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.     

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.     

基于模糊AHP的水面舰艇编队攻潜武器分配

针对水面舰艇编队攻潜武器分配问题,利用模糊AHP方法,通过构建攻潜武器分配模型,建立模糊评判矩阵,确定评价因素的权重,制定最优攻击方案,对反潜火力分配提供决策辅助,并进行了实例分析,得到了从命中概率、攻击安全、攻击时效、组织指挥等方面综合模糊评判进行攻潜武器分配的方法。     

基于非对称balls-into-bins的高效平衡负载分配模型

在大规模数据中心和P2P覆盖网络等复杂网络负载平衡分配中,前人提出了多种多样的负载分配方法,但许多方法为了达到更好的平衡负载指标,追求越来越复杂的算法,使得时间复杂度和算法复杂度很难控制在合理的范围之内。本文在研究了经典balls-into-bins、Azar balls-into-bins和balls into non-uniformbins等模型的基础上,提出了一种新颖高效的非对称balls-into-bins平衡负载分配模型,该模型具有异构的balls、异构的bins,以及不同的bin选择概率,能以很高的概率将最大负载均衡地控制在合理的范围内,通信负载很小,且具有很好的可扩展性,通过拓展,该模型在负载平衡的诸多领域都将有广阔的应用空间。     

基于栅格分层的逐栅格汇流算法并行化研究

分布式水文模型中的逐栅格汇流算法计算量大,需要借助并行计算以满足大流域长历时模拟的要求。针对目前鲜有对基于隐式有限差分的逐栅格汇流算法进行并行计算研究的情况,基于栅格分层的思想提出一种适用于共享内存并行计算环境的逐栅格汇流并行算法。该算法首先根据流向进行栅格分层,使同一层中栅格的计算相互独立,然后将同一层中栅格的计算任务分配到多个计算单元并行计算。采用C++编程语言与OpenMP并行编程库实现了该算法,并选择河北省清水河流域为实验区,在不同数据规模(30m、90m、270m分辨率)、不同核数(2～20个)以及不同栅格分层方法的情况下对算法性能进行了测试。实验结果表明本文提出的并行算法具有较好的加速比和并行效率,且并行效率随数据规模的增大而增大。栅格分层方法对算法并行性能有明显影响,从上到下的分层方法比从下到上的方法具有更高的并行效率。     

黄页服务的合同网在编队武器目标分配中的应用

海上舰艇编队协同作战面临的环境日益复杂,其武器目标分配呈现出了多智能体系统的涌现性、协同性和动态性.将编队武器目标分配问题转化成多智能体系统来研究,根据黄页概念建立了编队武器智能体的黄页服务,运用基于黄页服务的合同网协议实现了编队范围内的武器目标分布式分配.     

准军官初来乍到

今天的"我",或许是明天的"你"——个刚刚毕业的基层排长,一个初来乍到,啥都似懂非懂的"新兵蛋子"。昨天的"我",像极了今天的"你"——满怀着炽热的激情,渴望下部队,渴望在新环境下大展宏图。今天的"我",想告诉今天的"你"——有时候,理想很丰满,现实却很骨感。刚下部队,没有轻松的生活,也没有刺激的演习,有的,竟全是一件件非常尴尬的"尴尬事儿"……现在看来,这些尴尬,对我是一种财富,对你也许是一种启迪。     

多武器系统的火力分配模型

目前对于单一兵器火力分配问题的解决方法比较成熟,然而由于在现代防空作战中,经常是多种类型的兵器联合进行防空,故需要对多种不同类型的兵器的火力分配问题进行探讨。这里针对多种不同类型的兵器毁伤多个目标的问题,建立了数学模型,进行了深入的探讨。按照模型的特殊性,定义了映射、邻域和连通的概念;同时针对模型,将遗传模拟退火算法进行了一定的修改,并利用此算法对模型进行了最优化求解。最后,实例的计算结果表明该算法对于模型的求解具有较好的收敛性。     

基于遗传算法的分布式多传感器航迹关联算法

以分布式多传感系统中的两节点序贯航迹关联方法为基础,把多节点情况下的航迹关联问题转化为多维分配问题。而多维分配问题是典型的组合优化问题,其计算量随着维数的增加而出现指数爆炸现象,进而根据遗传算法能够解决组合优化问题的能力,提出了利用遗传算法解决此多维分配问题的一种方法。仿真实验结果表明,遗传算法能够有效地求解此多维分配问题,使航迹关联具有较高的成功率。     

基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。