基于改进单亲遗传算法的军事物流中心选址问题研究

为了有效求解军事物流中心选址问题，在单亲遗传算法加入模拟退火选择操作，与倒位算子和非均匀变异操作相结合，构建了退火单亲遗传算法。在选择操作中，采用三复本锦标选择的方式，确保了种群的多样性。计算结果表明该方法可有效求解选址问题，取得较一般遗传算法更优的结果，算法的搜索效率和收敛概率均得到大幅度提高。     

基于单亲遗传算法的战时维修力量抽调模型研究

分析了影响维修力量抽调决策的因素,对装备维修力量的抽调问题进行了数学描述,建立了一种基于灰色关联度的多目标优化模型。针对装备维修力量抽调的非线性多目标优化问题,提出了基于单亲遗传算法的求解方法,该算法用换位算子取代了传统的交叉、变异算子,但仍然保持了他们的进化功能。通过仿真算例分析表明,该方法可有效求解多目标的保障力量抽调问题。     

基于差分进化算法的运输直升机人员装载问题

针对空中突击作战中运输直升机资源有限、人员装载需求较大的特点,在满足装载原则约束的前提下,建立了以空间利用率最大化为目标的运输直升机人员装载模型,并提出了一种动态的差分进化算法对模型进行求解.该算法对传统差分进化算法的控制参数进行调整,同时加入个体适应度参数,设计了动态精英变异算子和动态二项式交叉算子,仿真实验证明,该算法可对运输直升机人员装载问题进行有效求解.     

基于改进布谷鸟算法的目标分配问题

针对防空作战中目标分配的实时性、动态性、高效性以及作战决策的稳定性需求,基于种群协同进化思想提出一种免疫-布谷鸟算法。通过建立种群协同进化机制,利用两个种群进行不同方向的搜索并实时进行信息交互,加快算法收敛速度;利用布谷鸟算法参数少、易实现及较好的全局搜索能力,以及基于免疫机制的高斯变异算子较强的局部搜索能力,实现了求解速度和解的精度的平衡问题,提高算法的进化活力和求解效率。仿真实验表明,改进的布谷鸟算法与传统的目标分配算法相比,求解效率和性能上有明显提高,新算法求解目标分配问题是有效可行的。     

禁忌单亲遗传算法的某指挥控制舱协同任务规划

指挥控制舱是武器系统中指挥控制的功能核心,通过多人协同交互完成指控任务。为提高人员协同效率和操控效率。建立了以完成所有任务的时间最短为目标函数的多人协同任务规划模型。在求解模型时,采用禁忌单亲遗传混合优化算法,通过无性繁殖的方法,减少了在子代中产生无效染色体的情况,提升了算法的效率,通过禁忌算法有效避免陷入局部极小值。通过实例分析,算法使总任务执行时间减少了12豫。本模型以及求解算法在解决指挥控制舱多人协同任务规划时具有可行性,对指挥控制舱任务流程设计具有一定参考价值。     

一种基于混合算法的火力规划方法

针对战场上火力单元与目标数量较多的具有多约束的火力规划问题,提出一种采用贪心策略和改进遗传算法的混合算法求解不同复杂程度的火力规划方法。贪心策略用于优化初始种群以加快遗传算法收敛及在短时间内求解较复杂的火力规划问题。采用改进编码方式、杂交与变异算子的遗传算法处理约束条件,提高搜索效率,加快算法运行速度。仿真实验结果表明,混合算法可以在平衡求解时间与结果满意度的情况下求解不同复杂程度的火力规划问题。     

引入变异算子的SAA求解数据关联问题

将遗传算法中的变异算子引入模拟退火算法,来求解雷达数据处理过程中的数据关联问题。与传统的遗传算法和传统的模拟退火算法相比,新算法在解的质量,寻优速度和CPU占用时间等方面有较大的优势,更贴近实际应用的要求。     

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.     

