基于改进人工鱼群算法的反TBM目标分配策略

反TBM目标分配是防空反导作战指挥决策的关键问题,限制影响因素多,实时准确度要求高。为提升反TBM目标分配效能,构建了目标分配模型,通过引入交叉变异算子,并结合模拟退火算法,对人工鱼群算法进行改进,仿真分析表明,算法的搜索能力和收敛速度得到了提高。     

改进的人工蜂群算法求解武器目标分配问题

为了提高武器目标分配问题求解的效率与性能,提出一种求解武器目标分配问题的改进人工蜂群算法。针对武器目标分配问题模型的离散性特点,设计了解的编码方案,保证种群个体编码满足约束条件;通过控制种群编码熵的大小保证了初始化种群的离散性,加强了种群前期搜索的多样性;引领蜂采用同时保留最优蜜源与次优蜜源的方式,增大了种群局部寻优能力。仿真结果表明,在求解武器目标分配问题时,改进蜂群算法与传统优化算法相比收敛速度更快,求解精度更高,具有很好的应用价值。     

一种基于蚁群算法的准动态防空武器分配算法

武器目标分配问题是一个典型的限制组合优化问题,旨在得到在整个防御阶段中针对目标函数的最优武器分配方案。分配算法主要分为静态和动态两大类。针对传统静态分配模型中存在的几点问题,提出了基于时间窗的准动态武器目标分配算法,该算法综合考虑拦截概率、拦截时间和武器耗费多个优化指标,并将该算法推广至多类防空武器的优化分配中。通过大量实验验证,该算法在性能、时间复杂度等方面均有较大优势,并且能较好地适应战场态势的变化,及时调整分配方案,具有很好的实用性。     

基于SPSO的考虑指控节点受攻击的WTA问题优化方法

鉴于网络中心战中指挥所的重要性,根据实际作战原则,通过对传统武器目标分配(WTA)模型的分析,建立了考虑指控节点受攻击的武器目标分配(Weapon-Target Assignment with Vulnerable Command and Control Nodes,WTAVC2N)模型,并利用随机PSO算法对该模型进行仿真验证。仿真结果表明了利用随机PSO算法解决考虑指挥所被摧毁的武器目标分配问题的有效性及合理性。     

基于PSO-AFSA算法的典型集群目标瞄准点选择

利用粒子群算法快速的局部收敛性和人工鱼群的全局收敛性,提出了基于粒子群的人工鱼群混合优化算法,并用于求解常规导弹打击集群目标瞄准点选择优化问题。仿真结果表明:此算法在求解常规导弹打击集群目标瞄准点选择问题时,可以较少的迭代次数取得比较满意的瞄准点。     

舰艇编队防空最优火力分配问题的蚁群算法

为了对多目标进行合理的防空武器分配,首先分析了各种解决此问题算法的优缺点.然后以“编队不被目标突防的概率最大”为准则,结合蚁群算法的思想,建立了基于蚁群算法的火力分配问题求解模型,给出了算法的求解步骤和参数确定原则.最后通过实例进行仿真验证,并与多维动态规划方法做了比较,结果表明,基于蚁群算法思想的火力分配方法是有效的...     

一种通用型舰载防空硬武器火力优化算法?

针对当前武器优化分配算法缺少通用性，难以兼顾效率和时间的问题，提出了一种通用型舰载防空硬武器火力优化算法。该算法首先提取各舰载武器能够攻击的目标集合，然后对各武器的目标集合逐一进行时间分配，并计算对目标的毁伤概率，最终完成所有武器的分配。计算表明，该算法具有很好的通用性和实时性，可适用于较大规模舰载防空硬武器的火力优化分配问题。     

基于小生境蝙蝠算法的联合远程打击武器目标分配问题建模与求解

针对联合远程打击作战筹划中武器目标分配问题,使用数学建模与仿真分析相结合的方法,研究了联合远程精确打击武器目标分配基本原则,构建了武器目标分配问题的多目标优化数学模型;对目标函数和约束条件进行处理,将该模型转化为单目标优化问题;提出了一种结合小生境淘汰思想的改进蝙蝠算法,用来求解武器目标分配的近似最优解。实验分析表明:该算法能够有效改善蝙蝠算法的收敛特性,适用于联合远程打击作战武器目标分配问题的求解。     

基于改进NSGA-III算法的动态武器协同火力分配方法

针对防御场景下的动态武器协同火力分配问题,将其转化为多目标约束组合优化问题,在考虑资源约束、可行性约束的前提下,以我方损失最小、消耗资源最小为原则,对敌方目标造成最大的伤害.基于此,在NSGA-III算法的基础上提出基于A-NSGA-GKM算法的动态武器协同火力分配方法,通过遗传K均值聚类算法对初始参考点进行自动分组聚类,用聚类中心代替原参考点,引入基于惩罚的边界相交聚合函数代替原垂直距离,进一步提升原始算法的收敛性能,引入自适应机制保证优秀的解结构.最后,通过实验仿真表明所提优化算法具有较高的收敛性,该方法能够有效地解决动态武器协同火力分配优化问题.     

