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。     

函数生成器的优化设计

本文介绍了一种优化的多变量函数产生器的设计思想,详尽论述了多变量函数快速插值算法、消除冗余断点搜索的思想以及搜索次数为１的断点搜索策略。实用表明,该产生器高效可行,比一般的多变量函数产生器减少计算量一半左右,有效地缩短了仿真问题的求解时间。     

基于变权重搜索策略无人机航路规划算法

通过对A*算法在路径规划中的应用进行研究,提出了一种新的三维航路动态规划方法,通过对搜索策略引入启发式权重系数,利用加权值自适应方法对算法的评价函数进行设计,改善了传统A*算法在大空间中搜索速度低的缺点,提高航迹点搜索效率,同时将无人机的约束条件有效分割到解空间,便于应用于工程实践。基于优化算法规划的最优航路,设计了导引控制律,使无人机很好地跟随规划的路径,同时生成的期望控制指令充分考虑了无人机本身的机动性能以及实时性要求,解决了航迹规划与航迹跟踪之间的问题,最后进行了仿真验证,结果表明:该方法是可行和有效的,有着较高的优化效率;易于实现,工程实用性强。     

一种基于部分搜索的GNSS模糊度解算方法

为解决LAMBDA算法搜索策略效率不高的问题,提出了一种基于部分搜索的模糊度解算新方法。该方法的解算成功率接近LAMBDA算法,且只需对最后3维模糊度元素采取搜索策略。同时,通过合理设定搜索椭球的大小和搜索策略;大大提高了搜索效率。通过实验对该新算法与Bootraping算法、LAMBDA算法进行了比较分析,进一步验证了该新算法的有效性。     

具有随机分形自适应搜索策略的蚁狮优化算法

针对蚁狮算法在平衡开发能力与探索能力不足的缺点,提出了具体有随机分形自适应搜索策略的改进算法。在该策略中,蚂蚁利用随机分形搜索方程提高算法的探索能力;蚁狮利用自适应搜索方程在最优位置进行精细搜索,以提高算法的开发能力。对3个单峰、3个多峰标准测试函数进行寻优,仿真结果表明,相比于其他算法,所提出的改进算法很好地平衡了自身的开发能力和探索能力,显著提高了全局优化能力和收敛速率。     

面向多星观测调度的分层迭代算法

提出一种基于分治策略的多星观测分层调度框架,在该框架下,用蚁群优化算法把任务分配至各轨道圈次上,并利用自适应模拟退火算法求解各轨道圈次的调度问题。根据各轨道圈次调度结果的反馈情况,再调整任务分配方案,重复上述过程直到达到算法终止条件。为了提高算法的性能,在设计蚁群算法的启发式信息模型时,应充分考虑卫星调度问题的领域知识;在模拟退火算法中设计两个邻域结构,采用动态选择策略在优化过程中确定最佳邻域搜索结构。仿真实验表明,该方法有效地降低了问题求解的复杂度,尤其在求解大规模多星观测调度问题时表现出优异的性能。     

基于上下文的快速自适应运动估计算法

高效的运动估计算法是实时视频编解码技术的研究重点。为降低视频编码中运动估计的高计算复杂度问题,提出了基于上下文的快速自适应运动估计算法。该算法在运动估计过程中引入了次最佳匹配点,并且使用了一种基于平行四边形模式的方向性搜索策略。该算法的基本思想是:在块运动矢量估计过程中,利用前面搜索步中得到的块运动矢量及次最佳匹配点与最佳匹配点之间的位置关系,自适应选择一种平行四边形搜索模式,并确定下一步搜索的方向,进行更精确运动矢量的搜索。实验结果表明,该算法有效降低了视频压缩编码中运动估计的运算复杂度。     

求解大规模TSP问题的带导向信息素蚁群算法

蚁群算法已在各种优化问题中取得成功应用,但在求解大规模TSP问题时存在时间、空间复杂性大,搜索过程导向性不强易陷入局部最优和局部搜索策略效果不佳等缺点。针对以上问题,提出了一种具有导向信息素的蚁群算法(Ant Colony Algorithm With Oriented Pheromones,OPACA),利用问题本身的聚类特性简化问题规模后求解全局最优路径,后利用全局最优路径初始化导向信息素,并引入启发式的局部搜索策略求解原问题。仿真实验表明,改进算法的搜索全局最优能力与稳定性显著增强,相比同类算法有更佳的准确率及收敛速度。     

