共查询到19条相似文献,搜索用时 291 毫秒
1.
武器-目标分配(WTA)问题研究进展 总被引:9,自引:1,他引:8
对武器-目标分配(WTA)问题的研究现状与进展进行了总结与述评.介绍了WTA问题的概念、基本模型、数学性质以及WTA问题研究的基本内容.目前WTA问题的研究内容主要集中在模型研究与算法研究两个方面.模型研究以静态模型的研究为主,但动态模型的研究还不够深入;算法研究则主要采用智能算法对WTA问题进行求解.目前基本上已经解决了小规模的静态WTA问题,但尚未有效解决大规模的动态WTA问题. 相似文献
2.
基于马尔柯夫决策过程动态WTA最优化模型分析 总被引:2,自引:0,他引:2
在作战过程中,通过把目标群的威胁程度作为目标函数制定决策,可将目标分配决策过程变成马尔柯夫决策过程.即首先对攻防作战态势进行抽象性描述,建立基于马尔柯夫决策过程动态WTA最优化模型,然后提出了有限次迭代求解最优策略的新方法,并进行了算例验证和分析.结果表明该方法可使武器系统获得最大的射击效率,并能有效地减少重点目标突防的概率. 相似文献
3.
4.
分析了状态维修开放系统结构下状态维修决策的3个关键内容的研究现状:在状态评估方面,对多参数赋权方法在状态评估中的应用进行了分析;在状态预测方面,按照状态描述形式的不同对状态预测方法进行了分析;依据理论基础的不同对状态维修决策优化建模方法进行了分析.在分析研究现状的基础上,提出应在状态维修动态决策、基于多源信息的状态描述建模和数据驱动的状态维修决策等方面加强研究. 相似文献
5.
6.
7.
8.
9.
武器-目标分配(WTA)是防空作战指挥控制决策的核心环节之一.针对传统的多级分配模型效率低、动态性差的不足,通过叠加武器射击周期并增加分配轮次的方式对模型进行改进,使其能够更好地适用于目标数量多且实时性较强的防空作战场景.针对常用的WTA算法收敛慢、稳定性差的不足,求解过程采用KM算法以适应改进后动态模型的实时性要求.... 相似文献
10.
11.
针对无人机集群目标作战解析建模时在状态转移过程中计算速率低的问题,提出了一种基于行压缩存储的四阶Runge-Kutta法。根据无人机集群作战样式将无人机集群作战过程划分为三个阶段,并分阶段对无人机集群作战的状态转移过程建立连续时间Markov链模型。以无人机集群完成作战任务的可靠性作为求解指标,运用四阶Runge-Kutta法对Markov模型进行求解。由于求解过程中速率转移矩阵具有稀疏特性,采用基于行压缩存储的算法优化求解速率。仿真实验表明,运用连续时间Markov理论建立的无人机集群作战过程模型的有效性和可行性优于其他模型。同时,与其他算法及模型相比,该算法计算速率更高、能更好地满足结果精度的可靠性需求,进一步说明了本算法的优越性。 〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCHSC.TIF;%129%129〗听语音 聊科研与作者互动 相似文献
12.
13.
有效武器目标分配(WTA)是防空阵地的核心。分析了目标毁伤收益、武器损伤关键战术指标因素,提出基于效费比的WTA评价标准,建立了针对多目标的WTA模型,并研究了用遗传算法求解模型的方法。该遗传算法通过设计一种武器目标分配的染色体编码,利用最优保存策略选择运算、均匀交叉运算、非均匀变异运算来求解。仿真结果验证了模型的合理性和算法的有效性。 相似文献
14.
针对不同作战平台上多个武器单元对一批目标进行射击时的武器目标分配问题,建立了该问题的数学模型。采用混沌人工鱼群算法对动态条件下的武器目标分配问题进行求解,并设计一个实例进行仿真实验。仿真结果表明,在时间约束条件下该算法较遗传算法更具优越性,验证了混沌人工鱼群算法用于动态武器目标分配的有效性。 相似文献
15.
16.
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。 相似文献
17.
18.
19.
应用蚁群优化算法(Ant Colony Optimization)求解多目标优化问题已经引起广泛关注,多目标火力分配问题的目标是求出一个合适的武器目标分配方案,使满足决策需要。建立了多目标火力分配的数学模型,提出一种基于指标的蚁群优化算法Indicator-Based Ant Colony Optimization),给出了算法的具体步骤。IBACO的核心思想是利用二元性能指标来引导人工蚂蚁进行搜索,由于该算法中的信息素是根据指标的值来更新的,通过奖励信息素可以强化最优解。仿真实验证明了该算法的有效性,在解决火力分配问题上,所提算法和蚁群优化算法相比具有较好的收敛性。 相似文献