舰空导弹武器系统多弹混配的火力分配技术研究

为了解决不同防空导弹混配时的火力分配问题,在综合考虑导弹性能特点的差异以及充分发挥作战效能的前提下,建立了混配防空导弹的火力分配模型.通过基于2种舰空导弹的混合配置而建立起的攻防态势想定,对几种不同火力分配方式的作战效能进行了比较,结果表明多弹混配的火力分配模型在提高作战效能方面具有显著优越性.     

联合火力打击空军目标分配模型研究

目标分配是制定联合火力打击作战计划的首要问题。建立联合火力打击目标分配模型的前提是要有全军统一的毁伤标准和武器毁伤能力指标。利用效能指数和数学规划分四个步骤建立了联合火力打击中空军目标分配的模型和算法,为软件实现联合火力打击目标分配提供了理论基础。     

基于改进遗传算法的反舰导弹火力分配研究

反舰导弹是打击敌水面舰船的主要手段,多武器平台打击水面多目标时,如何合理分配导弹,使其充分发挥作战效能,构成反舰导弹的火力分配问题。建立反舰导弹火力分配模型,并提出一种基于改进遗传算法的导弹火力分配求解算法,在算法中采用十进制编码策略、适应度比例选择法和自适应变异概率。通过结合实例进行验证,证明了改进遗传算法可以有效快速地找到最优火力分配方案,为舰艇作战指挥决策提供参考。     

车载反坦克导弹火力分配优化模型

在车载反坦克导弹指挥控制系统软件设计过程中,火力分配模型在车载反坦克导弹射击中具有极其重要的地位作用,而传统反坦克导弹射击主要是根据攻击区进行划分,并未涉及火力分配问题,这将直接影响车载反坦克导弹作战效能的发挥.而AHP层次分析法是解决火力分配问题的有效模型,根据车载反坦克导弹的作战运用特点,并结合AHP层次分析法理论,建立了反坦克导弹火力分配的优化模型.通过对模型的求解,证明该算法对于某型车载反坦克导弹作战单元火力分配问题切实有效.     

基于指标体系的火力分配模型研究

火力分配是现代作战中的关键问题,如何有效地进行火力分配对高效发挥火力、提高作战效能、争取作战的主动权具有重大意义。根据评价指标筛选原则,建立了一个反映目标价值的多层次评价指标体系,提出了火力分配的GEM-AHP计算模型。实例研究表明,该模型对多指标决策的火力分配问题具有很好的适用性。     

坦克目标分配建模与分析

科学地分配火力是正确地动用火力的基础,是完成作战任务的前提,火力分配的依据包括作战意图和任务、地形、目标情况、各火力单元的情况及友邻情况等.为了提高火力分配方案的科学合理性,有效组织和使用所属火力,使用遗传算法解决目标分配问题,最大限度地发挥了武器火力单位效能并达到最大毁伤.火力分配要以战法为指导,真正体现指挥员的作战意图,对于充分发扬火力和提高整体作战能力具有重要指导意义     

防空火力分配问题的蚂蚁算法模型

在对空防御作战中,对多目标的火力分配是有效组织防空作战,提高防空效率,提高己方生存能力的有效途径.对蚂蚁算法原理和火力分配问题进行介绍的基础上,采用蚂蚁算法,建立了基于蚂蚁算法的火力分配模型,并进行了仿真.同时,采用蒙特卡罗法和遗传算法进行了计算,并和蚂蚁算法所得的结果进行了比较,计算结果表明蚂蚁算法能较好地解决防空火力分配问题.     

末段高低两层协同反导火力分配模型研究

火力分配是末段高低两层反导作战的重要环节,分配方案的优劣、分配效率的高低将对反导作战效能产生重要影响。在深入分析末段协同反导作战基础上,提出了火力分配原则,并建立了末段协同反导作战火力分配模型。引入惩罚函数简化模型,并采用MPDE算法对模型进行求解。通过仿真分析,验证了模型的合理性和算法的有效性,并得出末段协同反导火力分配一般规律。     

超视距多目标攻击排序及火力分配建模与解算

针对未来超视距空战条件下的多目标攻击排序和制导武器火力分配问题,提出了一种用以评估超视距空战作战效能的综合优势指数法;当目标数多于攻击机数时,通过构造综合优势矩阵,将非平衡指派问题转化为平衡指派问题,并建立了多目标攻击排序的0-1规划模型,该模型可解决对多个目标同时攻击的排序问题;以2对8攻击排序为例,利用求解线性规划软件Lindo6.0进行解算。最后,建立了1对4攻击火力分配的非线性规划模型,并利用求解非线性规划软件Lingo5.0进行解算。计算结果验证了建模的合理性和运用Lindo、Lingo软件求解较大规模目标攻击排序和火力分配问题的实时性。     

武器目标协同火力分配建模及算法

针对当前火力分配模型的不足以及实际作战的需求,对武器目标协同火力分配问题进行了研究,建立了火力分配层次结构;通过对火力分配原则的研究,结合打击目标选择和弹目分配,建立了以导弹武器作战效费比为总目标,以目标毁伤要求为约束的火力分配模型。采用遗传算法求解火力分配问题,根据问题的特点和问题中的启发信息,对遗传算法进行了改进。仿真结果表明,改进算法的性能有较大提高,可用于解决复杂武器目标分配这类非线性整数规划问题。     

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.     

