基于速度可控粒子群算法的航天测控系统任务可靠性分配

航天测控系统是一个典型的多阶段任务系统,讨论了可靠性分配时的约束条件和分配目标,构建了其任务可靠性分配模型,针对任务可靠性分配这类复杂的约束组合优化问题,提出了一种速度可控的粒子群优化算法.为克服粒子群算法的早熟问题,该算法引入了速度更新的方向控制规则和尺度控制规则用于增加群体的多样性,并根据两种控制规则,提出了种群粒子的速度更新策略.通过算例仿真,表明算法在用于航天测控系统任务可靠性分配问题时具有分配结果优、收敛速度快等优点.     

基于Hopfield神经网络算法的雷达干扰资源分配

为了使有限的雷达干扰资源发挥最佳的干扰效果,基于干扰效益最大准则建立了雷达干扰资源优化分配模型。提出了基于Hopfield神经网络算法的干扰资源优化分配方法,利用该方法能够在可行的解空间中找出满足能量函数和约束条件的全局最优分配方案。并与干扰资源蚁群优化分配算法进行了比较,理论推导与仿真实验表明该方法的可行性与有效性,且比蚁群分配算法具有更快的收敛速度和更好的健壮性。     

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。     

求解武器目标分配问题的改进粒子群算法

在建立多种类型武器目标分配模型的基础上,提出了一种求解该模型的改进粒子群算法。首先,定义粒子聚焦距离变化率,使惯性权重依据聚焦距离变化率自适应调整;其次,采用速度最大值线性递减的策略平衡算法收敛精度与全局寻优能力之间的矛盾;最后,粒子替换策略使算法改善了因自适应惯性权重的引入而造成收敛速度变慢的问题。仿真结果表明,提出模型和算法合理有效,算法收敛快,适合求解各种种群规模的武器目标分配问题。     

基于蚁群算法的目标优化分配

在众多影响目标威胁度的因素中选取几个具有代表性的,组成目标威胁度指标体系,运用模糊优选理论,得出目标威胁度.将所得出的目标威胁度、火力单元杀伤概率以及约束条件作为综合指标,结合蚁群算法,得出基于蚁群算法的目标优化分配模型,并进行仿真实验.实验结果表明,该算法收敛速率快, 能够较好地反映各因素对目标分配的影响,为指挥员的决策提供帮助.     

多输入多输出系统的自适应传输策略研究

本文研究了单用户MIMO系统中自适应传输策略问题,在完全信道状态信息假设前提下,结合预编码优化设计,提出了一种基于注水方法的联合自适应比特和功率分配算法。算法优化目标是在平均功率约束条件下最大化系统传输速率。相比于空间分集和空分复用方案,所提算法获得了很好的链路性能和传输速率的折衷。仿真结果表明,算法具有较快的收敛速率,显著提高了频谱效率和系统性能。     

基于量子免疫遗传算法的火力分配优化问题

针对传统方法在解决火力分配优化问题时存在迭代次数多、收敛速度慢、易陷入局部极值等不足,将免疫遗传算法中的免疫克隆、免疫记忆、免疫平衡机制引入到量子遗传算法中,利用求解问题的先验知识和局部最优解信息来改善和优化量子遗传算法的性能,提高了算法的收敛精度、收敛速度和稳定性。在分析问题背景和算法实现过程的基础上,通过实例仿真,模拟了不同容量的抗体记忆库对算法性能的影响,对比了普通遗传算法、量子遗传算法、免疫遗传算法以及文中所提及的量子免疫遗传算法在解决火力分配优化问题上的不同优化效果,结果表明:该方法在解决火力分配问题时,可以有效克服早熟现象,具有收敛速度较快、稳定性较好的特性。     

基于改进人工鱼群算法的反TBM目标分配策略

反TBM目标分配是防空反导作战指挥决策的关键问题,限制影响因素多,实时准确度要求高。为提升反TBM目标分配效能,构建了目标分配模型,通过引入交叉变异算子,并结合模拟退火算法,对人工鱼群算法进行改进,仿真分析表明,算法的搜索能力和收敛速度得到了提高。     

求解对称三对角矩阵特征值问题的一种新算法

关于对称三对角矩阵特征值问题,本文提出一种新的分治算法。新算法以二分法、割线法迭代为基础。不同于Ｃｕｐｐｅｎ’ｓ方法和Ｌａｇｕｅｒｒｅ迭代法。理论分析和数值实验的结果表明：新算法的收敛速度明显比文［１］中的Ｌａｇｕｅｒｅ迭代法快。在相同的精度要求下,当问题规模较大时,使用新算法能减少４０％以上的计算时间     

基于DDE改进蝙蝠算法的动态火力分配方法

针对动态火力分配算法耗时长,而传统的蝙蝠算法寻优精度不高等问题,提出了一种基于动态差分改进的蝙蝠算法。该算法首先通过放宽部分约束条件加快生成初始解,然后将动态差分进化算法中的差分变异机制融入到蝙蝠算法中,再利用惩罚函数确保生成的解满足约束条件,最后利用蝙蝠种群进行解的迭代寻优。仿真结果表明,与蝙蝠算法、遗传算法、粒子群算法相比,改进的算法有较高的收敛精度和较快的收敛速率,且更适合应用在较大规模的火力分配问题中。     

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.     

