基于遗传算法的无人机航迹规划代价函数

针对当前使用的无人机航迹规划代价函数的不足之处,提出一种利用遗传算法对无人机航迹规划代价函数进行优化的方法。对基本遗传算法进行了局部改进,设计了航迹极坐标编码方式及航迹适应度函数,在采用基本遗传操作算子的基础上采取精英保存策略,提高了算法的效率;采用代价归一化并进行优化的思想,得到优化之后的代价函数权重值。优化结果表明,该方法可以获得代价更低的航迹。     

遗传算法在武警勤务中的应用研究

遗传算法是一种新的全局优化仿生算法。介绍了遗传算法的编码方法、选择算子、交叉算子和变异算子 ,以及适应度函数的设计 ,结合武警部队勤务的特点 ,探讨遗传算法在武警勤务中的应用。并以遗传算法在军事 (行军 )路线优化选择和智能排课系统中的应用为例 ,对遗传算法的建模等进行了探讨     

DDBN的无人机决策推理模型参数学习

针对复杂战场环境下的无人机决策推理模型参数学习的问题,提出基于遗传算法的离散动态贝叶斯网络参数学习算法。该算法将模型网络参数的最大似然估计函数作为遗传算法的适应度函数,在全局进行并行优化搜索,得到最优的网络参数,从而提高了决策推理模型对复杂环境的快速适应。仿真结果表明,该算法可以获得准确的离散动态贝叶斯网络参数,能够有效地解决复杂战场环境下无人机威胁评估问题,为无人机的自主任务决策提供有效的参数保障。     

新型多目标遗传算法及其在导弹射击效能优化中的应用

多目标规划是一类重要的优化模型,有着广泛的实际应用,但其求解至今仍是运筹学的一个难点.针对一般约束多目标优化问题,在设计了新的适应度函数和选择算子的基础上,提出一种新型多目标遗传算法.将其应用于导弹对集群目标射击效能优化问题,验证了算法的有效性.     

遗传算法的均匀圆阵DOA估计

为了精确估计移动目标方位角,通过用遗传算法对均匀圆阵进行目标的估计,引入确定性最大似然准则确定遗传算法中的适应度函数,并利用模式空间变换方法将均匀圆阵转换为虚拟线阵;列出了遗传算法基本步骤.通过计算机仿真对遗传算法与MUSIC算法以及遗传算法迭代次数与信噪比的关系进行了比较,验证了在低信噪比的情况下有很好的收敛性和稳定性.     

基于遗传算法的装备维修方案多目标优化

针对装备维修方案规划的特点,构建了以维修费用最低和作战能力最大的多目标装备维修方案优化模型,并提出针对该模型求解的改进多目标遗传优化算法。在遗传算法设计中,为保证解集的均匀性和多样性,避免过早收敛,建立了随机权重适应度函数,引入精英保留机制和小生境技术,通过实例对该模型的求解进行了验证。仿真结果表明,所构建的模型合理可行,算法运行高效,为部队装备维修方案的制定提供了一定的借鉴。     

中件空投集装箱装载与需求优化方案

由于随队投放装备物资种类、大小等复杂性,空降兵战略投送中装载方案一直无法很好地解决.通过对装载问题的认真分析,建立了目标优化函数,利用遗传算法的特性,提出了基于装载过程的适应度算法,并通过特殊的遗传基因操作过程,实现了强约束条件下的中件空投集装箱需求优化解决方案和算法.     

基于排序的自适应遗传算法航空炸弹弹道拟合方法

提出了一种基于排序的自适应遗传算法的航空炸弹弹道的拟合方法.该方法在简单遗传算法的基础上,将每一代染色体的适应度排序,并添加了交叉率和变异率的自适应控制函数,既克服了简单遗传算法收敛速度慢,稳定性差的缺点,又改善了函数优化效果.算法应用于某型航空炸弹的弹道数据拟合,仿真结果表明,该算法的拟合精度高,拟合模型优化效果良好.     

基于实数编码遗传算法的超宽带波形设计

采用实数编码的遗传算法对超宽带(UWB)波形进行了独特设计。以正弦高斯脉冲作为基函数,提出了一种新的适应度函数表示方法,应用此方法设计出了更符合美国联邦通信委员会(FCC)提出的辐射掩蔽特性要求的脉冲波形,并对设计脉冲进行了链路预算。仿真结果表明:采用实数编码的遗传算法优化设计得到的超宽带波形效果好且仿真时间复杂度低;与随机组合脉冲相比,设计出的脉冲在信号传输性能方面更具优势。     

振动遗传算法在无人机三维航路规划的算法研究

针对代价函数权重需要根据环境变化而变化的问题,结合飞行约束条件提出归一化的代价函数,当环境发生变化时,不用再修改代价函数,增强了算法的鲁棒性。为了弥补传统定步长寻径算法耗时长的缺陷,设计了一种基于B样条曲线与遗传算法的高时效寻径算法。利用遗传算法在地图中所寻合适的控制点,再结合B样条曲线生成航路。为了增强遗传算法的全局搜索能力,遗传算法中加入振动法则,使得种群在进化中后期依旧保持一定的多样性。仿真结果表明该算法与精英蚁群算法相比,规划时间大幅缩短;与振动遗传算法相比,航路代价明显降低。     

