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。     

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.     

基于蚁群算法的防空C3I系统火力分配模型研究

针对当前火力分配问题实现难度大的特点,分析各种火力分配优化方法的优缺点,运用新型蚁群算法尝试解决WTA问题。建立了基于蚁群算法的火力分配优化模型,描述了解火力分配问题的一般步骤,通过实例给出了算法,解决了WTA问题。并与匈牙利法相比较,结果表明该方法的合理性和有效性,特别是在武器—目标数较大时,其效率要高于常用的匈牙利法。     

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.     

基于蚁群算法的火力分配寻优方法研究

火力分配的优化是最大限度的发挥火力单位效能,达到最大毁伤效果的基础和前提,将蚁群算法应用于火力分配的优化.研究了蚁群算法用于火力分配寻优的相关条件,给出了火力分配寻优的模型和算法.最后,结合一个应用实例,说明了蚁群算法用于解决火力分配问题有很好的应用价值.     

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.     

多层弹道导弹防御体系火力分配优化研究

对多层弹道导弹防御体系火力分配问题进行了研究。首先对多层弹道导弹防御体系火力分配问题进行了描述,在此基础上建立了基于最大化资源剩余价值目标函数的多层弹道导弹防御体系火力分配模型,分析了求解该模型的难点,提出了基于文化基因的多层弹道导弹防御体系火力分配问题文化基因求解算法,最后应用实例验证了模型的有效性,并对算法进行了对比分析。试验结果证明,合理制定多层弹道导弹防御体系火力分配方案,对于提升防御效能具有重要意义。     

自适应蚁群算法的多机协同空战目标分配方法

对目标超视距空战将是今后空战的主要形式和发展趋势,多机协同多目标攻击中的关键问题是空战决策.首先建立了空战态势评估方法,结合蚁群算法思想,提出了一种新型的目标分配算法模型,并进行了算法实验.实验结果表明基于自适应蚁群算法解决多机协同空战的目标分配问题是有效的,特别是问题规模较大时更显示出其较快的收敛速度和较高的精度.     

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.     

基于改进果蝇优化算法的混合火力分配方法

基于弹药组合使用的混合火力分配是联合火力打击筹划工作的目标之一。针对这个问题,建立了混合火力分配的数学模型,提出了一种基于改进的果蝇优化算法的求解方法。改进的果蝇优化算法利用分类演化、步长因子得到新的种群个体。通过仿真实例验证了果蝇优化算法的可行性和有效性。