基于混合离散粒子群算法的正交多相码设计

提出一种混合离散粒子群算法,并应用于正交相位编码波形设计.该算法以归一化自相关旁瓣峰值能量与互相关峰值能量的加权和为代价函数,将遗传算法、模拟退火算法思想引入离散粒子群算法,加入了粒子间信息交流策略和扰动策略,提高了算法的效率,增强了算法的全局搜索能力.仿真结果表明,提出的算法可行、高效.     

飞机飞行控制律多目标优化设计研究

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,物理意义不明确等缺点,提出了一种基于改进NSGA-II算法的飞行控制律多目标优化设计方法。在该算法中提出了一种分化进化策略,使得进化搜索过程中染色体群可以自适应分化为数量和构成动态调整的子群,避免了多染色体子群对局部最优区域的重复搜索,维持染色体的多样性,有效抑制了早熟收敛现象发生。最后,使用改进的NSGA-II算法对某型飞机横航向控制律设计进行数值仿真,结果显示提出算法有效提高控制律优化调参效率,结果满足期望的飞行品质要求。     

基于改进人工鱼群算法的WNN优化设计

针对人工鱼群算法优化设计小波神经网络(WNN)的缺陷,引入了视野范围与步长的自调整策略,以提高搜索效率和收敛速度。改进后的人工鱼群算法可在WNN的搜索空间中同时确定参数初始值和隐节点数。仿真实例验证了其有效性。     

基于NSGA-Ⅱ多目标优化的C2组织设计

把NSGA-Ⅱ算法用于求解C2组织设计问题.分析了C2组织设计常见处理算法在优化目标处理和算法流程两方面存在的问题,给出用NSGA-Ⅱ算法求解C2组织设计问题的算法设置.把NSGA-Ⅱ这样一种多目标优化算法引入C2组织设计问题,改变了以往研究此类问题时只能定义单个指标的情况,使领域专家能定义和研究新的优化目标.针对C2组织设计问题的特性做了调整后,实验结果数据表明NSGA-Ⅱ可以迅速地同时得到高质量和富有启发性的一群优化结果.     

邻域加强的并行子空间优化过程

针对基于响应面的并行子空间优化(CSSo-RS)过程的不足,提出了基于邻域加强的改进CSSO-RS优化过程.其主要思路是在子空间优化后,在得到的最优解附近进行全部变量的优化,以更好地协调系统级优化与子空间优化.用经典测试函数及通用航空飞机参数优化问题对该算法进行测试,测试结果表明该算法使CSSO-RS优化效率得到较大的...     

水下潜器自导搜索策略仿真平台设计与应用

根据研究实际需求,本文基于作战能力评估理论对水下潜器自导搜索策略仿真平台进行了开发设计,并结合建立的多指标评估体系和相应的评估方法,借助均匀设计法,将其成功应用于水下潜器自导搜索策略的设计优化中。文中首先分析了仿真平台的系统需求,进而确定了其总体构架,并针对自导搜索策略研究的特点确定了相应的人机交互界面。最后给出了进行自导搜索策略仿真优化的基本思路和方法,并通过水下潜器最优自导搜索策略方案仿真研究的实例表明,本文设计的仿真平台和研究方法不仅完全能够满足水下潜器的自导搜索策略仿真研究需求,还能有效节省科研成本,具有重要的工程应用价值。     

基于并发式检测时序的几何级冲突检测策略研究

以三维CAD实时协同设计为背景,深入研究了实时协同设计中的数据冲突检测问题,提出了三维实时协同设计中的数据冲突本质上就是实体特征冲突的思想。在此基础上,探讨了基于特征的冲突检测方法,并针对其不足之处,提出了一种可行性较高的几何级冲突检测策略及其相应的检测时序方案,研究了其冲突检测数据结构、冲突检测规则。此冲突检测思想在PTC公司的Pro/Engineer平台上进行了算法验证,取得了较好的冲突检测效果。     

