求解武器目标分配问题的改进粒子群算法

在建立多种类型武器目标分配模型的基础上,提出了一种求解该模型的改进粒子群算法。首先,定义粒子聚焦距离变化率,使惯性权重依据聚焦距离变化率自适应调整;其次,采用速度最大值线性递减的策略平衡算法收敛精度与全局寻优能力之间的矛盾;最后,粒子替换策略使算法改善了因自适应惯性权重的引入而造成收敛速度变慢的问题。仿真结果表明,提出模型和算法合理有效,算法收敛快,适合求解各种种群规模的武器目标分配问题。     

改进MOPSO的联合火力打击目标分配

在舰载联合火力打击的武器-目标分配问题中,针对失败概率最小和使用武器最少原则,设计了一种改进的多目标粒子群优化算法(MOPSO)来进行分配的优化。将自适应变异方法用于更新外部档案集;随机挑选外部档案集内依据拥挤距离由大到小排在前5%的解当作全局最优值;通过利用改进的学习因子和惯性权重来更新粒子。仿真结果表明,设计的算法比带精英机制的非支配排序遗传算法(NSGA-Ⅱ)运行速度更快、求得的Pareto前沿解的精度更高,能有效地解决舰载联合火力打击目标分配问题。     

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。     

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。     

弹炮结合武器编队火力分配算法

针对弹炮结合武器编队防空的火力分配问题,根据防空导弹和高炮系统射击的不同特点,建立了弹炮结合武器编队的火力分配模型,该模型带有毁歼概率门限,充分考虑了导弹和高炮的杀伤区域和弹炮火力交接点,分配结果可使弹炮结合武器准确把握导弹发射和高炮射击的时机。在此基础上,提出了变异离散粒子群混合优化算法(VDPSO)求解编队防空作战火力分配,提高了算法收敛速度以及全局搜索能力。仿真结果验证了该模型的有效性。     

求解面向进攻的武器-目标分配问题的蚁群算法

面向进攻的武器-目标分配问题是军事运筹学研究中的重要课题,旨在制定合理的打击策略以最大程度摧毁敌方目标。采用一种融合局部搜索和信息素控制的蚁群算法,兼顾控制解的局部收敛速度和全局收敛质量。在解的构造过程中直接处理约束条件,提高生成解的可行性,并大大缩小了搜索空间,提高了算法效率。通过采用多种算法对不同规模的武器-目标分配问题进行实验,结果表明改进的蚁群算法在收敛速度和求解质量上表现优异。     

创造性思维粒子群优化的武器目标分配

现代战争特点为防空作战中武器目标分配(WTA)问题的求解效率和质量提出了新的需求和挑战.建立了WTA问题模型,并选择粒子群优化算法(PSO)求解模型.针对PSO算法在求解WTA模型中出现的早熟收敛特性,从认知心理学角度进行分析,将创造性思维(CT)引入PSO的速度更新公式中,提出了一种基于创造性思维的PSO算法CTPSO.针对WTA模型的离散性特点,设计了编码与解码策略,及位置和速度矢量的离散化运算规则.实验证明了CTPSO算法在WTA问题求解质量和求解效率方面的优越性.     

基于改进鲸鱼优化算法的武器目标分配

针对鲸鱼优化算法寻优搜索精度低、易早熟问题,提出一种改进的鲸鱼优化算法,并将其用于对多约束的武器目标分配模型的求解.在鲸鱼寻找猎物阶段,通过引入差分进化算法的变异策略改善鲸鱼位置更新方式,提高算法全局寻优能力;引入自适应变量调整鲸鱼位置更新过程,平衡算法的全局探索和局部寻优能力,并在迭代过程中筛选并保留优秀个体;通过仿真结果表明,改进算法与其他算法相比,提高了武器目标分配收益和分配速度.     

基于自适应变异粒子群算法的火力分配方法研究

针对最优火力分配的特点,分析了火力分配优化问题的数学模型,设计了一种求解该类问题的自适应变异粒子群算法（Adaptive Mutation Particle Swarm Optimization, AMPSO）。该算法采用十进制编码方法和基于数值运算的个体更新方法;为平衡算法的局部搜索能力和全局收敛性能,设计了一种关键参数自适应调整方法;为增强种群在进化后期的多样性,提出了一种变异策略。仿真结果表明,所提AMPSO算法具有良好的寻优性能,是优化火力分配的一种有效算法。     

基于改进粒子群算法的多机协同目标分配

针对多机协同空战目标分配的问题,提出了一种改进的粒子群算法,设计了新的粒子群位置和速度更新过程。充分利用粒子群算法的全局搜索能力以及利用贪婪策略的局部最优搜索能力进行混合搜索,显著地提高了搜索能力。仿真结果表明,改进的粒子群算法能够快速解决多机协同作战的目标分配问题,能够找到逼近全局最优点的解。     

基于混合粒子群的武器分配与规划方法研究

武器-目标分配是一个至今未能解决好的多约束规划问题,其复杂性包括模型和算法两方面,已被证明是一个NP完全问题。在对以往武器-目标分配模型分析的基础上,引入时间和制导资源约束构建新的模型,以防御武器系统生存概率最大作为目标函数,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,再利用一个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,求解精度高。     

面向动态毁伤概率和目标价值的武器目标分配方法

面向毁伤和目标价值动态变化条件下的大规模武器目标动态分配问题,提出了一种基于深度强化学习的武器目标分配求解方法。该方法采用双神经网络结构,基于武器目标分配目标函数设计了一套简单、直观的状态与奖励建模方法。通过仿真实验对所提方法进行了验证,结果表明,所提方法能够较快实现收敛,且整体毁伤和计算效率上优于基于粒子群的方法。所提方法能够有效应对毁伤概率和目标价值动态变化条件下的武器目标分配问题,说明了其良好的拓展性。该方法可应用于作战任务规划、仿真单元自动交火等场景下的武器目标分配快速求解。     

基于改进蜂群算法的雷达网目标分配方法

针对雷达网目标分配的问题,提出基于改进蜂群算法的雷达网目标分配方法,利用改进蜂群算法对目标函数进行寻优并确定目标分配方案。在该算法中,跟随蜂采用双向轮盘赌的方式选择引领蜂,有助于获得全局最优解,提高算法收敛速度。仿真结果表明,改进蜂群算法能够有效对雷达网目标分配问题进行优化求解,与基本蜂群算法相比,收敛速度快、全局寻优能力增强。在此基础上,发现改变算法参数会影响到雷达网目标分配方案,如何确定最优参数,将是下一步研究的方向。     

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.     

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。     

基于并列选择遗传算法的舰艇编队目标分配问题

为了更好地解决舰艇编队火力最优分配问题,建立了新的舰艇编队武器分配模型,采用并列选择遗传算法实现舰艇编队武器分配问题的求解。解决了以往将武器分配问题抽象为单目标优化的局限性,在保证尽可能发挥我方火力优势使打击效果尽可能好的前提下,使敌方对我方的威胁最小。并列选择遗传算法简单,鲁棒性好,具有较强的全局搜索能力,可以实现对多目标的搜索,从而较好地解决了舰艇编队武器分配问题。最后,通过仿真验证了算法的有效性。     

动态WTA问题的混沌人工鱼群算法

针对不同作战平台上多个武器单元对一批目标进行射击时的武器目标分配问题,建立了该问题的数学模型。采用混沌人工鱼群算法对动态条件下的武器目标分配问题进行求解,并设计一个实例进行仿真实验。仿真结果表明,在时间约束条件下该算法较遗传算法更具优越性,验证了混沌人工鱼群算法用于动态武器目标分配的有效性。     

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.     

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。