基于多目标遗传算法和多属性决策的船舶柴油机转速PID控制器参数优化

提出了一种基于多目标遗传算法和多属性决策的PID参数设计方法,综合考虑系统超调量、稳定时间和ITAE指标,采用改进非支配解排序的多目标遗传算法(NSGA Ⅱ)求出Pareto最优解.由这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行权值计算,然后采用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解给出排序.给出了某型护卫舰主机转速PID控制的数值算例.计算结果表明,该联合方法通用性好,所设计的PID性能优异,适合工程实际应用.     

基于改进TOPSIS模型的防空多目标威胁评估*

根据地空导弹武器系统作战使用原则,确定影响目标威胁程度的五个主要因素,建立目标属性矩阵,并运用群体层次分析法(AHP)和熵权法进行组合赋权,将权重运用到逼近理想解的排序法(TOPSIS法)模型中,给出了基于改进TOPSIS模型的多目标威胁评估模型与算法.实例分析表明该方法是合理和有效的.     

惩罚与激励变权的空中目标威胁评估

威胁评估是末端防御武器系统作战指挥的重要环节。在多目标决策的理论基础上,综合变权思想和逼近理想解的方法,提出了基于惩罚与激励变权的TOPSIS(technique for order preference by similarity to ideal solution)方法的空中目标威胁评估。首先建立评估指标体系,得到各威胁属性的隶属度函数,再运用变权理论确定指标权重,最后通过逼近理想解的方法对空中目标进行排序,并分析了变权在解决此问题中的优势,证明了方法的有效性和可靠性。     

基于改进TOPSIS模型的防空多目标威胁评估

根据地空导弹武器系统作战使用原则，确定影响目标威胁程度的五个主要因素，建立目标属性矩阵，并运用群体层次分析法（AHP）和熵权法进行组合赋权，将权重运用到逼近理想解的排序法（TOPSIS法）模型中，给出了基于改进TOPSIS模型的多目标威胁评估模型与算法。实例分析表明该方法是合理和有效的。     

基于改进TOPSIS模型的区域防空重点保卫目标优选与排序

根据区域防空重点保卫目标优选的依据和原则,确定了影响保卫目标重要程度的主要因素,建立目标属性矩阵,并运用层次分析法和熵权法进行组合赋权,利用改进逼近理想解的排序法模型对保卫目标的重要性进行了定量分析。实例分析表明该方法合理有效。     

针对舰船目标高分辨距离像的特征选择方法

为了提高基于高分辨距离像(HRRP)的舰船目标识别率,首先通过目标区域提取来解决HRRP的幅度敏感性和平移敏感性的问题;然后根据传统的特征提取方法,提取出15个较好的特征进行多特征综合识别;最后在基于Fisher准则的特征选择方法上进行改进,提出了一种基于特征互补性的特征选择方法,选择一个最优特征子集。通过仿真实验验证了提出的特征选择方法,同时选择出一个最佳分类器。     

结合离差最大化的多属性群体决策TOPSIS威胁评估

针对传统理想解逼近排序法(TOPSIS)在确定多个属性权重系数上存在主观性和盲目性,并且所作决策多为单一决策,精确度不高等问题,提出结合离差最大化原理的多属性群体决策TOPSIS改进模型,利用离差最大化原理确定属性权值,同时引进群体决策方法。最后将该模型运用于机群协同空战的威胁评估中,建立了多目标威胁评估数学模型,并进行了全空战过程的动态仿真分析,结果表明所建立的扩展模型是合理可行的。     

云模型和距离熵的TOPSIS法空战多目标威胁评估

针对传统逼近理想解的排序法(TOPSIS)在空战多目标威胁评估中对战场态势数据精度要求高这一缺陷,提出了一种基于云模型和距离熵TOPSIS法空战多目标威胁评估方法。该方法运用云模型理论对战场态势数据进行模糊表示,并通过定义云元素的大小和距离测度公式实现了两者结合。考虑目标各属性的权重对分析结果的重要性,运用距离熵理论来分配各属性的权重,进而建立加权决策云矩阵,根据相对贴近度的大小确定各方案的威胁程度。最后,通过仿真验证了该方法的可行性和有效性。     

深度多属性增强水声目标识别方法

被动声纳系统由于其隐蔽性好的特点在军事任务中发挥着重要作用。针对被动水声目标识别问题,开展了水声目标多属性特征提取与识别方法研究。利用深度学习方法从舰船辐射噪声中提取目标多属性特征并识别水声目标。提出了深度多属性增强水声目标识别方法,该方法可以从时域舰船辐射噪声中提取水声目标多属性特征及多属性之间的相关性特征,并用来增强深度模型对水声目标类别属性的表达能力。基于海试实测数据的6类水声目标识别实验结果表明,相比于不考虑多属性的识别方法,提出的深度多属性增强水声目标识别方法的平均正确识别率提高了3.6%~18.2%,并且具有更好的识别稳定性。     

一种基于地形分析的多目标关联算法

利用低时空分辨率的卫星遥感观测进行目标群关联,由于目标群运动状态转变的规律性不好寻找,目标群的精确属性特征难于获取,增加了利用目标属性进行关联的实现难度.考虑到地形特征对目标群运动影响的特点,提出了基于地形栅格分析的多目标关联算法.     