兵力组织适应性设计问题研究

构建适应战场环境的兵力组织是提高我军战场对抗优势的重要途径。针对兵力组织的适应性设计问题,从兵力组织的描述方法、适应性设计方法和效能评估方法 3个方面梳理了国内外的研究现状。其中,兵力组织描述方法包括计算数学组织理论、图论和网络、多Agent系统、Petri网和信息理论;兵力组织适应性设计方法包括基于三阶段思想的适应性设计方法、基于粒度计算思想的适应性设计方法和基于扩展三阶段思想的适应性设计方法;兵力组织效能评估方法包括理论评估方法和实验评估方法。对涉及的各种组织描述方法、适应性设计方法和效能评估方法进行了详细的分析介绍,并总结了当前研究存在的不足。     

卫星导航系统功率增强子星座优化设计与性能分析

卫星功率增强技术是提高区域导航信号抗干扰性能的一种有效措施,在卫星导航全星座中优选出卫星数量少、服务性能优的功率增强子星座,是新一代卫星导航系统建设迫切需要解决的问题。因此提出基于卫星数最少准则的功率增强子星座优化设计方法,详细介绍设计流程、数学模型及最优解搜索策略;定义了可用性水平、精度水平和覆盖范围等指标评估功率增强子星座性能;以GPS为例,分别针对覆盖点目标和区域目标两种应用背景进行功率增强子星座优化设计及性能评估。分析结果表明:全球范围内任意目标点进行功率增强需要12～17颗卫星;实现对我国沿海地区的连续覆盖需要18颗功率增强卫星;覆盖整个亚太地区则需要全星座24颗卫星都具备功率增强能力,这样才能满足其连续性和精度要求,此时最优功率增强子星座的服务范围可扩充至全球区域。     

基于扩展HTN规划的作战任务分析方法

任务分析是一个认识和了解任务本质的过程,作为作战计划拟制过程中的一个核心环节,作战任务分析的结论是否准确决定着作战计划的好与坏,并影响战争的结局。为了解决目前任务分析没有统一的标准及合适方法的问题,分析了层级任务网络(HTN)在任务分析中的不足之处,给出了OOR框架进行任务细化的方法和步骤,将其作为领域知识引入HTN规划,为任务分析提供了一个有效的方法,并设计了图元素用于表示任务树中任务之间的层级关系以及时序逻辑关系。最后以空间信息支援作战为例,验证了方法的可行性和有效性。     

作战过程设计策略及其优选模型

组织设计通常包括三个流程即任务环境分析、过程设计和结构设计.作战过程设计是以其环境分析为基础,以其结构设计为目的,最终解决作战组织资源、平台、信息和决策的最优"合纵"和"连横"问题.尝试将C2(Command Control)组织的有关设计理论映射到作战组织设计,根据组织的演化过程机理,采用基于Bayes网络的方法,对作战组织进行过程设计,并对其设计策略进行优选,最后给出一个案例并加以验证.结果表明:采用动态Bayes网络的方法研究组织过程设计可行,其设计策略及优选模型合理.     

A Squared-Chebyshev wavelet thresholding based 1D signal compression

In this paper a square wavelet thresholding method is proposed and evaluated as compared to the other classical wavelet thresholding methods (like soft and hard). The main advantage of this work is to design and implement a new wavelet thresholding method and evaluate it against other classical wavelet thresholding methods and hence search for the optimal wavelet mother function among the wide families with a suitable level of decomposition and followed by a novel thresholding method among the existing methods. This optimized method will be used to shrink the wavelet coefficients and yield an adequate compressed pressure signal prior to transmit it. While a comparison evaluation analysis is established, A new proposed procedure is used to compress a synthetic signal and obtain the optimal results through minimization the signal memory size and its transmission bandwidth. There are different performance indices to establish the comparison and evaluation process for signal compression; but the most well-known measuring scores are: NMSE, ESNR, and PDR. The obtained results showed the dominant of the square wavelet thresholding method against other methods using different measuring scores and hence the conclusion by the way for adopting this proposed novel wavelet thresholding method for 1D signal compression in future researches.