基于粒子群优化的蚁群算法在战场电磁频率分配中的应用

为对战场电磁频率进行有效分配以减少用频设备间的相互干扰，提出了将一种基于粒子群优化的蚁群算法应用于频率分配的方法。首先介绍了战场频率管控流程的相关内容，并以干扰度最低为目标函数，使用基于粒子群算法优化的蚁群算法进行频率分配管理。粒子群算法优化蚁群算法中启发信息的权重及信息素挥发系数，作为粒子群位置和速度参数进行初始化，将粒子群算法生成的分配结果作为蚁群算法的初始信息素，利用蚁群算法较强的寻优能力寻找最佳分配方案。实验结果验证了该算法和模型的可行性。     

云模型在雷达干扰资源多目标优化配置中的应用

鉴于干扰效果/效益评估在雷达干扰资源优化分配中的重要地位,提出了一种基于云模型和匈牙利算法的雷达干扰资源优化分配模型。利用一维云模型单条件单规则发生器和逆向云发生器构建了评估指标干扰效果推理器,利用基于风险态度因子的云模型映射函数定义了云模型之间距离的度量方法。提出了一种基于云模型与逼近理想解法的雷达干扰效益矩阵求解方法,最后运用匈牙利算法实现了干扰资源优化分配。将所建模型应用到干扰资源分配中,结果表明该模型能够较好的处理评估中的不确定性知识,是合理、可行的。     

改进蚁群算法求解多目标雷达干扰资源优化分配

蚁群算法是一种群智能优化算法,其理论来源于自然界中蚂蚁群的寻径行为。针对地对空多目标雷达干扰系统在实战中目标较多情况下的干扰资源分配问题,提出了一种基于蚁群算法的分配优化模型,为解决传统蚁群算法寻优速度慢,容易陷入局部最优解等缺点,在蚂蚁路径选择策略、信息素挥发、信息素更新和精英保留等方面提出相应改进策略,给出改进后算法的具体实现步骤,最后举出实际算例,通过仿真实验,证明了算法的优越性。     

改进群智能算法多目标干扰决策

如何运用有限的干扰资源获得最大的干扰效益是电子对抗研究的重点技术之一,针对协同电子对抗,提出一种最优干扰决策方法,解决对抗资源和雷达目标数量不等的干扰资源分配问题。围绕组网雷达检测概率和定位精度2个评估指标,建立基于多目标优化的协同干扰决策任务模型。针对传统人工蜂群和蚁群算法流程寻优缓慢的问题,在候选解的搜索中自适应地增加与当次迭代最优解的交叉运算,给出两改进算法对模型的通用求解步骤,通过仿真验证算法提高了收敛速度。     

多波束干扰系统雷达干扰资源优化分配方法

合理的干扰资源分配方法是干扰系统发挥效能的关键,传统的雷达干扰资源分配方法基于一对一或多对一原则,且分配时不考虑干扰样式。基于多波束干扰系统,考虑干扰样式的限制建立了干扰约束过滤模型,采用ISODATA算法实现了对目标雷达分群,将干扰样式纳入干扰资源进行了干扰参数设置。该分配方法,使得干扰决策更加合理,提升了系统的干扰效率和自适应能力。     

雷达干扰资源一对多分配方法

在对雷达干扰资源分配的一般优化模型和求解算法进行分析的基础上,从提高资源利用效率的角度出发,提出了目标雷达分群思想,并建立了一种新的基于一对多策略的雷达干扰资源分配模型,通过对目标雷达群的一对一分配实现对单部雷达的一对多分配.最后,对该模型中一些关键性问题进行了探讨,如任务整合、新任务参数确定、任务优先级排序、干扰机位置部署以及单目标雷达群干扰效益评估等.     

基于蚁群算法的防空C3I系统火力分配模型研究

针对当前火力分配问题实现难度大的特点,分析各种火力分配优化方法的优缺点,运用新型蚁群算法尝试解决WTA问题。建立了基于蚁群算法的火力分配优化模型,描述了解火力分配问题的一般步骤,通过实例给出了算法,解决了WTA问题。并与匈牙利法相比较,结果表明该方法的合理性和有效性,特别是在武器—目标数较大时,其效率要高于常用的匈牙利法。     

多平台雷达有源干扰资源分配算法

根据现代干扰机特点,建立"多对多"雷达有源干扰资源分配数学模型,结合分配算法的具体应用环境,提出了基于多Agent分布协同拍卖的雷达干扰资源分配算法,实例表明该方法可行。     

火力分配多目标优化的IBACO算法

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。     

基于粒子群算法的雷达网干扰资源分配技术研究

对雷达网干扰资源的优化分配,是一个重要而又难以解决的课题.在对粒子群算法进行基本描述的基础上,将该算法应用于雷达网干扰资源分配,来解决雷达网干扰资源优化分配的问题.最后,对算法在雷达网干扰资源分配上的技术实现进行了计算机仿真.仿真结果表明:粒子群算法能很好地解决雷达网干扰资源优化分配问题,具有较好的资源分配效益.     