基于改进鸽群优化的直升机协同目标分配

针对多直升机协同目标分配问题,建立了基于敌我相对态势的对地打击多目标的分配模型。引入多Agent系统机制,加快了有益信息在系统中的流动;并借助雁群成员在飞行中借鉴雁群整体经验的操作,来修正鸽群算法中地标算子的寻优方向,进而提出了基于多Agent的改进鸽群优化的问题求解策略。最后,以典型的直升机对地作战目标分配问题为背景,仿真验证了模型及其求解算法的合理性和有效性。     

C4ISR信息融合系统中的态势评估

在信息化战争中,战场态势瞬息万变,战场情报通过C4ISR系统迅速传回指挥中心,如何在极其有限的时间内作出判断,定下决心?在介绍态势评估基本理论和研究信息融合中的态势评估流程的基础上,把期望模板理论、模糊推理理论、人工神经网络理论、物元分析理论引入态势评估中,希望对完善态势评估的算法体系和C4ISR系统辅助决策起一定作用.     

多目标广义指派问题的模糊匈牙利算法求解

提出和讨论了两类多目标的广义指派决策问题,分别给出了它们的多目标整数线性规划数学模型,并结合模糊理论与解决传统指派问题的匈牙利方法提出了一种新的求解算法:模糊匈牙利法.最后给出了一个数值例子.     

动态WTA问题的混沌人工鱼群算法

针对不同作战平台上多个武器单元对一批目标进行射击时的武器目标分配问题,建立了该问题的数学模型。采用混沌人工鱼群算法对动态条件下的武器目标分配问题进行求解,并设计一个实例进行仿真实验。仿真结果表明,在时间约束条件下该算法较遗传算法更具优越性,验证了混沌人工鱼群算法用于动态武器目标分配的有效性。     

基于分合粒子群算法的多无人机任务重分配

多UAV在执行任务过程中,战场环境以及UAV编队状态的改变将导致原有的分配计划失效或效率降低,因此有必要重新分配任务。针对多无人机任务重分配问题,首先建立了相应的数学模型。其次运用分组基础上的任务重分配策略进行任务分配,提出了改进的K均值聚类算法进行初步分组,再在分组的基础下,提出了分合粒子群优化算法进行组内任务分配。最后进行实验仿真。实验结果与分析表明基于分合粒子群算法的任务重分配方法能有效地满足多变的战场环境要求。     

基于不同模式的反导作战管理与敏感性分析

针对反导作战指控系统作战管理任务与过程,分别构建了层次式、中心式和分布式3种作战管理模式。基于3种管理模式,采用以仿真系统搭建作战环境进行对抗的仿真评估方法,以拦截比率（发射数/拦截数）为评估参数对不同作战管理模式的效能进行了仿真评估,同时对影响评估效能的参数进行了敏感性分析。根据分析评估结果,明确了在不同作战样式下采用不同作战管理模式的基本原则。     

基于兰彻斯特方程的大区域防空作战效能评估模型

针对大区域防空参战兵力多,体系结构、交战过程复杂的特点,引入作战效能、战斗编组、火力毁伤及任务分配等矩阵,建立了基于兰彻斯特方程的大区域防空作战效能评估模型,包括战斗力指数、战斗编组、毁伤指数、任务分配、指挥控制和作战实力损耗等部分。每个模型的建立均通过设定相应矩阵,分析战斗力指数,得出其计算模型。并以相关抗击率以及安全率表征总体效能指标,较好地解决了对大区域防空作战效能的评估问题。模型简洁,便于理解,易于计算。     

数据融合在防空C~3I系统中的应用

首先介绍数据融合的基本理论、一般处理模型、实现技术以及防空C3I系统中数据融合的具体任务,然后对数据融合体系结构的设计和融合算法的选择作了具体分析,利用多传感器数据融合方法建立了一种防空C3I系统结构模型,并对MSPDAF数据融合算法进行了详细描述.最后以探测某型巡航导弹为例,应用MSPDAF数据融合算法对防空C3I系统数据融合结构模型进行数学仿真,并给出仿真结果.     

基于协同学的编队协同空战任务决策

基于协同学理论给出了编队协同空战系统的协同学框架;提出了编队协同作战方案的五元组定义,明确了影响系统进程的序参量;基于系统有序度与协同度的概念,构建了协同效能优化模型;以任务冲突检测与消解为依据给出了任务决策的约束条件;最后以二进制粒子群优化算法对此约束优化问题进行了求解.仿真结果表明,以协同学理论描述编队协同任务决策问题是可行的,构建的协同效能模型与任务决策方法在处理编队时序任务决策问题时是有效的.