基于改进蚁群算法的战时不确定性路径规划模型求解

战时路径规划的不确定性包括参数、约束条件和决策目标等的不确定性。以基本蚁群算法为基础，结合随机模拟和模糊模拟技术，提出了一种改进蚁群算法来求解战时不确定性路径规划问题，并通过仿真示例与其他算法进行了比较。结果表明：该算法求解效率更高，求解过程更为直观，能够满足战时不确定性路径规划问题的研究。     

军队油料运输网络安全优化研究

军队油料运输路径选择受交通运输网络和运输线路风险的影响和制约。战时,交通运输网络是敌方破坏的重点,油料运输面临很大风险,安全形势非常严峻。合理优化交通运输网络,选择合适的运输路径是避免敌方破坏、保障油料运输安全的重要途径。从不同决策角度出发,选择以总后勤部军事交通运输部为代表的网络规划者和以各级军事代表处及运油分队为代表的运输路径选择者为两级决策者,以实现总体风险均衡和单条运输路径目标最优为出发点,建立双层规划模型,对运输网络进行优化,选择最优运输路径。该法既可降低不同性质的风险,又能兼顾各种风险的相互影响。     

战时导弹火力打击任务分配与运输决策模型

为有效提高战时导弹火力打击的效果,对多波次条件下打击任务分配与运输决策相结合的问题进行研究。根据实际战场情况进行模拟,构建了战时导弹火力打击任务分配与运输决策模型,设计出基于聚类分析和Floyd最短路径的综合性算法,运用分步讨论的方法依次求解各个参数,并通过线性加权的方式将多目标优化问题转化为单目标优化问题,进而找出最优方案,最后运用仿真算例验证了该模型的可行性及算法的有效性。     

针对应急救援路径规划的一种改进蚁群算法

针对不返回起始点、多个待救援点的应急救援路径规划问题,提出了一种应急救援路径规划的改进蚁群算法,设计了一种新的路径构造方法,为蚁群算法求解该类问题打下了基础。为提高收敛性,改进了信息素更新规则,构造了一种与蚁群算法有效结合的局部搜索算法,提高了算法快速寻优的能力。仿真结果表明:改进蚁群算法能够快速找到一条从救援中心到多个待救援点的优化路径,且收敛速度和最短路径较同类算法更优。     

基于蚁群算法的舰艇编队海上补给路径规划方法

将海上补给路径规划问题(URRP)与传统的旅行商问题(TSP)进行比较,分析了它们之间的联系与区别。在此基础之上,应用一种改进的TSP问题,对海上补给路径规划进行了数学描述。针对平时和战时对编队海上补给的不同要求,分别建立了海上补给路径规划模型,确定了规划问题的目标函数。构造了蚁群算法,对URRP问题进行求解,并以平时的海上补给路径规划问题为例,得出了海上补给的最优路径。计算结果验证了该模型和算法的可行性。     

混合蚁群遗传算法的树枝型铁路取送车问题优化

针对树枝型部队后勤货运铁路专用线的特点,建立了树枝型专用线取送车模型,提出了一种混合蚁群遗传算法,对取送车作业进行优化。该算法融合了蚁群算法和遗传算法的特点,对蚁群算法进行改进,提高了蚁群算法的收敛速度。同时在遗传算法的交叉操作前,参考蚁群算法产生的种群,提高了遗传算法的求解精度。实验仿真结果证明,该方法能有效地优化铁路取送车作业问题。     

基于多目标约束的基本保障单元人力资源优化研究

针对装备维修工作中基本保障单元的人员优化问题,在维修过程中为保证以最少的人员在最短的时间内完成预定的维修任务,分析了修理工期与人员数量的关系,应用多目标约束理论建立了工期人员优化的多目标数学模型,通过预处理将模型转化为路径组合优化问题,并用改进的蚁群算法对模型的求解进行了研究,最后通过实例验证了优化模型及求解方法的有效性和实用性。     

双层智能优化算法求解时变网络最短路径问题

边成本为一般函数的时变网络最短路径问题(TDSP),已被证明不存在多项式时间算法。同时智能优化算法被广泛地用于求解该类问题,但多数没有考虑节点的可等待约束。提出了求解TDSP问题的双层智能优化算法,内层遗传算法优化每条可行路径的各节点离开时间,外层蚁群算法优化构建的路径,最终搜索到从起始点到终点的最短时间路径。实验结果表明:双层智能优化算法能快速寻优,并且收敛速度和最优路径较同类算法更优秀。     

基于模拟退火算法的舰艇编队海上补给规划

为有效优化舰艇编队海上补给的规划过程,首先在阐述三种不同补给策略的基础上,以送报男孩策略为例建立了平时及战时状态下的海上补给规划模型;然后,分别以最小补给时间及最大作战效能为目标进行了建模,同时考虑了战时状态下补给物资种类的选择,并在此基础上运用模拟退火算法,类比传统旅行商问题(TSP)进行算法设计及模型求解;最后,以某舰艇编队物资补给任务为例进行计算,得出了最优补给路径、补给舰船及物资种类。结果表明:运用模拟退火算法解决此类问题具有有效性及可行性。     

需求可拆分的应急物资调度问题的蚁群算法

应急物资调度问题是个典型的需求可拆分的车辆路径问题,区别于传统的车辆路径问题,将每个需求节点只能由一辆车访问的约束去除,允许需求节点由多辆车进行访问。针对应急物资调度问题的特点,建立相应的多目标车辆路径数学规划模型(SDVRP),并根据模型特点设计改进蚁群优化算法。最后,进行相应的算例分析,验证了该模型和算法的有效性。     

