共查询到20条相似文献,搜索用时 125 毫秒
1.
2.
基于改进TOPSIS法和蚁群算法的反TBM目标群目标分配研究 总被引:1,自引:0,他引:1
基于改进的TOPSIS法和蚁群算法,以弹道导弹目标群为研究对象,研究了反导指控系统对目标群的目标分配问题。首先通过改进的TOPSIS法确定TBM目标群威胁排序并基于拦截排序准则确定拦截排序;其次使作战效能最大化,基于蚁群算法确定目标的最优分配方案;最后通过仿真实例验证了在考虑目标威胁值排序前提下采用此算法,可使目标群分配方案更加科学有效和符合反导作战实际。 相似文献
3.
4.
5.
6.
7.
8.
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。 相似文献
9.
为解决大惯量飞轮储能系统应急制动器优化设计的难题,提出了适用于多目标、多约束问题的改进粒子群算法。该算法利用加权算法将多目标优化问题转换为单目标优化问题,并通过罚函数方法将多约束问题转化为普通约束问题,再采用粒子群寻优算法进行求解。样机试验验证了大容量飞轮储能系统制动方案的可行性与摩擦制动器优化算法的优良性能。 相似文献
10.
针对导弹打击系统目标的问题,建立了基于目标功能损伤度的瞄准点选择方法;在对毁伤树方法进行改进的基础上,提出了描述目标结构与工作流程的目标功能树模型,构造出体现目标整体功能下降的优化目标函数,采用模拟退火算法搜索最优解。通过算例对不同的瞄准点选择方案进行比较,发现考虑目标的功能结构特点时,得到的瞄准点明显优于其它方案。 相似文献
11.
分布式遗传模拟退火算法的火力打击目标分配优化 总被引:2,自引:0,他引:2
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。 相似文献
12.
李永利 《武警工程学院学报》2014,(4):23-26
针对装备维修方案规划的特点,构建了以维修费用最低和作战能力最大的多目标装备维修方案优化模型,并提出针对该模型求解的改进多目标遗传优化算法。在遗传算法设计中,为保证解集的均匀性和多样性,避免过早收敛,建立了随机权重适应度函数,引入精英保留机制和小生境技术,通过实例对该模型的求解进行了验证。仿真结果表明,所构建的模型合理可行,算法运行高效,为部队装备维修方案的制定提供了一定的借鉴。 相似文献
13.
14.
射频仿真目标阵列系统计算机控制方法的研究 总被引:1,自引:0,他引:1
本文简要介绍了射频仿真目标阵列系统计算机控制方案,其中包括结构组成、接口通信控制过程以及彩色图形显示功能。同时,根据实际目标阵列的结构特点,提出了目标阵列系统实时控制的快速算法;分析了此算法的优越性;并且给出了目标阵列系统控制软件的设计方法。目前,目标阵列系统的控制软件已在实际系统中使用,实践表明,效果良好。 相似文献
15.
16.
提出了一种改进的多目标果蝇算法,对搜索空间及味道浓度判定值进行了改进,引入了快速非支配排序及拥挤距离排序方法,提高了果蝇优化算法解决实际工程问题的能力。并且将改进的多目标果蝇算法应用到全弹道优化设计当中,结果表明该算法能够有效的解决多目标工程优化问题。 相似文献
17.
18.
针对传统聚类算法对流形分布数据聚类效果差,且实时性不高的缺点,提出改进基于cell的密度聚类(Cell-Based density Spatial Clustering of Applications with Noise, CBSCAN)算法解决实时空战目标分群问题。通过分析空战态势参数,建立了空战目标分群通用模型,将目标分群转化为聚类问题。通过改进CBSCAN算法的簇类扩展方式,建立基于改进CBSCAN算法的目标分群模型。通过仿真实验,对比分析了K-means、最大期望算法、密度峰值算法、密度聚类算法、CBSCAN算法和改进CBSCAN算法在30种作战态势下的分群准确性和实时性,结果表明:改进CBSCAN算法可以在编队数目未知和目标流形分布的条件下,对多目标编队进行正确分群,且实时性较原始算法提高约30%,具有实际应用价值。 相似文献
19.
介绍了方向估计二进制传感器网络(DE-BSN),提出基于统计学习解决目标运动方向估计的思路,并给出了使用线性判别分析法(LDA)和支持向量机算法(SVM)的估计方案。仿真分析了在不同传感器节点密度时上述算法的精度、和在节点出现错误的情况下算法对目标方向估计的可靠性。实验结果表明上述算法均可实现高精度的目标方向估计,并都具有一定的鲁棒性,各自的优势分别在于:LDA的计算复杂度较小,而SVM的估计误差较小。 相似文献