海洋移动目标多模型运动预测方法

分析海洋移动目标的运动特征,提出了预测前插值的灰色预测方法,改进了航迹变更预测和潜在区域预测模型。通过集成匀速运动预测、航迹变更预测、基于航迹的预测和潜在区域预测,提出多模型运动预测方法及其模型参数配置依据,根据滑动时间窗口中的观测数据与预测值的统计比较,评价不同预测方法的近期预测效果,决策下阶段适宜选择的预测方法。仿真实验表明多模型运动预测比使用单一运动预测方法降低预测风险,提高了预测精度。     

神经网络在目标属性识别中的应用研究

首先介绍了目标属性识别的方法,并对多属性决策模型(MultipleAttributeDecisionModel,MADM)目标属性识别模型进行了分析,在此基础上提出了基于神经网络的目标属性识别模型,其能有效地解决目标属性识别问题。     

基于方位-频率解算目标运动要素的航路选择

基于方位-频率解算目标运动要素解算方法可实现水下观测平台不机动解算目标运动要素,但接敌航路仍影响目标运动要素解算精度及平台隐蔽性。建立了方位-频率目标定位模型,通过仿真分析了不同初始目标舷角下,水下观测平台采用不同接敌航路情况下目标运动要素解算收敛速度和精度,并从保持水下观察平台隐蔽性的角度,探究了不同初始态势下应选择的航路。     

改进蛙跳算法求解武器目标分配问题

针对武器目标分配问题,提出一种改进蛙跳算法来求解空间受限的武器目标分配。首先,基于武器目标分配原则建立多约束条件下武器目标分配模型,并将多目标优化问题转化为单目标优化问题;其次,采用基于非支配等级和拥挤度因子的精英选择策略改进初始种群的多样性和均匀度,提升算法最优解的质量;最后,通过合理的想定背景进行仿真计算,结果表明：该方法可有效平衡搜索时间和全局最优解质量,可作为编队防空作战时武器目标分配的一个不错选择,通过与SFLA算法和遗传算法进行比对分析,表明该算法相对SFLA算法求解的最优解质量高,相对遗传算法搜索效率高。     

多目标决策的特殊坐标系求解方法

在多目标决策问题中,满意解常常要在非劣解中寻找。一般来讲,对于两个目标(二维)的解的判别并不困难,但遇到多个目标(n维),且有多个可行解时,对非劣解的判别就显得有些繁复了。因此,采用直观容易的特殊坐标系来判别"非劣解",从而给出求解多目标决策问题满意解的方法。     

潜艇概念设计阶段的多目标优化研究

研究了潜艇在概念设计阶段的多目标优化问题。基于多目标遗传算法(MOGA),把潜艇航速和排水量这两个概念设计阶段的重要属性作为目标函数,考虑了浮力平衡和水下稳性等约束条件,研究了潜艇主尺度确定的问题。计算了一个潜艇概念的数值算例,给出了多目标优化问题的Pareto前沿。文中给出的方法能够快速求解多目标优化解,为实际的潜艇设计提供参考。     

航空磁探仪目标运动分析仿真研究

针对航空磁探仪目标运动分析问题,分析了目标运动要素确定方法。首先,采用蒙特卡洛仿真和统计分析法研究了目标运动要素估计误差的分布规律;然后,结合最小二乘定位法,给出了目标运动参数及其误差的简化算法;最后,分析了影响目标运动要素解算精度的主要因素。研究结果可为磁探仪的使用、攻潜武器的选择和攻潜效果的预测提供参考。     

Amari-Hopfield神经网络技术在目标运动要素解算中的应用

针对潜艇目标运动要素解算过程中经常出现的非正常误差及其无规律性,采用Amari-Hopfield神经网络思想,通过对残差的学习和训练来抑制非正常误差的影响,达到提高目标运动参数估计精度的目的。海试数据计算表明,该方法对海试量测数据中非正常误差量测点能有效地辨识并抑制,从而改进目标运动要素解算的效果。     

基于方位变化率的目标运动分析

目标方位变化率对运动要素解算有着重要的影响.但不同目标运动要素(目标距离、航向或速度)的求解精度,对目标的方位变化率又有着不同的要求.从确定性算法入手,进行了方位变化率对目标运动要素解算精度影响的理论分析,并通过仿真计算验证了理论分析的正确性,证明了该理论具有一定的应用价值.     

模糊多属性群决策与潜艇作战方案优选

分析了潜艇作战方案的优选实质是一个模糊多属性的群决策过程,建立了模糊多属性群决策的一般模型,介绍了一种以模糊理想解与模糊负理想解同时作为参照基准,以海明距离作为测度工具,以相对贴近度作为衡量标准的模糊折衷型多属性群决策方法,应用实例表明此方法可行有效。