基于改进的PSO算法解决雷达网布站优化问题

雷达网布站优化是电子对抗仿真的重要组成部分,雷达网布站是否合理直接影响雷达网作战效能.而常规优化算法相对复杂,易陷于局部最优解.针对这一问题,提出适用于解决雷达网布站优化问题的改进粒子群优化算法,并且将所提出的算法与遗传算法进行了比较.仿真结果表明,与遗传算法相比,在相同的条件下,改进粒子群优化算法具有精度较高且不易陷入局部最优解的优点,较好地解决了静态条件下雷达网布站优化问题.     

掩护突防中雷达干扰无人机最优配置方法

雷达干扰无人机在掩护空中编队突防的过程中,不同的干扰波束指向和空间配置会使得雷达网的探测性能发生变化。在分析无人机噪声干扰条件下雷达网探测概率模型的基础上,提出了以雷达网探测概率为目标函数的无人机空间配置与功率分配优化模型,给出了利用粒子群算法求解该优化问题的实现方案,最后通过仿真试验,验证了该方法的合理性。     

雷达干扰资源一对多分配方法

在对雷达干扰资源分配的一般优化模型和求解算法进行分析的基础上,从提高资源利用效率的角度出发,提出了目标雷达分群思想,并建立了一种新的基于一对多策略的雷达干扰资源分配模型,通过对目标雷达群的一对一分配实现对单部雷达的一对多分配.最后,对该模型中一些关键性问题进行了探讨,如任务整合、新任务参数确定、任务优先级排序、干扰机位置部署以及单目标雷达群干扰效益评估等.     

基于微分进化算法的区域雷达网抗干扰优化方法

为提高区域雷达网探测能力和抗干扰能力,提出了一种基于微分进化算法的雷达网优化布站方法.建立区域雷达网优化布站数学模型,分析了雷达网在干扰前后威力区的变化,提出了新的雷达网威力区计算方法,给出了微分进化算法在该优化问题中的求解过程.最后,针对雷达网受干扰后威力区收缩,提出了2种解决方案.仿真结果证明该优化方法是有效的.     

基于粒子群优化的蚁群算法在战场电磁频率分配中的应用

为对战场电磁频率进行有效分配以减少用频设备间的相互干扰，提出了将一种基于粒子群优化的蚁群算法应用于频率分配的方法。首先介绍了战场频率管控流程的相关内容，并以干扰度最低为目标函数，使用基于粒子群算法优化的蚁群算法进行频率分配管理。粒子群算法优化蚁群算法中启发信息的权重及信息素挥发系数，作为粒子群位置和速度参数进行初始化，将粒子群算法生成的分配结果作为蚁群算法的初始信息素，利用蚁群算法较强的寻优能力寻找最佳分配方案。实验结果验证了该算法和模型的可行性。     

改进蚁群算法求解多目标雷达干扰资源优化分配

蚁群算法是一种群智能优化算法,其理论来源于自然界中蚂蚁群的寻径行为。针对地对空多目标雷达干扰系统在实战中目标较多情况下的干扰资源分配问题,提出了一种基于蚁群算法的分配优化模型,为解决传统蚁群算法寻优速度慢,容易陷入局部最优解等缺点,在蚂蚁路径选择策略、信息素挥发、信息素更新和精英保留等方面提出相应改进策略,给出改进后算法的具体实现步骤,最后举出实际算例,通过仿真实验,证明了算法的优越性。     

改进粒子群算法的防空导弹目标分配方法研究

在水面舰艇对空防御过程中,针对舰艇配置多型舰空导弹,且多型舰空导弹共同使用舰艇照射器资源的目标分配问题,提出了一种基于改进粒子群算法(PSO)的目标分配算法。该算法在改进了速度与位置定义方式的粒子群算法的基础上,增加了舰艇照射器数量的约束条件、目标的威胁度权重,优化了目标分配原则,使舰艇能够充分利用防空资源,提高防空导弹武器系统的体系拦截能力。仿真结果表明,该算法可解决水面舰艇配置多型舰空导弹下的目标分配优化问题。     

基于遗传算法的卫星通信干扰资源分配

针对卫星通信对抗中干扰资源分配这个问题,利用遗传算法在解决组合优化问题上的优点,提出了一种基于遗传算法的卫星通信干扰资源分配方法。利用这种方法对某给定的作战情况进行仿真,仿真的结果表明,尽管这是一种求得近似最优解的方法,但这种干扰资源分配方法是比较有效的,并且分配的结果具有一定的可信度。     

基于改进蜂群算法的雷达网目标分配方法

针对雷达网目标分配的问题,提出基于改进蜂群算法的雷达网目标分配方法,利用改进蜂群算法对目标函数进行寻优并确定目标分配方案。在该算法中,跟随蜂采用双向轮盘赌的方式选择引领蜂,有助于获得全局最优解,提高算法收敛速度。仿真结果表明,改进蜂群算法能够有效对雷达网目标分配问题进行优化求解,与基本蜂群算法相比,收敛速度快、全局寻优能力增强。在此基础上,发现改变算法参数会影响到雷达网目标分配方案,如何确定最优参数,将是下一步研究的方向。     

舰艇编队协同反导火力分配的改进多目标粒子群算法

为提高协同反导时的多目标火力分配计算能力,首先建立了火力分配多目标数学模型;然后,针对火力分配多目标规划具有的线性不等式约束条件难以使用多目标粒子群优化算法、粒子群算法自身存在的盲目搜索等问题进行了改进,并明确了计算流程;最后,对算法进行了仿真实验,仿真实验表明:改进的多目标粒子群算法求解多目标火力分配规划模型得到的非劣解集可构成Pareto前端,且非劣解集的适应度最大值随迭代步数演变具有稳定的收敛性,验证了改进多目标粒子群算法的有效性.