模糊优化理论的武器-目标分配模型及求解算法

武器-目标分配问题是一个典型的NP完全问题,随着武器和目标数量的增多,以及分配结果评价标准多样性的存在,传统的优化求解算法如隐枚举法、割平面法、分支定界法等很难进行有效地求解。介绍一种基于模糊优选技术的多目标混合优化理论,运用该理论建立了多个指标下的最佳武器-目标分配模型,并将蚁群算法应用于对模型的求解,为解决复杂的武器-目标分配问题提供了一种有效方法。     

贪心遗传算法解决一般武器-目标分配问题

一般武器-目标分配问题,是使武器发挥最大效能而使目标遭受最大毁伤的最优化问题.遗传算法广泛用于解决最优化问题.提出一种具有贪心优化机制的局部搜索方法,以提高遗传算法的搜索效率,从而迅速找到全局最优解.应用于炮兵武器-目标分配问题的仿真试验结果表明,此算法比现有的其他搜寻算法具有更好的求解效率.     

动态武器目标分配问题的马尔可夫性

动态武器目标分配(weapon target assignment,WTA)问题是军事运筹学研究的重要理论问题,也是作战指挥决策中迫切需要解决的现实问题。在对动态WTA问题进行描述分析的基础上,运用随机过程理论证明了动态WTA过程的马尔可夫性;给出了该马尔可夫决策过程的状态转移概率的解析表达式,并对其状态特点进行了简要分析。研究结果可以为动态WTA及相关问题的研究提供理论和方法依据。     

基于效费比的武器目标分配

有效武器目标分配(WTA)是防空阵地的核心。分析了目标毁伤收益、武器损伤关键战术指标因素,提出基于效费比的WTA评价标准,建立了针对多目标的WTA模型,并研究了用遗传算法求解模型的方法。该遗传算法通过设计一种武器目标分配的染色体编码,利用最优保存策略选择运算、均匀交叉运算、非均匀变异运算来求解。仿真结果验证了模型的合理性和算法的有效性。     

一种改进的量子粒子群算法

量子粒子群算法是将量子计算与粒子群算法相结合的一种新的优化方法。首先利用相位角进行实数编码，将动态量子旋转门引入到粒子群算法中，采用自适应变异，提出了一种改进的量子粒子群算法。然后运用Pe-nalized函数和Ackley函数测试了该算法的性能。最后将该算法应用到武器目标分配模型中，获得了最优的分配方案。仿真研究表明，该算法具有收敛速度快、搜索能力强和稳定性高的特点。     

粒子群算法的弹道参数辨识方法

提出一种基于粒子群算法的航空武器气动参数辨识算法,该算法采用粒子群算法计算航空武器气动参数分段函数的分段边界点马赫数值,在此基础上采用实数编码遗传算法计算分段函数的多项式系数.采用该算法进行某型炸弹阻力系数辨识计算,计算结果表明:该算法可行,且计算的阻力系数精度高.计算结果已成功应用于某型航电火控系统的设计中.     

武器-目标分配问题的贪心模拟退火算法

针对已有算法解决WTA问题时存在的缺点,提出将贪心机制应用于模拟退火算法解决该问题的思路,即贪心模拟退火算法;通过合理设置模拟退火算法中冷却进度表的各项参数,提高最优解的质量和求解效率。通过在计算机上仿真运行多个战例取得了良好的分配效果,结果表明该算法运算速度较快,结果精度较高,可为作战指挥自动化决策提供科学、有效的支持。     

基于改进人工鱼群算法的WNN优化设计

针对人工鱼群算法优化设计小波神经网络(WNN)的缺陷,引入了视野范围与步长的自调整策略,以提高搜索效率和收敛速度。改进后的人工鱼群算法可在WNN的搜索空间中同时确定参数初始值和隐节点数。仿真实例验证了其有效性。     

空陆攻防博弈的动态武器目标分配

大规模作战具有高动态、非完全信息和不确定性，在分析归纳目前解决动态武器目标分配问题的一系列方法的基础上，尝试构建基于双方动态博弈的攻防对抗综合数学模型，并利用纳什均衡和帕累托最优算法进行分阶段求解。结果表明，该数学模型和博弈论方法结合能够有效解决武器目标动态分配问题。     

基于马尔柯夫过程的武器系统目标分配问题决策分析

将防空作战中武器系统目标分配决策作为一个在动态随机系统中实现最优化的问题,并用马尔柯夫过程理论进行建模分析,提出新的算法并运用Matlab编程;通过对实行不同策略时武器系统长期平均效能的分析比较,指出在目标分配问题上仅靠原有的静态线性规划决策方法是不够的,还必须考虑动态随机对抗过程本身的特性.