队防空作战目标分配中的应用

针对水面舰艇编队的垂直发射防空火力单元具有多个火力通道，可同时对抗多个目标的特点，建立目标分配模型，并引入禁忌搜索，设计了含禁忌算子的遗传算法，通过实例进行仿真。结果表明，获得最优解的概率比采用简单遗传算法提高了10倍，收敛代数也缩小到原来的10％，优势明显。     

舰艇编队防空火力基于遗传算法的分配方案

建立了较为一般化的舰艇编队防空火力分配问题的数学模型,特别是对目标函数及其约束条件重新进行推敲,给出了合理规范的模型表达式;设计了较为具体合适的遗传算法,并通过仿真实现得到了较优的结果。     

改进遗传算法在防空武器目标分配中的应用研究

针对传统方法在防空武器目标分配时仅考虑双方态势优势的问题，建立了基于综合射击优势和目标威胁度的武器目标分配数学模型，并使用改进遗传算法对该模型进行了求解。该算法相比传统遗传算法主要进行了以下改进：采用排队选择和轮盘赌选择结合的选择方法，采用子代个体部分替换或不替换双亲的方法，采用了自适应变异概率等。并在Matlab环境下进行了仿真，且和传统算法进行了对比，仿真结果证明该算法改进合理，对地面防空火力分配决策研究具有一定的参考价值。     

基于并列选择遗传算法的舰艇编队目标分配问题

为了更好地解决舰艇编队火力最优分配问题,建立了新的舰艇编队武器分配模型,采用并列选择遗传算法实现舰艇编队武器分配问题的求解。解决了以往将武器分配问题抽象为单目标优化的局限性,在保证尽可能发挥我方火力优势使打击效果尽可能好的前提下,使敌方对我方的威胁最小。并列选择遗传算法简单,鲁棒性好,具有较强的全局搜索能力,可以实现对多目标的搜索,从而较好地解决了舰艇编队武器分配问题。最后,通过仿真验证了算法的有效性。     

基于遗传算法的防空兵群最优火力分配模型研究

结合战场目标价值分析,根据防空兵火力分配情况,运用遗传算法建立了最佳火力分配模型,使防空武器最大限度的发挥火力单位效能,达到最大毁伤效果。采用了实数编码方案,对选择,交叉,变异等操作进行了改进。最后通过计算,验证了方案的可行性和优越性.     

基于遗传算法的编队区域防空武器分配方法

针对舰艇编队内多型区域防空武器抗击多型来袭反舰导弹问题,提出一种基于遗传算法的区域防空武器分配方法.该方法以防空武器可用性和消耗值以及编队队形配置为约束条件,以最大化编队的生存总价值为优化目标;采用二进制数字串表示变量,以解决传统二进制编码的邻值突变问题;用矩阵形式表示解空间,以方便观察计算结果和引入松弛技术.仿真计算结果表明,该分配方法能够有效提供多种区域防空武器抗击两型来袭导弹时的武器分配方案,计算结果优于神经网络方法.     

坦克目标分配建模与分析

科学地分配火力是正确地动用火力的基础,是完成作战任务的前提,火力分配的依据包括作战意图和任务、地形、目标情况、各火力单元的情况及友邻情况等.为了提高火力分配方案的科学合理性,有效组织和使用所属火力,使用遗传算法解决目标分配问题,最大限度地发挥了武器火力单位效能并达到最大毁伤.火力分配要以战法为指导,真正体现指挥员的作战意图,对于充分发扬火力和提高整体作战能力具有重要指导意义     

防空导弹兵力规划模型

借助兵力交换的思想,从宏观层次上研究不同类型的防空导弹火力单元对空中目标的优化分配问题;分析在最优目标分配策略下区域防空中各类型防空导弹火力单元的火力分配问题,并建立了递阶优化的求解模型.该模型可为区域防空部署的决策与分析提供科学依据.     

联合防空目标分配方案优化研究

目标分配是联合防空作战指挥决策的核心内容,是各级联合防空指挥中心的重要工作,其模型的合理性与可信性会对作战结局产生重大影响。为提高目标分配的合理性与可信性,对联合防空作战混合部署下的目标优化分配问题进行了详细分析,建立了相应的数学规划决策模型。为了有效获得问题的全局最优解,将改进遗传算法(GA)应用于数学规划决策模型的求解过程中,并给出了模型求解的方法和步骤,经实例应用,取得了满意的结果。     

用遗传算法实现防空导弹体系的目标分配

根据目前防空作战的特点,对自动化指挥控制系统中的目标分配问题进行了分析,建立了针对不同种空袭敌情的目标分配模型,根据一例来袭空情,通过遗传算法对模型进行求解,得到了比较好的目标分配结果,从而为防空导弹武器系统的目标分配问题提供了一个可行的参考方法.