基于战例数据的制胜要素选择方法

针对战争制胜机理定量研究需求,提出了一种基于混合评估的制胜要素选择算法。针对战例数据特点,该算法选择两种过滤方法分别从不同方面对要素全集进行评估排序而后加权得到综合排序结果;将结果作为遗传算法的初始种群,而后以分类精度作为个体适应度函数。选择几种典型的分类器综合比较,筛选出规模较小、性能较好的要素子集。测试结果表明,该算法不仅能有效地减少要素子集规模,还可以进一步提高制胜机理分析模型的准确率和效率。     

基于模拟退火和共同进化算法的协同航路规划

针对多飞行器协同作战的协同航路设计问题,提出了一种基于模拟退火和共同进化算法的协同航路规划,建立了基于共同进化计算的航路规划问题模型和相应的适应度函数.算法利用极坐标表示每个飞行器的航路点,缩短了染色体编码长度,提高了优化效率,并将模拟退火的Boltzmann接受机制引入共同进化算法,对共同进化操作后的新解进行判断接受与否.仿真结果表明了该方法的有效性和可行性.     

基于粒子群算法的H_∞混合灵敏度控制研究

针对步进电机存在负载摄动和失步超步问题,提出了一种基于粒子群优化算法的混合灵敏度设计方法。在H∞混合灵敏度约束下,采用粒子群算法寻找能够反映系统特性的适应度函数最优值,在搜索到合适的加权阵基础上,利用Matlab得到了H∞最优控制器,并利用优化控制器对步进电机进行控制仿真实验。实验结果表明：该系统具有响应快速平稳、抗负载扰动强等特点。     

基于改进遗传算法的异构多无人机任务分配

针对异构多无人机协同任务分配问题,提出了一种基于改进的遗传算法的多UAV任务分配方法。根据多UAV协同任务分配问题的特点,设计了新的遗传算子,并且对适应度值做了标定,有效避免了算法在最优解附近摆动现象的发生,从而提高了任务分配的效率。充分利用改进遗传算法的全局搜索能力,有效地解决多约束条件下多UAV协同目标分配问题。仿真结果表明,改进的遗传算法能够稳定快速地找到较优分配方案,并且算法简单有效。     

一种分级淘汰遗传算法及其应用

针对遗传算法在处理对目标值具有多方面要求时适应度求值问题 ,依照自然选择过程的机理 ,提出了一种多次选择、分级淘汰的思想。通过对无源低通滤波器的优化设计 ,证明了此算法具有更好的收敛特性。     

基于改进自适应遗传算法的阵列优化

提出了一种改进的自适应遗传算法,对约束了阵列孔径、阵元数目和最小阵元间距的非均匀稀布阵列进行优化布阵。该算法采用实值编码,改进了适应度函数,避免了不可行解的产生。同时选取新的选择算子和改进的双重最佳保留策略,对传统自适应遗传算法的交叉、变异概率进行了动态改进。仿真结果表明,该方法能较好地抑制"早熟",增加了获取全局最优解的概率,获得了更低的峰值旁瓣电平。     

基于改进差分进化算法的多无人机航迹规划

针对已知三维环境下的多无人机动态路径规划问题,在多无人机协同方面基于参考路径长度以及威胁距离进行任务点规划,并根据实际环境设定了约束函数和适应度函数。在航迹规划算法方面则采用改进差分进化算法,将种群基于种群个体的适应度均分为两个子种群,选择不同的变异策略。仿真验证结果显示,改进差分进化算法得到的规划路径在路径长度、适应度值优于传统差分进化算法,可以生成路径更短且适应度值更优的航迹。     

多无人机协同攻击目标决策

论文针对多架无人机相互协作攻击多个敌对目标的武器目标分配决策问题进行了研究。利用层次分析法（AHP）和灰色关联分析法评估了威胁指标的权重,针对协同攻击空战模型中受威胁大的无人机无需参与攻击,而采用机动躲避策略的特定情况提出了一种启发式遗传模拟退火（HGASA）求解算法,实现了武器目标攻击决策的求解。仿真实验表明,本文提出的HGASA算法对决策方案的求解速度和求解质量与现有的遗传算法(GA)、模拟退火算法(SA)等算法相比均有明显提高。     

时间和制导资源约束下的武器目标分配

针对防空作战过程中的武器-目标分配问题,以目标毁伤概率最大为目标函数,提出一种混合粒子群算法.该算法融合粒子群算法和遗传算法,首先利用粒子群算法找到不受时间和制导资源约束的一组解,再利用遗传算法对粒子群算法找到的解进行寻优,最终找到一组满足时间和制导资源约束的最优解.仿真结果表明,该算法收敛速度快,迭代次数少.     

时敏打击中航迹规划与重规划研究

针对时敏打击作战的特点,对飞行器航迹规划与重规划进行了研究,提出了一种基于粒子群的航迹规划算法.该方法通过使用特定的粒子群编码方式和构造适当的适应度函数,可以在满足航迹约束的条件下,有效利用各种环境信息,进行实时航迹规划.仿真实验表明,该算法可以有效利用各种环境信息,在实时环境下处理各种航迹约束,并最终获得近似的最优航迹.