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。     

基于凸-改进遗传算法的圆阵列方向图联合优化

针对圆形阵列方向图具有较高旁瓣的问题,提出一种新的基于凸优化和改进遗传算法的优化方法。该方法首先采用遗传算法将阵元位置和阵元权值作为优化变量,以最小化波束方向图峰值旁瓣为目标函数进行联合优化,既增加了变量的自由度,又符合理论意义上的全局寻优;同时,为了避免算法的早熟收敛,对基本遗传算法进行了必要的改进。然后采用凸优化方法对阵元权值进行二次优化可进一步降低旁瓣电平,与传统方法相比能够明显提高优化效果的稳定性。仿真数据证实了该方法的有效性和正确性。     

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.     

基于改进自适应遗传算法的阵列优化

提出了一种改进的自适应遗传算法,对约束了阵列孔径、阵元数目和最小阵元间距的非均匀稀布阵列进行优化布阵。该算法采用实值编码,改进了适应度函数,避免了不可行解的产生。同时选取新的选择算子和改进的双重最佳保留策略,对传统自适应遗传算法的交叉、变异概率进行了动态改进。仿真结果表明,该方法能较好地抑制"早熟",增加了获取全局最优解的概率,获得了更低的峰值旁瓣电平。     

基于改进二维熵-量子遗传算法的图像多阈值变化检测方法

针对二维熵法阈值分割中精度和时间性能较差的问题,提出了基于改进二维熵-量子遗传算法的多阈值图像分割方法。定义了二维阈值量子染色体的编码方式,解决了传统遗传算法优化二维最大指数熵阈值过程中速度慢、多样性小的缺点;在产生阈值解时,提出了半随机策略来代替传统的完全随机策略,加快寻优速度;改进了量子门旋转角度方式,提出了一种新的自适应旋转角度的方法,提高了算法的精度和收敛速度。并进行了分割实验和SAR图像变化检测实验。结果表明:该方法比基于一维熵的图像分割算法具有更高的抗噪性;其寻优速度较完全随机产生阈值解的量子遗传算法提高了3倍～5倍;避免了算法发散或过早收敛。与其他基于阈值分割的变化检测算法相比,性能更好。     

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。     

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。     

分布式遗传模拟退火算法的火力打击目标分配优化

根据火力打击规则,建立了多目标函数的目标分配模型,提出了分布式遗传模拟退火算法对模型进行求解。分布式遗传模拟退火算法基于经典遗传算法进行改进:将单目标串行搜索方式变成多目标分布式搜索方式,适用于多目标寻优问题求解;采用保留最优个体和轮盘赌相结合的方式进行个体选择,在交叉算子中引入模拟退火算法,使用自适应变异概率,较好地保持算法广度和深度搜索平衡。最后,通过仿真实验验证了算法的有效性和可靠性。     

神经网络在某交流伺服系统建模中的应用

针对某交流伺服系统的模型辨识问题,提出了基于遗传算法优化的BP神经网络的辨识方法.BP神经网络在非线性系统的辨识中已得到了广泛的使用,但是其存在易陷入局部极小值和对网络结构初值要求高等缺点.根据遗传算法具有全局寻优的特点,先用遗传算法优化得到神经网络权值和阈值的初值,再由BP算法进行局部寻优.辨识结果表明,该算法辨识精度高、收敛速度快.     

