基于GA-PSO的目标分配问题研究

防空作战中的目标分配问题属于NP完全问题,在综合考虑火力单元作战效能和防御效能的基础上,引入火力单元综合有利度,建立了一种用于大规模多火力单元对抗多轮次目标的静态目标分配模型,给出了基于GA因子的改进PSO算法,并将算法应用于目标分配模型的求解,通过VC 6.0编程和计算机仿真验证了模型的可行性和算法的有效性.     

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。     

基于最小资源损耗的武器目标动态分配

传统的以联合毁伤概率最大或被打击目标总期望生存值最小作为武器目标分配函数容易造成武器过饱和攻击,导致资源浪费。针对该问题,将对来袭目标的毁伤概率作为约束条件,以资源损耗最小为优化目标建立模型,并设计了动态变化的武器弹药资源量化描述。在武器目标动态分配过程中,针对时空约束对分配的影响,设计了基于资源损耗最小的武器目标动态分配算法。仿真结果表明:该算法在对时空约束和随机事件的处理时,操作简单、易于编程实现。     

机载制导武器的武器-目标分配算法研究

机载制导武器的武器-目标分配算法是智能航空指控系统的一个基础研究问题。本文在建立了武器-目标分配的基本概念和对算法要求的基础上,提出了两种武器-目标分配算法;基于决策论的武器-目标分配算法和基于导弹截获区的武器-目标分配算法,并对基于导弹截获区的武器-目标分配算法进行了仿真实验。结果表明,此算法具有高透明性、有限消除最大威肋、杀伤概率最大、充分利用机载武器等特点。     

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。     

改进遗传算法在防空武器目标分配中的应用研究

针对传统方法在防空武器目标分配时仅考虑双方态势优势的问题，建立了基于综合射击优势和目标威胁度的武器目标分配数学模型，并使用改进遗传算法对该模型进行了求解。该算法相比传统遗传算法主要进行了以下改进：采用排队选择和轮盘赌选择结合的选择方法，采用子代个体部分替换或不替换双亲的方法，采用了自适应变异概率等。并在Matlab环境下进行了仿真，且和传统算法进行了对比，仿真结果证明该算法改进合理，对地面防空火力分配决策研究具有一定的参考价值。     

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。     

多无人机协同攻击目标决策

论文针对多架无人机相互协作攻击多个敌对目标的武器目标分配决策问题进行了研究。利用层次分析法（AHP）和灰色关联分析法评估了威胁指标的权重,针对协同攻击空战模型中受威胁大的无人机无需参与攻击,而采用机动躲避策略的特定情况提出了一种启发式遗传模拟退火（HGASA）求解算法,实现了武器目标攻击决策的求解。仿真实验表明,本文提出的HGASA算法对决策方案的求解速度和求解质量与现有的遗传算法(GA)、模拟退火算法(SA)等算法相比均有明显提高。     

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。     

解坦克分队武器-目标分配问题的小生境遗传算法

为快速求解坦克分队武器-目标分配（Weapon-Target Assignment,WTA）模型,对基本遗传算法的关键步骤进行改进,设计了独特的基于火力单元排序的战术种群初始化策略,引入小生境共享函数和参数自适应机制,完成了基于小生境自适应改进遗传算法的设计与实现。最后进行了仿真试验,试验结果表现出了良好的收敛效果。     

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。     

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。     

武器-目标分配(WTA)问题研究进展

对武器-目标分配(WTA)问题的研究现状与进展进行了总结与述评.介绍了WTA问题的概念、基本模型、数学性质以及WTA问题研究的基本内容.目前WTA问题的研究内容主要集中在模型研究与算法研究两个方面.模型研究以静态模型的研究为主,但动态模型的研究还不够深入;算法研究则主要采用智能算法对WTA问题进行求解.目前基本上已经解决了小规模的静态WTA问题,但尚未有效解决大规模的动态WTA问题.     

蚁群算法及其在火力分配问题中的应用

火力分配问题是指用一定数量的武器对一定数量的目标进行打击,如何根据武器性能和目标特性等一系列的因素,制定打击计划,使打击效果最好,满足打击需求,是我二炮部队火力运用专业的研究课题之一.火力分配问题是NP难题,经典的求解算法存在指数级的时间复杂度.采用蚁群优化算法,对该问题进行了研究.     

高炮群火力优化分配的指派模型

火力优化分配是高炮群指挥控制的关键环节。依据有严格理论证明和实用价值的指派问题及其解法(匈牙利法),构建了一对一射击和多对一射击情形下的高炮群火力优化分配的指派模型,探讨了该模型的求解,分析了该模型的实际应用,并通过具体实例对该模型进行了初步验证。该模型的解法被证明是多项式时间算法,满足作战实时性要求。实际应用表明该模型用于解决高炮群的火力分配问题是有效的。     

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。