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.     

改进的微分进化算法求解空战火力分配问题

为了提高空战火力分配问题的求解性能,提出了一种新的基于微分进化算法的求解方法.首先介绍了基本微分进化算法求解火力分配问题的思路;然后指出了基本微分进化算法存在的不足,并进行了必要的改进;接着给出了改进的微分进化算法求解空战火力分配问题的一般流程;最后进行了遗传算法、基本微分进化算法对比测试,结果表明改进的微分进化算法对于求解空战火力分配问题更加有效.     

基于量子免疫遗传算法的火力分配优化问题

针对传统方法在解决火力分配优化问题时存在迭代次数多、收敛速度慢、易陷入局部极值等不足,将免疫遗传算法中的免疫克隆、免疫记忆、免疫平衡机制引入到量子遗传算法中,利用求解问题的先验知识和局部最优解信息来改善和优化量子遗传算法的性能,提高了算法的收敛精度、收敛速度和稳定性。在分析问题背景和算法实现过程的基础上,通过实例仿真,模拟了不同容量的抗体记忆库对算法性能的影响,对比了普通遗传算法、量子遗传算法、免疫遗传算法以及文中所提及的量子免疫遗传算法在解决火力分配优化问题上的不同优化效果,结果表明:该方法在解决火力分配问题时,可以有效克服早熟现象,具有收敛速度较快、稳定性较好的特性。     

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.     

遗传算法及其在导弹火力分配上的应用

遗传算法是一种近年来新发展起来的优化算法,目前它已被广泛应用于解决许多实际问题,如函数优化、图像识别、机器学习、人工神经网络、人工生命、优化调度等许多领域。通过对一种遗传算法的研究,阐述其在导弹武器火力分配上的应用。首先设计和实现了一种遗传算法;然后描述了导弹火力分配优化问题,建立了其数学模型;最后运用遗传算法求解了该问题。     

基于匈牙利算法求解的火力分配问题

匈牙利算法是求解指派问题的一个很好的算法,但一般情况下,火力分配问题的数学模型不具备指派问题的模型形式.针对目标函数是线性或非线性的一类火力分配问题,提出了虚拟火力单位或目标的方法,将问题转化为能够用匈牙利算法求解的指派问题,该方法简单、易于计算,有很高的应用价值.     

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。     

基于量子遗传算法的火力分配

在使用遗传算法求解多目标的防空火力问题中,遗传算法的参数选择直接影响分配结果好坏,且分配结果差异性大。针对这种问题,根据防空火力和空中目标的特点建立相应的数学模型,结合量子遗传算法来解决多目标火力分配难题。数据仿真结果表明,量子遗传算法在解决多目标火力分配问题中有较强的可行性和有效性,火力分配结果与遗传算法相比在最优解与稳定性上均有所提升。     

遗传算法在导弹火力分配中的应用

遗传算法(genetic algorithms)是一种借鉴生物界和自然遗传机制的随机、高度并行、自适应搜索算法.由于该算法简单易实现,可调参数少,目前已经得到广泛研究和应用.详细介绍了一种遗传算法,将其应用于火力分配优化模型的求解,通过算例比较,证明遗传算法更能有效快速地找到最优火力分配方案.