基于分解的多目标布谷鸟搜索算法求解多无人机协同任务分配问题

多无人机协同任务分配问题是一个多目标优化问题,将多目标优化问题转化为单目标优化问题的传统方法易造成决策的主观性和片面性.为帮助决策者做出科学决策,提出了一种基于分解的多目标布谷鸟搜索算法用于求解多无人机协同任务分配问题.通过对多无人机协同任务分配问题分析,建立了多无人机协同任务分配模型.将布谷鸟搜索算法的两个关键组件转化为多目标优化算法的繁殖算子,并结合一种自适应算子选择策略,构成了多目标布谷鸟搜索算法.设计了一种新的编码方案,将带约束的多目标优化问题转为无约束的多目标优化问题.仿真实验表明,多目标布谷鸟搜索算法能有效求解多无人机协同任务分配问题.     

遗传算法在制导武器火力精确分配中的应用

火力分配问题在充分发挥武器系统作战效能中占有重要地位,在该问题传统模型的基础上提出了一种基于遗传算法的高效求解方法.详细介绍了所用遗传算法的一种两层结构的编码方式,并给出了相关的选择、交叉、变异等遗传算子的具体设计.最后在MATLAB环境下,运用此方法解决了两个应用实例,仿真结果进一步表明了此算法在作战决策中是高效可行的,具有很高的应用价值.     

利用遗传算法和模糊逻辑进行系统可靠性优化分配

提出一种使用遗传算法和模糊逻辑相结合进行系统可靠性优化分配的新方法。该方法使用模糊逻辑对系统研制初期可靠性设计中所存在的不精确限制条件和设计目标进行数学建模 ,然后利用遗传算法对数学模型进行求解。该方法充分利用了模糊逻辑的建模效率和遗传算法的搜索效率 ,大大提高了系统可靠性分配的效率和精度。本文首先以两单元串联系统的可靠度优化为例进行说明 ,然后将算法扩展至多单元系统的可靠度及冗余度优化问题的求解。数值仿真实例显示了算法的性能和可行性。     

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.     

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。     

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。     

遗传算法在防空导弹火力优化分配中的应用

介绍了遗传算法的基本原理、算法设计并结合遗传算法主要解决了如何把目标分配给火力单元的问题,编写了相应的程序,并给出了一个基于遗传算法的火力优化分配方案。     

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。     

基于遗传BP神经网络的装备研制风险分析方法

简要介绍了GA和BP算法,利用遗传算法全局性搜索的特点,改变BP算法依赖梯度信息的指导来调整网络权值的方法,寻找最为合适的网络连接权和网络结构,提出了遗传算法优化BP神经网络的思路及其数学模型.最后,结合对某型航空装备的风险源的分析,利用此优化模型进行了验证.结果表明了该方法的可行性,为装备研制风险分析提供了一种新思路.     

遗传算法在航空发动机故障诊断中的应用

提出了基于遗传算法的航空发动机故障诊断的方法,将概率因果模型与发动机故障诊断问题结合,在得到发动机故障征兆和故障成因之间关系的基础上,利用遗传算法实现对故障的分类和诊断.该方法可以准确而快速得实现对复杂故障问题的诊断,将其应用于某型发动机的故障诊断中,得到了较好的效果,同时也说明了遗传算法在航空发动机故障诊断中是行之有效的.     

基于遗传算法的嵌入式软件测试用例生成系统研究

综合考虑了嵌入式软件的特点，将遗传算法应用于搜索全面覆盖软件特殊路径的测试用例生成的问题，合理构建了嵌入式软件测试用例自动生成系统，给出了系统流程图，改进了部分算子，使搜索效果得以加强，并分析了交叉率、变异率等参数的取值范围，通过改变不同的参数值得到对比图，以确定适合该系统的最佳参数值，并针对实际汇编语言编写的嵌入式软件指定路径进行仿真测试，从理论和实践上证明了该思路的正确性和可行性。