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。     

舰艇编队作战系统的武器目标分配问题

设我方m艘战舰,对方n个来袭目标.运用灰色局势决策求得目标对各个战舰产生的威胁值排序;再用模拟退火算法,参考目标威胁,单舰根据自身装载的火力发射进行初步武器分配;最后将分配结果传送至融合中心,应用大系统理论的分解协调法,协调武器分配,使得我方武器对本批目标的打击概率最大.仿真基于VC++编程实现,具体分析了算法及思想的可行性.     

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。     

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。     

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。     

基于效果的舰载软硬武器近卫火力分配研究

针对水面舰艇利用软硬杀伤武器抗击近区目标作战使用问题,提出基于毁伤失能和据止等作战效果的软硬武器使用火力决策方法,建立水面舰艇近卫作战软硬武器火力分配模型,通过实例建立模型,并将建立的非线性模型转化成利用匈牙利算法进行解算的指派问题进行模型解算,研究的方法和结果对水面舰艇近卫作战火力分配决策方案的制定具有一定的指导意义。     

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。     

基于改进人工免疫算法的火力分配

随着现代武器杀伤力的极大提高,任何来袭目标的突防都可能造成极大的破坏,这对传统的火力分配提出了挑战。提出一种新的火力集中原则,在满足对来袭目标一定杀伤的前提下,适当转移火力,实现火力总的集中,据此建立了火力分配优化模型。通过改进人工免疫算法的抗体群,提高模型的求解速度,缩短方案的寻优时间。通过实例进行仿真,结果表明,基于改进人工免疫算法能较快速实现火力分配,算法具有一定的可行性。     

传感器/武器——目标分配问题的两种规划模型及求解

通过分析现代火力打击作战中传感器——目标分配与武器——目标分配间的相互关系,在武器——目标分配问题基础上提出了传感器/武器——目标分配问题.依据目标被毁伤概率的两种计算方法,给出了该问题的两种规划模型,在武器目标分配时一种模型考虑所有可能被截获的目标,而另一种模型则只考虑被传感器截获的期望目标集合.根据模型特点在应用遗传算法对问题进行求解时,设计了异体交换算子和段内交换算子等两种新的遗传操作算子.最后通过仿真算例对两种模型进行了验证.     

基于Epsilon-Nash策略的动态武器-目标分配方法

在大型任务规划软件的作战单元任务分配中,搜索零和博弈问题的纳什均衡点是求解任务分配的一种有效的方法。然而,纳什均衡点在决策中并不一定总是存在且唯一,这造成了纳什均衡策略在实际使用时具有较大的局限。通过采用Epsilon-Nash策略克服这种局限,并将其应用于自主空战任务规划系统中,通过仿真实验,证实Epsilon-Nash策略具有近似于纳什策略的效果。     

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。     

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。     

C~3I 系统中基于多目标决策理论的对空攻击任务分配决策问题研究

根据多目标决策理论,从系统的角度出发,提出了防御权系数问题,并在此基础上研究对空攻击任务的分配策略,给出了效度最大攻击任务分配策略和重点防护目标优先攻击任务分配策略,并引入攻击强度阀值概念,对这两种分配策略进行了改进,最后给出了具体算法。     

有人机—无人机群协同空战目标分配算法

针对有人机—无人机群协同空战目标分配问题,运用离散粒子群算法,分为1架UCAV分配1个目标,1架UCAV分配2个目标时不考虑攻击先后影响和考虑攻击先后影响3种情况进行了仿真研究,提出了一种新的粒子构造方法。综合考虑空战能力指数和优势函数,构造了收益风险矩阵和多目标分配的代价函数。仿真结果具有良好收敛性,对有人机—无人机群协同空战目标分配具有参考价值。     

多枚反舰导弹协同攻击在线目标分配

针对反舰导弹群协同打击在线目标分配问题，在多枚导弹区域覆盖攻击的基础上，建立多枚导弹在线目标分配模型，通过导弹与导弹之间的即时数据交互能力实现多弹协同攻击在线目标分配。     

航空兵编队空战决策模型研究

针对航空兵编队空战决策问题,从单机和编队两个层次上建立了编队威胁评估模型;并在此基础上建立了编队目标分配、攻击排序及火力分配模型;以5对8编队空战为例进行了仿真计算,计算结果表明,该模型能较好的解决多机种编队空战的战术决策问题。     

基于区间数的DS证据合成方法研究

在DS证据理论的应用过程中,命题的基本概率赋值函数起到了关键的作用,传统DS证据理论中基本概率赋值函数的取值为[0,1]中的单点值.在很难准确将证据所支持命题的基本概率赋值表示为[0,1]之间的单点值时,可以用区间数形式来表示命题的基本概率赋值.在建立符合运算封闭性的区间数广义求和与广义乘积算子的基础上,定义了基于区间数的基本概率赋值函数、信任函数以及似然函数等重要概念,给出了证据合成规则,进而提出了基于区间数的DS证据合成方法.计算实例表明,与传统DS证据合成方法相比,基于区间数的DS证据合成方法具有更灵活的应用特性和更小的计算复杂度.     

基于改进粒子群算法的联合火力打击目标分配研究

针对联合火力打击目标分配涉及影响因素多、存在大量参数和变量的特点，建立了联合火力打击目标分配模型，采用改进的粒子群算法探讨了目标最优化分配问题。对粒子群算法中解空间存在的可能解进行编码，将可能解进行交叉、变异和选择操作得到新的粒子个体，不断迭代，从而得到可行的最优解。通过对一个作战想定的多次仿真，进一步表明了算法的可行性和有效性，为指挥员科学决策提供了依据。     

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.