基于不完全信息空战的火力分配建模与应用

为了解决不完全信息空战中的火力分配问题,分析了常规空战火力分配模型,指出了其中的不足,建立了一种改进的火力分配模型.针对不完全信息空战特点,给出了其中关键参数的确定方法.该改进模型可有效利用战机在不完全信息条件下容易获取的有限参数进行火力分配,具有很强的实用性.最后通过典型应用实例验证了模型的有效性.     

求解微分对策问题的混合法

微分对策理论在定量研究军事问题中有着重要作用.针对微分对策的求解问题,将最优控制的数值算法和静态优化算法相结合,提出了求解微分对策问题的一类数值算法,称为混合法,并将这种算法用在火力支援分配问题上,得出了与解析解相同的数值解.     

基于不完全信息空战的火力分配建模与应用

为了解决不完全信息空战中的火力分配问题,分析了常规空战火力分配模型,指出了其中的不足,建立了一种改进的火力分配模型。针对不完全信息空战特点,给出了其中关键参数的确定方法。该改进模型可有效利用战机在不完全信息条件下容易获取的有限参数进行火力分配,具有很强的实用性。最后通过典型应用实例验证了模型的有效性。     

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.     

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.     

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。     

超视距多目标攻击排序及火力分配建模与解算

针对未来超视距空战条件下的多目标攻击排序和制导武器火力分配问题,提出了一种用以评估超视距空战作战效能的综合优势指数法;当目标数多于攻击机数时,通过构造综合优势矩阵,将非平衡指派问题转化为平衡指派问题,并建立了多目标攻击排序的0-1规划模型,该模型可解决对多个目标同时攻击的排序问题;以2对8攻击排序为例,利用求解线性规划软件Lindo6.0进行解算。最后,建立了1对4攻击火力分配的非线性规划模型,并利用求解非线性规划软件Lingo5.0进行解算。计算结果验证了建模的合理性和运用Lindo、Lingo软件求解较大规模目标攻击排序和火力分配问题的实时性。     

炮兵火力分配建模及优化方法

为了求得炮兵火力最大射击效率的优化分配方案,首先给出了炮兵火力分配的一般优化模型,提出匈牙利法的改进算法,并对炮兵火力分配的3种基本类型模型,并结合实例进行分析求解,得到了最大射击效率的优化分配方案,说明模型的有效性和实用性。     

基于自适应变异粒子群算法的火力分配方法研究

针对最优火力分配的特点,分析了火力分配优化问题的数学模型,设计了一种求解该类问题的自适应变异粒子群算法（Adaptive Mutation Particle Swarm Optimization, AMPSO）。该算法采用十进制编码方法和基于数值运算的个体更新方法;为平衡算法的局部搜索能力和全局收敛性能,设计了一种关键参数自适应调整方法;为增强种群在进化后期的多样性,提出了一种变异策略。仿真结果表明,所提AMPSO算法具有良好的寻优性能,是优化火力分配的一种有效算法。     

多机协同空战目标分配算法研究

多机协同作战已成为现代空战的主要形式,对其进行研究的重要性业日趋明显.通过对多机协同空战中目标分配的分析,建立了目标优化分配的数学模型,而后用标准遗传算法来求解该问题,最后通过应用"优势"基因遗传算子对遗传算法进行改进.仿真结果表明该算法能有效解决分配问题,而且"优势"基因遗传算子能够大大提高搜索效率.