基于遗传算法的装备使用保障费用灰色组合预测

针对目前对武器装备寿命周期费用估算建模难以实施的情况,以准确预测武器装备寿命周期费用的主要组成部分—装备使用保障费用为出发点,依据装备使用保障费用的特点建立了装备使用保障费用的灰色组合预测模型,指出了用蚁群算法优化组合权系数的不足,并提出了新的优化方法—遗传算法。最后,结合实例验证说明了该模型的预测效果优于蚁群优化的方法,为准确估算武器装备寿命周期费用提供了依据。     

基于改进ACO算法的多UAV协同航路规划

针对无人机(Unmanned Aerial Vehicle,UAV)在执行任务过程中遇到的诸如敌方防空火力、地形障碍及恶略天气等各类威胁源,采用威胁源概率分布的方法进行威胁的量化处理,构建任务空间的威胁概率密度分布图,有效消除了威胁源的差异性。根据UAV在任务飞行过程中的性能约束与时、空协同约束,同时考虑任务过程中UAV的损毁概率最小、任务航程最短,构建了相应的综合任务航路代价最优化目标函数。结合传统蚁群优化算法(Ant Colony Optimization,ACO)在解决此类问题中的不足,给出了相应的改进策略,提出采用协同多种群ACO进化策略来实现多UAV在满足时、空协同约束下的协同航路规划。通过相应的仿真计算表明,改进后的ACO协同多种群进化策略算法更适用于多UAV协同任务航路规划问题,具有一定的实用性。从而为多UAV协同任务航路规划问题的求解提供了科学的决策依据。     

基于势场启发蚁群算法的远程水中兵器航路规划

针对航行误差较大的远程水中兵器航路规划问题，采用栅格化方法建立海洋环境模型，为使兵器在航行过程中能有效规避障碍并导向目标，提出一种人工势场力为启发因子的改进蚁群算法，利用该方法搜索远程水中兵器从起始点至目标点的最佳路径，算法解决了经典蚁群算法容易陷入局部最优及收敛速度慢的问题。仿真结果表明该规划算法虽有少量的路径损失，但可以有效避免由于误差引起的航行安全问题，是一种有效的远程水中兵器航路规划方法。     

基于优化蚁群算法的装备调拨决策系统研究与设计

将蚁群算法和遗传算法应用于装备调拨决策系统,实现了装备调拨决策信息的生成.同时利用遗传算法对蚁群算法的参数进行了优化,实验证明优化后的蚁群算法在平均路径长度、算法平均执行时间和总执行时间上较传统蚁群算法都有一定程度的改进.     

战时弹药供应协同调运模型研究

弹药协同调运是战时弹药保障工作中的重要环节,其协同调运的合理性将直接影响到弹药保障工作的顺利进行.针对弹药的调运问题,从战时技术实施与应用角度研究弹药的调运问题,以到达需求点的运输时间、弹药输送车数量以及弹药损失量为优化目标,建立一种多目标决策模型,为缩短运输时间、减少弹药输送车数量、提高安全到达需求点的弹药量提供一种实用的方法.     

基于树分解/合并策略的QoS多播路由方法

针对多约束QoS多播路由的NP-Complete特性,提出一种可控的多播树分解与合并策略,使多播树的生成在兼顾低费用的同时具有多样性,有效克服多播路由优化的局部极值问题。基于该策略设计蚁群算法,分解蚂蚁种群为与多播目标点相对应的蚂蚁子群,引入基于“死点”惩罚和多播树奖惩的信息素更新机制,提高了算法的收敛速度。仿真实验表明,该方法能有效地解决QoS多播路由问题,且随着网络规模的增大保持了良好的性能。     

遥感数据处理任务调度的Petri网模型及求解算法

为了对多源遥感数据的处理任务进行有效的调度和管理,提高处理资源的利用率,根据遥感数据处理任务调度问题的特点,采用Petri网对该问题进行形式化描述,建立了遥感数据处理任务调度的数学模型,根据该问题的多目标特性,采用蚁群算法进行求解.给出仿真实例,将蚁群算法的求解结果与启发式算法和模拟退火算法的求解结果进行比较,验证算法...     

基于粒子群优化的蚁群算法在战场电磁频率分配中的应用

为对战场电磁频率进行有效分配以减少用频设备间的相互干扰，提出了将一种基于粒子群优化的蚁群算法应用于频率分配的方法。首先介绍了战场频率管控流程的相关内容，并以干扰度最低为目标函数，使用基于粒子群算法优化的蚁群算法进行频率分配管理。粒子群算法优化蚁群算法中启发信息的权重及信息素挥发系数，作为粒子群位置和速度参数进行初始化，将粒子群算法生成的分配结果作为蚁群算法的初始信息素，利用蚁群算法较强的寻优能力寻找最佳分配方案。实验结果验证了该算法和模型的可行性。     

武警部队开进路线问题的蚂蚁算法研究

部队开进路线问题是类似于TSP的NP问题。本文将蚂蚁算法应用于部队开进路线问题中，在综合考量每条路径的通行条件、隐蔽性、迂回道路数量基础上，通过层次分析法求出每条路径的权值，进而运用蚂蚁算法原理对问题设计算法。算法用Delphi实现，通过对实际部队开进路线问题的测试，得到较好结果。相对于传统的经验选择路径方法，此方法更少依赖选择主体的主观性，从而更具客观性与可重复性。