机载制导武器的武器-目标分配算法研究

机载制导武器的武器-目标分配算法是智能航空指控系统的一个基础研究问题。本文在建立了武器-目标分配的基本概念和对算法要求的基础上,提出了两种武器-目标分配算法;基于决策论的武器-目标分配算法和基于导弹截获区的武器-目标分配算法,并对基于导弹截获区的武器-目标分配算法进行了仿真实验。结果表明,此算法具有高透明性、有限消除最大威肋、杀伤概率最大、充分利用机载武器等特点。     

基于SPSO的考虑指控节点受攻击的WTA问题优化方法

鉴于网络中心战中指挥所的重要性,根据实际作战原则,通过对传统武器目标分配(WTA)模型的分析,建立了考虑指控节点受攻击的武器目标分配(Weapon-Target Assignment with Vulnerable Command and Control Nodes,WTAVC2N)模型,并利用随机PSO算法对该模型进行仿真验证。仿真结果表明了利用随机PSO算法解决考虑指挥所被摧毁的武器目标分配问题的有效性及合理性。     

分布式协同拍卖算法的动态联合火力分配方法

动态联合火力分配问题是一类实时性很强的优化问题。以多机编队协同攻击地面机动目标为背景,建立了联合考虑武器、传感器和目标的火力分配问题的数学模型。根据分布式协同拍卖算法的基本原理,考虑不同目标的火力分配截止时间不同,设计了基于分布协同拍卖的动态目标分配算法。所提出的算法主要有以下两个优点:根据不同目标的火力分配截止时间不同,在算法运行的不同阶段给出相应目标的分配方案能有效地提高算法解的质量;根据分配原则,能将具有不同火力分配截止期的目标分配给同一组攻击机——传感器组,能更充分地发挥编队中作战能力较强的攻击机与传感器的优势,从而发挥编队的最大攻击能力。最后,通过仿真,对算法在以上两方面的优点进行了验证。     

战区导弹防御(TMD)作战管理系统

战区导弹防御(TMD)的一个重要目的,是在同时受到多枚弹道导弹威胁时,能对散布在全战区中的若干设施进行有效的保护.因此,作战管理系统必须有效的为逼近的威胁分配武器和传感器,实现总漏出量或设施损失最小的拦截.为了分析TMD作战管理系统对抗战区弹道导弹(TBM)的问题,开发了威胁传播和雷达模型来预测天线占用率和航迹精度,并且建立了拦截器飞出(flyouts)模型,以支持备用的一对一火控方案.此外,还开发了各种算法,它们是威胁评估算法,战斗空间-时间分析算法,多对多武器-目标-传感器分配算法和作战调度算法.其中,战斗空间-时间分析算法,确定满足系统约束的射击时矶;多对多武器-目标-传感器分配算法,优化目标函数;作战调度算法确定最佳的拦截位置和时间.这些模型被制成初样,集成,并在一台快速样机试验台上进行模拟.模拟了许多攻击和防御想定,并且确定了妙能的各种衡量标准,包括威胁的漏出,设施的损失,中间结果的精度和计算能力.这些结果显示了在系统的约束下武器效能的灵敏度.某些重要性能特征用图表演示出来.     

一种武器-目标分配模型及求解算法

武器-目标分配是拟制作战计划的一项重要内容,是合理运用现有武器系统,充分发挥其作战效能的关键.依据火力分配的基本要素,针对多种武器对多个目标的分配问题,运用一种基于模糊优选技术的多目标混合优化理论,建立了武器-目标最佳分配模型,然后用遗传算法来求解,并在计算机条件下对求解的效果进行了检验.     

一种基于蚁群算法的准动态防空武器分配算法

武器目标分配问题是一个典型的限制组合优化问题,旨在得到在整个防御阶段中针对目标函数的最优武器分配方案。分配算法主要分为静态和动态两大类。针对传统静态分配模型中存在的几点问题,提出了基于时间窗的准动态武器目标分配算法,该算法综合考虑拦截概率、拦截时间和武器耗费多个优化指标,并将该算法推广至多类防空武器的优化分配中。通过大量实验验证,该算法在性能、时间复杂度等方面均有较大优势,并且能较好地适应战场态势的变化,及时调整分配方案,具有很好的实用性。     

有无组织的WTA与射击效率分析

武器目标分配WTA(Weapon-Target Assignment)问题一直是军事运筹学和管理科学研究的难题之一.以水面舰艇编队对空防御问题为背景.通过解析和仿真的方法研究静态和动态条件下有组织与无组织的武器目标分配问题,并对射击效率进行比较.结果表明:在静态WTA中,无论按"期望值"还是"概率值"作为射击效率的评判标准,有组织目标分配比无组织目标分配要好,而在动态目标分配中,考虑双方的策略,无组织目标分配并不次于有组织目标分配.     

改进的人工蜂群算法求解武器目标分配问题

为了提高武器目标分配问题求解的效率与性能,提出一种求解武器目标分配问题的改进人工蜂群算法。针对武器目标分配问题模型的离散性特点,设计了解的编码方案,保证种群个体编码满足约束条件;通过控制种群编码熵的大小保证了初始化种群的离散性,加强了种群前期搜索的多样性;引领蜂采用同时保留最优蜜源与次优蜜源的方式,增大了种群局部寻优能力。仿真结果表明,在求解武器目标分配问题时,改进蜂群算法与传统优化算法相比收敛速度更快,求解精度更高,具有很好的应用价值。     

基于小生境蝙蝠算法的联合远程打击武器目标分配问题建模与求解

针对联合远程打击作战筹划中武器目标分配问题,使用数学建模与仿真分析相结合的方法,研究了联合远程精确打击武器目标分配基本原则,构建了武器目标分配问题的多目标优化数学模型;对目标函数和约束条件进行处理,将该模型转化为单目标优化问题;提出了一种结合小生境淘汰思想的改进蝙蝠算法,用来求解武器目标分配的近似最优解。实验分析表明:该算法能够有效改善蝙蝠算法的收敛特性,适用于联合远程打击作战武器目标分配问题的求解。     

遗传算法在目标跟踪中的传感器分配算法

传感器在进行目标跟踪时,常规算法主要通过线性规划建立传感器与目标之间的分配方法.但是在对多目标和多传感器的战场环境中,这些方法有一定局限性.研究了基于遗传算法的传感器分配方法,通过构造符合传感器分配这一特殊问题的染色体,从而形成初始种群,然后利用遗传算法模拟生物遗传迭代和自然选择的遗传机理,通过多次选择最终收敛于问题的一个满意解.仿真显示,在大数据运算的环境中,该算法有更高的可行性和有效性.