基于改进TOPSIS法和蚁群算法的反TBM目标群目标分配研究

基于改进的TOPSIS法和蚁群算法,以弹道导弹目标群为研究对象,研究了反导指控系统对目标群的目标分配问题。首先通过改进的TOPSIS法确定TBM目标群威胁排序并基于拦截排序准则确定拦截排序;其次使作战效能最大化,基于蚁群算法确定目标的最优分配方案;最后通过仿真实例验证了在考虑目标威胁值排序前提下采用此算法,可使目标群分配方案更加科学有效和符合反导作战实际。     

基于改进TOPSIS法和蚁群算法的反TBM目标群目标分配研究*

基于改进的TOPSIS法和蚁群算法,以弹道导弹目标群为研究对象,研究了反导指控系统对目标群的目标分配问题。首先通过改进的TOPSIS法确定TBM目标群威胁排序并基于拦截排序准则确定拦截排序;其次使作战效能最大化,基于蚁群算法确定目标的最优分配方案;最后通过仿真实例验证了在考虑目标威胁值排序前提下采用此算法,可使目标群分配方案更加科学有效和符合反导作战实际。     

防空导弹反TBM作战指挥中目标分配关键问题研究

依据防空反导作战理论和目标分配的要求,对防空导弹反TBM作战指挥中目标分配的关键问题进行了研究。分别对威胁排序方法、拦截可行性条件、目标分配原则和目标分配算法进行了分析,提出了一种反TBM作战指挥中目标分配问题的算法,最后讨论了目标分配的评价问题。通过实际应用表明此方法是切实可行的。     

导弹武器系统研制费用估算方法

针对导弹武器系统研制费用相关数据样本量少,变量之间存在严重共线性等问题,提出了一种基于偏最小二乘法的研制费用估算模型。引入库克距离对原始数据进行识别,并剔除异常数据,采用灰色关联度分析法选取相关度高的自变量,提高模型准确性和稳定性。利用偏最小二乘法进行数据拟合,估算出导弹武器系统的研制费用。应用算例的计算结果表明,该方法建立的研制费用估算模型拟合度良好,计算误差在8%以内。     

反TBM作战仿真中TBM弹道的生成

根据椭圆弹道理论,用迭代法构造了TBM最小能量弹道,对椭圆弹道的再入段进行了修正,并给出了在仿真中产生TBM轨迹参数的方法.     

潜艇不机动纯方位解算编队目标运动要素方法

针对单艘潜艇纯方位目标定位必须潜艇机动才能使算法收敛的问题,首次采用几何分析法研究了潜艇不机动情况下,解算编队目标运动要素的方法;然后,基于最小二乘法,给出了具体的解算模型,并给定态势,进行实例仿真。证明该算法能够满足潜艇隐蔽对编队目标定位的需要,进一步丰富了潜艇纯方位目标定位方法。     

匈牙利法的末段两层火力反TBM目标分配优化

介绍了匈牙利法解决Assignment Problem的基本原理,对匈牙利法解决指派问题的解题步骤和特殊情况进行了说明.在给出末段两层火力防御TBM的目标分配原则的基础上,阐述了相关概念,改进了匈牙利法运用方式,并建立了目标分配模型.最后通过实例的解算,证明了该方法应用于末段两层火力防御TBM目标分配中的可行性,为末段协同反TBM的目标分配提供了一种有效的算法.     

战术弹道导弹(TBM)弹道的构造方法

战术弹道导道（ＴＢＭ）和反战术弹道导弹（ＡＴＢＭ）的研究需要一种获取ＴＢＭ弹道数据的快速简便的方法,在对ＴＢＭ的全弹道进行分析以后,根据最小能量弹道理论提出了一种考虑地球自旋情况下构造ＴＢＭ从发射点至落点的弹道的快速迭代算法,该方法在仿真中的成功应用表明它是有效的。     