基于不完全信息空战的火力分配建模与应用

为了解决不完全信息空战中的火力分配问题,分析了常规空战火力分配模型,指出了其中的不足,建立了一种改进的火力分配模型。针对不完全信息空战特点,给出了其中关键参数的确定方法。该改进模型可有效利用战机在不完全信息条件下容易获取的有限参数进行火力分配,具有很强的实用性。最后通过典型应用实例验证了模型的有效性。     

基于辅助决策系统舰炮防空火力分配模型

从系统工程的角度出发,把舰炮武器系统防空火力分配问题放在舰艇综合防空体系中来系统讨论。针对舰艇防空作战指挥辅助决策系统对火力分配模型的需求,结合舰炮武器系统的性能特点,建立了面向辅助决策系统的舰炮武器系统防空火力分配模型。最后用仿真检验的方法对模型的正确性进行了验证。     

火力分配多目标优化的IBACO算法

应用蚁群优化算法(Ant Colony Optimization)求解多目标优化问题已经引起广泛关注,多目标火力分配问题的目标是求出一个合适的武器目标分配方案,使满足决策需要。建立了多目标火力分配的数学模型,提出一种基于指标的蚁群优化算法Indicator-Based Ant Colony Optimization),给出了算法的具体步骤。IBACO的核心思想是利用二元性能指标来引导人工蚂蚁进行搜索,由于该算法中的信息素是根据指标的值来更新的,通过奖励信息素可以强化最优解。仿真实验证明了该算法的有效性,在解决火力分配问题上,所提算法和蚁群优化算法相比具有较好的收敛性。     

基于NSGA-Ⅱ的WTA多目标优化(英文)

将多目标遗传算法NSGA-(改进的非支配排序遗传算法)应用于求解武器-目标分配(WTA)问题。首先,针对以往在建立防空型WTA问题的优化模型上的片面性,把WTA问题看做多目标优化问题,建立了综合考虑作战效能和防御效能的WTA双目标优化模型。然后在此基础上,研究和应用了NSGA-来求解WTA问题。最后由仿真算例验证了NSGA-在WTA问题中的应用可行性,表明了NSGA-可以快速地搜索到WTA多目标优化的Pareto最优解集,从而为求解WTA问题提供了一条有效途径。     

基于正交实验设计的UAV编队配系优化方法

针对多无人机执行对地攻击作战任务的背景,建立了编队对地攻击模型,提出了基于正交实验设计的编队配系优化方法。在考虑多机协同作战因素下,构建了编队目标分配的基本模型;以探测、识别和杀伤为基本过程,构建了攻击过程模型;以空袭方付出代价、防空方毁伤程度和作战效率为依据,构建了目标函数模型,分析了模型中中间变量与目标函数之间的关系;利用正交实验设计原理,研究了编队配系优劣的评价方法。实例分析表明,该方法能够在已有的资源约束条件下,给出编队的最优配系方案。     

一种武器-目标分配模型及求解算法

武器-目标分配是拟制作战计划的一项重要内容,是合理运用现有武器系统,充分发挥其作战效能的关键.依据火力分配的基本要素,针对多种武器对多个目标的分配问题,运用一种基于模糊优选技术的多目标混合优化理论,建立了武器-目标最佳分配模型,然后用遗传算法来求解,并在计算机条件下对求解的效果进行了检验.     

多层弹道导弹防御体系火力分配优化研究

对多层弹道导弹防御体系火力分配问题进行了研究。首先对多层弹道导弹防御体系火力分配问题进行了描述,在此基础上建立了基于最大化资源剩余价值目标函数的多层弹道导弹防御体系火力分配模型,分析了求解该模型的难点,提出了基于文化基因的多层弹道导弹防御体系火力分配问题文化基因求解算法,最后应用实例验证了模型的有效性,并对算法进行了对比分析。试验结果证明,合理制定多层弹道导弹防御体系火力分配方案,对于提升防御效能具有重要意义。     

坦克会战中动态武器—目标分配问题求解方法

动态武器-目标分配(DWTA)是坦克会战中取得战斗胜利的关键.建立了坦克战中DWTA模型,并提出了它的一种简单求解方法.实验结果表明求解方法是有效的.     

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。