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。     

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。     

一种用于求解火力分配问题的混沌优化算法

针对火力分配问题,提出了一种新颖的用于解决组合优化问题的混沌优化算法.该算法利用混沌搜索的方法得到新的合法解,充分利用了混沌的随机性和遍历性等特点来改善寻优效率.通过设定逃逸系数,算法在寻优过程中具有了能够跳出局部极小点到达全局最优点的能力.仿真结果表明,该方法的寻优效率明显高于Hopfield等其他优化方法.     

基于改进遗传算法的空舰导弹火力分配方法

描述了空舰导弹火力分配问题,建立了火力分配优化模型。在此基础上,提出了一种采用十进制部分编码策略与动态调节交叉、变异概率相结合的改进遗传算法,将其用于火力分配优化模型的求解,通过仿真分析与算例比较,证明该算法在运算速度和寻优能力上比标准遗传算法和传统搜索算法强,可为制定空舰导弹作战指挥自动化决策提供参考。     

舰艇编队防空最优火力分配问题的蚁群算法

为了对多目标进行合理的防空武器分配,首先分析了各种解决此问题算法的优缺点.然后以“编队不被目标突防的概率最大”为准则,结合蚁群算法的思想,建立了基于蚁群算法的火力分配问题求解模型,给出了算法的求解步骤和参数确定原则.最后通过实例进行仿真验证,并与多维动态规划方法做了比较,结果表明,基于蚁群算法思想的火力分配方法是有效的...     

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。     

改进蚁群算法的无人机航路规划

蚁群算法是基于生物界群体启发行为的一种随机搜索寻优方法,其正反馈性和协同性使其可用于分布式系统,隐含的并行性更使其具有极强的发展潜力,在解决组合优化问题上有着良好的适应性.基于两种改进蚁群算法,分别将遗传算法的交叉操作和Dijkstra算法结合到蚁群系统的无人作战飞机航路寻优过程中,使无人作战飞机以最小的发现概率与可接受的航程到达目标点,并提高了无人作战飞机的航路寻优能力.     

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。     

基于改进人工免疫算法的火力分配

随着现代武器杀伤力的极大提高,任何来袭目标的突防都可能造成极大的破坏,这对传统的火力分配提出了挑战。提出一种新的火力集中原则,在满足对来袭目标一定杀伤的前提下,适当转移火力,实现火力总的集中,据此建立了火力分配优化模型。通过改进人工免疫算法的抗体群,提高模型的求解速度,缩短方案的寻优时间。通过实例进行仿真,结果表明,基于改进人工免疫算法能较快速实现火力分配,算法具有一定的可行性。     

基于优化蚁群算法的装备调拨决策系统研究与设计

将蚁群算法和遗传算法应用于装备调拨决策系统,实现了装备调拨决策信息的生成.同时利用遗传算法对蚁群算法的参数进行了优化,实验证明优化后的蚁群算法在平均路径长度、算法平均执行时间和总执行时间上较传统蚁群算法都有一定程度的改进.     

基于遗传算法的防空兵群最优火力分配模型研究

结合战场目标价值分析,根据防空兵火力分配情况,运用遗传算法建立了最佳火力分配模型,使防空武器最大限度的发挥火力单位效能,达到最大毁伤效果。采用了实数编码方案,对选择,交叉,变异等操作进行了改进。最后通过计算,验证了方案的可行性和优越性.     

改进的蚁群算法及其在卫星网络路由计算中的应用

介绍了蚁群算法的原理,然后对现有蚁群算法进行了一些改进,使它能够快速地收敛以满足高速变化的卫星网络拓扑结构.采用改进的虚拟拓扑策略解决了卫星网络拓扑高速变换的问题,将改进的蚁群算法应用于其上,并给出了相应的性能评估.所提出的改进的虚拟拓扑策略,能够大大减少一个系统周期内卫星网的时间片个数.应用于此基础上的改进的蚁群算法也体现了较好的性能.     

基于改进蚁群算法的云计算任务调度研究

把改进的蚁群算法应用到云计算任务调度中,通过将任务在虚拟机上的一次分配作为蚂蚁的一次成功搜索,实现了虚拟机的负载均衡和调度时间的优化,提高云计算资源分配的效率。通过在Cloud Sim平台下进行仿真测试,结果显示,改进蚁群算法在负载均衡性能和总的任务调度时间方面均优于基本的蚁群算法。     

坦克连最优火力分配

坦克连火力分配方案的科学与否将直接关系到火力打击的整体效果。为了提高坦克连火力分配方案的科学合理性,力求结合我坦克连作战的实际,在充分考虑火力分配影响因素的基础上,建立了最优火力分配模型,这对于我坦克连充分发扬火力和提高整体作战能力具有重要的指导意义。     

融合遗传蚁群算法的区域覆盖卫星星座优化算法

针对特定区域覆盖并密集重访的卫星星座优化设计问题,采用回归轨道和共星下点轨迹星座的设计方案,提出特定区域内重点地区权值排序覆盖并融合遗传蚁群算法优化求解卫星星座轨道参数的方法。分析区域覆盖星座的设计需求,建立回归轨道覆盖区域模型,利用遗传蚁群算法计算出最优轨道根数,使用共星下点轨迹星座求解算法求出所有星座参数。仿真实验结果表明优化设计的星座满足对于区域目标的覆盖时间和重访次数需求,并对重要地点按照权值排序进行了侧重性覆盖和重访,验证了算法的可行性。     

蚁群算法在光电载荷标校中的应用

针对空中平台光电载荷安装误差的梗准问题,提出了一种利用蚁群算法实现动态标校的方法.通过光电裁荷测量得到的目标方位角、俯仰角和平台导航信息,结合GPs转化得到的方位角、俯仰角真值,建立了基于最优估计理论的目标函数,并利用蚁群算法求得了系统的安装误差.通过蒙特卡洛模拟仿真,验证了该方法能够较为准确地标定出安装误差;通过校准,有效避免了由安装误差引起的结果有偏,使得目标跟踪结果收敛至真值附近.     

预警机引导战斗机空战目标分配模型

从预警机引导战斗机空战的角度出发,通过对预警机引导战斗机空战过程的分析,确立了战斗机对敌攻击时应具有的优势函数,建立了基于蚁群算法的空战目标分配模型。最后通过具体仿真算例,证明文中给出的蚁群算法模型能够有效地解决预警机引导战斗机空战目标分配问题。     

基于蒙特卡洛法的无人机飞行冲突解脱安全评估

冲突解脱技术是无人机与有人机共域飞行的前提保障。针对目前缺少对冲突解脱技术安全评估的方法,提出运用蒙特卡洛法对飞行冲突进行仿真模拟,得出冲突解脱算法的安全效率。提出基于改进蚁群算法的冲突解脱技术,实现无人机的飞行冲突解脱;利用蒙特卡洛法,对飞行冲突过程进行大规模仿真,计算冲突解脱效率,与基本蚁群算法进行对比,并从安全角度对结果进行分析。提出的思路可为未来无人机空域运行安全评估体系的构建提供一种理论参考。