一种用于弹目分配的决策方法

针对海战场上多类型反舰导弹攻击舰艇编队的弹目分配问题展开研究,建立多阶段多目标优化数学模型,采用多目标进化算法NSGA-II求解模型,提出一种基于改进专家法赋权的组合距离评估——灰色关联分析法CODAS_GRA,可从求解得到的Pareto最优解集中选出唯一的最优分配方案。该方法将CODAS和GRA两种不同决策方法的优点进行结合,采用改进熵权法确定不同决策方法的偏好系数。实验表明,与其他5种未考虑领域特点的通用多准则决策方法相比,该方法所选出的弹目分配方案能够同时兼顾最大化毁伤效能和最小化弹药消耗两个目标,合理性强,方案更优。     

基于最小二乘拟合的无人机运动目标测速方法

针对无人机对运动目标速度测量的应用需求,提出了一种基于最小二乘拟合的运动目标测速方法.通过基于成像模型的定位方法计算出运动目标在不同序列图像中的位置坐标,应用最小二乘多项式拟合法得出运动目标位置和速度的曲线拟合多项式,进而求得所需时刻的运动目标的速度等参数.测试结果表明,该方法能够实现无人机对运动目标速度测量,精度较高...     

基于改进人工鱼群算法的反TBM目标分配策略

反TBM目标分配是防空反导作战指挥决策的关键问题,限制影响因素多,实时准确度要求高。为提升反TBM目标分配效能,构建了目标分配模型,通过引入交叉变异算子,并结合模拟退火算法,对人工鱼群算法进行改进,仿真分析表明,算法的搜索能力和收敛速度得到了提高。     

把目标威胁纳入性能指标的目标分配方法

武器系统目标分配是作战指挥中的一个重要问题。提出了把目标威胁纳入性能指标,建立在马尔可夫动态系统输入过程最优化基础上的目标分配方法     

TBM模型的目标综合识别算法

利用电子支援措施(ESM)和光学成像传感器等不同类型传感器进行目标综合识别,是现代综合电子战中的一个重要研究课题。TBM是D-S证据理论的一个扩展模型,它研究了D-S证据理论的动态部分,从数据融合的角度来看,它是一种层次化的递进模型,尤其适用于需要逐层进行数据、特征或决策级融合的融合系统。提出了一种基于TBM模型的异类传感器目标综合识别算法,充分利用了电子侦察和光学成像侦察提供的独立、互补的信息,获得了对目标的有效识别。仿真结果证明了这种算法的有效性。     

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。     

多基纯方位目标交叉定位中的非线性最小二乘方法

纯方位目标定位方法广泛应用于被动探测系统中,通常采用最小二乘方法对多基平台交叉定位结果进行估计定位.在纯方位定位估计中的最小二乘方法主要采用线性近似法,但难以满足实用中的非线性特性,因此导致定位精度难以提高.从非线性估计出发,利用牛顿迭代的非线性最小二乘估计算法对交叉定位结果进行估计,保留了二阶以上的观测误差,迭代趋于收敛.仿真结果表明与线性近似法相比,牛顿迭代法提高了定位精度,增强了定位稳定性,有效地改善了多基纯方位目标定位系统的定位性能.     

不确定情况下协同空战目标分配方法

现代空战环境下出现的大量不确定信息, 现在常用的协同目标分配模型都没有考虑到这种情况.针对这种情况,将随机规划引入到协同空战目标分配研究中,在一般期望值模型的基础上,建立了多机空战协同目标分配期望值模型,并利用随机模拟、神经网络和遗传算法结合而成的混合智能算法来求解该期望值模型.2∶4协同空战仿真结果表明该模型的有效性.     

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。     

坦克会战中动态武器—目标分配问题求解方法

动态武器-目标分配(DWTA)是坦克会战中取得战斗胜利的关键.建立了坦克战中DWTA模型,并提出了它的一种简单求解方法.实验结果表明求解方法是有效的.     

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。     

交互式目标优化分配技术研究

近年随着网络中心战概念的推广推动了分布式目标优化分配技术的发展,CNP算法经过论证是分布式目标分配一种比较有效的方法.分析了该方法的优缺点,提出了一种基于CNP方法的交互式目标优化分配技术,并描述了算法的详细步骤,最后用实例验证了算法的有效性,在目标优化分配方面取得了一定的效果.