火力对抗条件下反坦克导弹目标分配优化

以对抗条件下反坦克导弹作战过程为依据,建立了火力对抗条件下反坦克导弹目标分配的优化模型,并提出了坦克火力分配优化模型,研究利用改进的遗传算法来设计求解,在VC++下对实例进行求解,所得结论合理,本研究对反坦克导弹分队火力分配决策具有一定的参考作用和现实意义.     

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。     

基于量子遗传算法的火力分配

在使用遗传算法求解多目标的防空火力问题中,遗传算法的参数选择直接影响分配结果好坏,且分配结果差异性大。针对这种问题,根据防空火力和空中目标的特点建立相应的数学模型,结合量子遗传算法来解决多目标火力分配难题。数据仿真结果表明,量子遗传算法在解决多目标火力分配问题中有较强的可行性和有效性,火力分配结果与遗传算法相比在最优解与稳定性上均有所提升。     

多机协同空战目标分配算法研究

多机协同作战已成为现代空战的主要形式,对其进行研究的重要性业日趋明显.通过对多机协同空战中目标分配的分析,建立了目标优化分配的数学模型,而后用标准遗传算法来求解该问题,最后通过应用"优势"基因遗传算子对遗传算法进行改进.仿真结果表明该算法能有效解决分配问题,而且"优势"基因遗传算子能够大大提高搜索效率.     

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。     

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.     

基于改进遗传算法的空舰导弹火力分配方法

描述了空舰导弹火力分配问题,建立了火力分配优化模型。在此基础上,提出了一种采用十进制部分编码策略与动态调节交叉、变异概率相结合的改进遗传算法,将其用于火力分配优化模型的求解,通过仿真分析与算例比较,证明该算法在运算速度和寻优能力上比标准遗传算法和传统搜索算法强,可为制定空舰导弹作战指挥自动化决策提供参考。     

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.     

遗传算法及其在导弹火力分配上的应用

遗传算法是一种近年来新发展起来的优化算法,目前它已被广泛应用于解决许多实际问题,如函数优化、图像识别、机器学习、人工神经网络、人工生命、优化调度等许多领域。通过对一种遗传算法的研究,阐述其在导弹武器火力分配上的应用。首先设计和实现了一种遗传算法;然后描述了导弹火力分配优化问题,建立了其数学模型;最后运用遗传算法求解了该问题。     

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。     

模糊匈牙利算法在舰艇抢修人员指派问题中的研究

分析了舰艇在执行任务或作战等紧急情况下的抢修人员指派问题,并对此建立了多目标广义指派问题的数学模型。在任务数少于工作人数的情况下,采用虚拟“工作”和“人员”的方法,得到适合经典匈牙利算法的拓展效益矩阵,并对此矩阵采用匈牙利算法求得最优指派。     

基于GA-PSO的目标分配问题研究

防空作战中的目标分配问题属于NP完全问题,在综合考虑火力单元作战效能和防御效能的基础上,引入火力单元综合有利度,建立了一种用于大规模多火力单元对抗多轮次目标的静态目标分配模型,给出了基于GA因子的改进PSO算法,并将算法应用于目标分配模型的求解,通过VC 6.0编程和计算机仿真验证了模型的可行性和算法的有效性.     

分布式遗传模拟退火算法的火力打击目标分配优化

根据火力打击规则,建立了多目标函数的目标分配模型,提出了分布式遗传模拟退火算法对模型进行求解。分布式遗传模拟退火算法基于经典遗传算法进行改进:将单目标串行搜索方式变成多目标分布式搜索方式,适用于多目标寻优问题求解;采用保留最优个体和轮盘赌相结合的方式进行个体选择,在交叉算子中引入模拟退火算法,使用自适应变异概率,较好地保持算法广度和深度搜索平衡。最后,通过仿真实验验证了算法的有效性和可靠性。     

基于改进匈牙利算法的多技能人员调度方法

人员的优化配置对于提高装备制造效率具有重要意义。针对经典匈牙利算法不能解决具有并联环节的人员指派问题的不足,提出利用虚拟工作代替并联环节,将问题转化为典型的指派问题;通过判断虚拟工作的可实现性,迭代搜索得到最优解。以某多技能人员任务指派系统为例,详细介绍了该优化方法的步骤。优化结果很好地验证了改进算法的有效性。     

合成分队动态武器目标分配协同决策模型

针对合成分队地面作战特点,提出了一种动态武器目标分配的协同决策模型,该模型基于一种自适应决策中心的协同决策体系结构,以战场信息共享为核心,实现动态火力协同优化分配。提出了针对战场应急目标的一种快速火力分配方法,提高火力整体打击效率的火力适度分配优化方法,适应战场态势动态变化的anytime终止控制方法。仿真实例表明,该模型能够满足合成分队火力动态分配的需求,提高动态武器目标分配决策的合理性和科学性。     

基于改进的MADM的防空混编群配置地域优选研究

地面防空混编群中的骨干型火力单位具有作战空域大、具备同时攻击多个目标的能力,是混编群作战体系的主体,担负着对重要目标的抗击任务。其配置将直接影响作战任务,而对其地域选择是火力单位配置的关键环节。首先分析了影响骨干型火力单位地域选择的因素,其次针对其不确定性及权重难以确定的问题,基于改进的MADM算法建立了地面防空兵混编群骨干型火力单位配置地域优选模型,最后给出该算法的实例分析。     

基于模糊指派的阵地选址决策

给出了一种混合部署的多个导弹营的阵地多要素选址决策方法,运用了模糊关系合成矩阵,将各种情况下的多要素导弹阵地选址问题转化为模糊指派问题,并运用了匈牙利算法进行求解,最后给出了实际算例.     

目标选择优化模型及算法

提出了可用于大威力武器火力分配的目标选择优化模型及算法。内容包括：问题的数学描述、问题的等价变换与分解、问题求解的动态规划算法和不同算法的计算次数比较。     

判决元理论及其在武器分配中的应用

介绍了判决元理论的基本内容〔１〕,并将此理论用于解火控领域的武器分配问题（ＷｅａｐｏｎＡｓｓｉｇｎｍｅｎｔＰｒｏｂｌｅｍ,简称ＷＡＰ）,从而提出一种新的分配算法。通过２２个战例的仿真,结果表明,本算法收敛速度快,而且能收敛于理想的稳定状态。因此,在大规模的海战系统和高性能防空系统中,这种算法有着十分广阔的应用前景。     

面向多平台多目标协同跟踪的指派问题

针对多平台多目标协同跟踪中要求多个无人地面平台尽可能均匀地协同跟踪多个目标的特点,提出了改进的离散粒子群优化算法。首先采用连续型粒子群优化算法中的速度和位置迭代公式,然后对粒子位置进行离散编码,使粒子编码对应于可行的指派方案;其次,在优化算法中引入局部搜索,提高算法寻优性能。最后将所提算法应用于多平台多目标协同跟踪中的指派问题,并与未加入局部搜索的粒子群优化算法比较,仿真结果表明,加入局部搜索后的离散粒子群优化算法具有较好的寻优性能。