基于SDP松弛的干扰资源优化分配技术研究

提出一种基于semidefinite programming(简称SDP)松弛的干扰资源优化分配算法。在问题优化过程中首先对模型中非凸的约束条件进行松弛,变为凸约束,将原来的数学模型转化成SDP求解形式,利用内点算法对松弛后的模型求解。该算法利用解析的手段使得干扰资源优化分配问题中的NP难问题在多项式时间内得以解决,并且有较高的可靠性。仿真结果验证了算法的有效性。     

多波束干扰系统多目标干扰决策研究

针对多波束地对空雷达干扰系统同时干扰多目标的资源分配问题,为充分利用干扰资源,综合考虑个体干扰有效与整体干扰效益最大.基于目标威胁等级,围绕发现概率下降程度、定位误差增大程度、干扰有效率3个评估指标,建立多目标优化分配模型,对阵面资源进行动态分配,并利用非支配排序遗传算法进行仿真验证.仿真结果表明,该分配模型可充分发挥多波束干扰系统的优势,实现不同作战阶段干扰效益最大化.     

掩护突防中雷达干扰无人机最优配置方法

雷达干扰无人机在掩护空中编队突防的过程中,不同的干扰波束指向和空间配置会使得雷达网的探测性能发生变化。在分析无人机噪声干扰条件下雷达网探测概率模型的基础上,提出了以雷达网探测概率为目标函数的无人机空间配置与功率分配优化模型,给出了利用粒子群算法求解该优化问题的实现方案,最后通过仿真试验,验证了该方法的合理性。     

基于蚁群算法的火力分配寻优方法研究

火力分配的优化是最大限度的发挥火力单位效能,达到最大毁伤效果的基础和前提,将蚁群算法应用于火力分配的优化.研究了蚁群算法用于火力分配寻优的相关条件,给出了火力分配寻优的模型和算法.最后,结合一个应用实例,说明了蚁群算法用于解决火力分配问题有很好的应用价值.     

舰艇编队防空最优火力分配问题的蚁群算法

为了对多目标进行合理的防空武器分配,首先分析了各种解决此问题算法的优缺点.然后以“编队不被目标突防的概率最大”为准则,结合蚁群算法的思想,建立了基于蚁群算法的火力分配问题求解模型,给出了算法的求解步骤和参数确定原则.最后通过实例进行仿真验证,并与多维动态规划方法做了比较,结果表明,基于蚁群算法思想的火力分配方法是有效的...     

突防过程的组网雷达干扰资源优化分配

以组网雷达融合中心检测概率为目标函数,建立针对组网雷达系统的干扰资源优化分配模型.并进一步指出该模型运用于飞行器突防时,其不足之处在于"以点带面",以飞行器突防过程中某一点的融合中心检测概率代替整个突防过程时,该评估方法损失过程中的大量信息.在此基础上充分利用突防过程的信息,提出以"融合中心检测概率加权积分"为目标函数,建立基于突防过程的干扰资源优化分配模型.仿真结果表明具有一定的指导意义.     

三维空间主/被动雷达抗多假目标干扰研究

针对多假目标欺骗干扰下异地配置的主/被动雷达传感器系统,提出了一种新的三维情况下主/被动雷达联合鉴别虚假目标算法.首先采用基准线最小距离法排除部分虚假目标,再利用三维分配算法进一步进行鉴别.该算法与基于角度统计量和距离统计量鉴别虚假目标算法相比,可以得到较高的正确鉴别概率和较低的误鉴别概率.最后通过仿真的方法分析了观测次数、虚假目标距离和被动雷达精度对算法鉴别虚假目标概率的影响,结果表明,该算法可使主/被动雷达系统有效鉴别假目标.     

认知雷达网联合传感器选择和功率分配

合理分配雷达有限的传感器资源,充分发挥传感器的认知能力可提高跟踪性能。提出了一种基于后验克-拉美罗下界(PCRLB)的多雷达系统联合传感器选择和功率分配方法。推导多雷达系统单目标跟踪下的PCRLB,该指标不依赖于具体的滤波算法,且多目标跟踪下的PCRLB的计算相互独立。以PCRLB的迹为代价函数,构建基于PCRLB的联合传感器选择和功率分配模型。对于构建的非凸优化问题,设计了基于凸松弛的循环最小化算法,优化求解最佳的传感器组合方式和功率分配方案。最后,仿真结果显示,所提的算法和策略具有较好的跟踪性能。     

基于跟踪精度控制的多传感器管理方法

针对地面机动目标跟踪过程中的多传感器管理问题展开了研究，设计了一种基于跟踪精度控制的多传感器多目标分配方法。首先，在考虑目标与目标之间、目标与传感器之间和传感器与传感器之间等的多种约束条件下运用基于协方差控制的思想建立了多传感器多目标分配问题的优化模型；接着将等价伪量测的异步融合算法与IMM算法结合，计算各目标在不同融合周期的跟踪精度估计值；最后，以目标的跟踪精度需求为出发点，结合蚁群算法的思想，设计了一种求解所建立的多传感器多目标分配问题的优化模型的算法。仿真结果表明：该管理方法能在确保跟踪精度需求的前提下，根据对各目标跟踪任务的重要程度，合理地调度传感器资源。     

面向协同探测的多机雷达功率时间联合优化分配算法

针对多目标搜索及跟踪场景,研究了面向协同探测的多机雷达功率时间联合优化分配算法。首先,基于信号检测理论和克拉美-罗下界,分别推导了雷达搜索性能与跟踪性能评估指标;在此基础上,建立了面向协同探测的多机雷达功率时间联合优化分配模型,即以最大化雷达工作性能指标为优化目标,以满足给定系统资源限制为约束条件,对雷达搜索及跟踪任务中节点选择、辐射功率和任务时间等参数进行联合优化设计;最后,针对上述优化问题,采用基于内点法和粒子群算法的三步分解算法进行求解。仿真结果表明,与现有算法相比,所提算法能够在满足给定系统资源限制的条件下,有效提高雷达系统搜索性能和跟踪精度。