求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。     

侵彻子母弹封锁机场跑道最小升降窗口搜索算法研究

针对侵彻子母弹封锁机场跑道中判断是否存在最小升降窗口的"两点比较"算法,提出更为符合实际毁伤情况的"网格-矩阵"算法。采用随机分布的数学模型和计算机仿真模型,利用Monte Carlo法模拟侵彻子母弹子弹的落点。最后在Matlab7.0环境下对两种算法进行了仿真试验和对比分析,提出两种算法在火力辅助决策中的使用建议。     

基于A~*算法的虚拟士兵城市作战路径规划

针对虚拟士兵在城市作战仿真领域的需求,重点研究了虚拟士兵在城市环境中路径规划问题。通过对三维城市虚拟环境空间进行分层信息处理,生成虚拟士兵能够感知的虚拟信息层。用A*算法求出虚拟士兵从初始位置到达目标位置的最佳路径,并给出算法的具体设计与实现。     

有限声速的纯方位算法

针对纯方位条件下对等速直航目标观测的算法问题,将目标运动要素及平均声速作为待估计参数,给出了计算非线性最小二乘法目标函数梯度与Hessian矩阵的解析公式,基于这些公式,可以构造估计目标运动要素的一些算法及编程实现。部分数值实验表明,信赖域算法、Levenberg-Marquardt算法与Matlab用于解非线性最小二乘问题的函数lsqnonlin的计算精度基本一致。     

分布式算术及其在FPGA中的实现

介绍了分布式算术的原理以及它在基于LUT的FPGA器件上的实现 ,比较了串行分布式算术和并行分布式算术在面积开销和性能方面的差异。     

基于代理群的军事自组网拓扑搜索算法

分析现有网络管理模式的基础上,针对军事移动自组网的特点,提出了一种基于动态代理群的网络管理模式,并实现了动态代理群网络管理模式的网络拓扑结构搜索算法,最后对该拓扑搜索算法的有效性、正确性及复杂度进行分析论证.实验证明该算法可以很好地解决节点频繁移动带来的需要实时反映网络拓扑结构的问题.     

基于改进SLP的军事物流基地设施平面布局研究

由于传统SLP方法的不足,在解决设施较多的军事物流基地布局问题上面临较大困难。为解决此问题,提出了改进SLP方法,以军事物流基地设施间综合相互关系为基础,构建平面布局模型,并确定目标函数和主要约束条件。随后对模型的求解进行遗传算法设计,并运用Matlab编程实现模型的求解,从而得出平面布局的最优解。最后以最优解为基础,结合限制条件进行修正,完成军事物流基地设施平面布局设计。     

基于动态规划的猎雷具识别路径优化算法

路径长度、海流方向给猎雷具航渡、操控带来的时间消耗,是影响目标识别效率的主要因素。单纯运用动态规划算法只能解决猎雷具最短识别路径的问题,而无法顾全猎雷具在操控方面的时间损耗,从而在提升作战效率上得不偿失。本文基于动态规划算法,优化了识别路径的解算模型,并在模型解算前,提出了目标位置的预处理条件,简化了模型的解算步骤;在模型解算后,提出了识别路径的修正方法,完善了模型的解算结果。     

对抗仿真中防空导弹微分对策模型研究

针对防空导弹与目标的空间对抗,建立了防空导弹微分对策空间对抗模型,并推算得到了最优策略,运用自适应神经网络评判方法对模型进行求解,通过给定条件下的仿真证明了该算法的有效性,显示了该模型可应用于防空导弹与目标的空间对抗问题。     

二进制无线传感器网络目标定位解析算法初步研究

针对二进制传感器网络目标定位跟踪问题,提出一种利用传感器位置信息和目标穿过传感器探测区域的时间信息进行解算的解析算法,并对该算法进行了仿真验证。仿真结果表明,相对于目前最常用的线性拟和算法,该算法具有对目标经过的传感器数量要求低、解算精度高等优点。     

基于改进量子遗传算法的有源噪声控制方法

提出了一种基于改进量子遗传算法的格型IIR滤波器结构的有源噪声控制方法——改进的量子遗传算法(IQGA)。其核心是在对量子门更新过程进行改进的基础上,引入群体灾变和自适应搜索网格的策略。IQGA不仅收敛速度快,还可以改变基本遗传算法(GA)的局部搜索能力,克服基本遗传算法存在的未成熟收敛问题。仿真结果表明,该算法可以有效地实现噪声控制。