语义树方法及其可靠性和完备性

Ａｎｄｒｅｗｓ在《ＡｎＩｎｔｒｏｄｕｃｔｉｏｎｔｏＭａｔｈｅｍａｔｉｃａｌＬｏｇｉｃａｎｄＴｙｐｅＴｈｅｏｒｙ：ＴｏＴｒｕｔｈＴｈｒｏｕｇｈＰｒｏｏｆ》一书中给出的语义树方法是一种能直接适用于句子集的反驳方法,但其中关于语义树方法的可靠性和完备性定理（３２０１）及其证明是错误的。本文通过例子指出并纠正了这一错误,同时对修正后的可靠性和完备性定理给出了详细的证明。     

进化博弈论：经济学方法论的一次革命

进化博弈论是博弈论在生物学领域的应用。近年来 ,由于其在解释制度均衡与变迁方面的巨大作用而日益受到重视。本文从一个简单的博弈例子出发 ,旨在全面介绍进化博弈论的理性基础及其形成、发展、基本内容和相关应用     

基于GP的计划生成方法

针对计划生成的计算复杂性和传统遗传算法在求解组合问题时的低效率,结合任务策略提出了一种基于遗传程序设计的计划生成方法。利用业务活动域的任务策略知识来指导遗传操作,减少了完全随机遗传操作造成的无效操作,并且在进化过程中使高阶模式和低阶模式获得共同的进化机会,提高了遗传算法的效率。     

基于排挤机制改进的多目标进化算法

进化算法是求解多目标优化问题(MOP)重要而有效的方法。为加快收敛速度,提高收敛精度,在已有算法(NSGA-Ⅱ)的基础上,引进小生境思想,提出了更为合理的排挤机制。通过典型应用函数的计算测试,结果表明:上述改进不仅具有较高的计算效率,而且能够得到分布更为合理的解,且能保持解的多样性分布。     

MOQPSO/D算法求解不确定目标分配问题

为了增强不确定目标分配对战场态势变化的适应性,提出了一种基于分解的多目标量子行为粒子群算法(MOQPSO/D)的不确定目标分配方法.基于模糊多目标规划方法建立了不确定目标分配模型.以MOEA/D为算法框架,以QPSO算法为寻优手段提出了一种MOQPSO/D算法.通过粒子编码和非法粒子调整,将MOQPSO/D算法成功应用于求解目标分配模型.仿真结果表明:采用多目标优化方法能有效增强不确定目标分配对战场态势变化的适应性;MOQPSO/D算法在求解目标分配模型时要明显优于MOEA/D及MOEMD-CD算法.     

基于改进鲸鱼优化算法的武器目标分配

针对鲸鱼优化算法寻优搜索精度低、易早熟问题,提出一种改进的鲸鱼优化算法,并将其用于对多约束的武器目标分配模型的求解.在鲸鱼寻找猎物阶段,通过引入差分进化算法的变异策略改善鲸鱼位置更新方式,提高算法全局寻优能力;引入自适应变量调整鲸鱼位置更新过程,平衡算法的全局探索和局部寻优能力,并在迭代过程中筛选并保留优秀个体;通过仿真结果表明,改进算法与其他算法相比,提高了武器目标分配收益和分配速度.     

基于改进差分进化算法的内弹道参数优化

火炮内弹道参数直接影响其计算结果,内弹道参数优化设计是内弹道分析计算的重要环节。基于经典内弹道计算模型,以火药内弹道计算中最为敏感的燃速指数及其燃速系数为设计参量,以最大膛压及弹丸初速的计算值与测试值一致性为目标,对差分进化算法群体的初始化、变异因子及变异模式进行了改进,对某型火炮的内弹道参数进行了优化计算。优化设计结果表明改进后的差分进化算法满足内弹道设计工程实践要求,为内弹道参数优化设计提供了一种有效的算法。     

向多面手进化——美军打造全新E-10A预警机

预警机，又称空中指挥预警飞机，其传统功能是用于搜索、监视、先期报警空中或海面目标并引导己方歼击机或防空武器实施截击。然而，21世纪的战场具有大纵深、非线性、多维的特点，战场态势瞬息万变，到处充满了难以探测的目标。     

编队防空火力兼容约束优化问题的COEA方法

针对编队协同防空作战中存在的武器之间的火力兼容约束问题,建立了多种武器火力兼容约束条件模型,通过将火力兼容约束条件转化为遗传进化算法中适应度值的惩罚因子,提出了一种用以解决带有火力兼容约束的WTA问题的改进约束优化进化算法,给出了算法的具体步骤,以多种软硬武器协同防空武器目标分配任务为情景设定,仿真实验结果表明,该算法能够有效解决协同作战WTA问题中存在的火力冲突约束问题。     

基于自适应差分进化算法的武器稳定系统参数辨识

以某步兵战车武器稳定系统为背景,在考虑驱动电机与火炮之间的弹变形、摩擦和齿隙非线性因素的基础上,建立了基于三惯量模型的武器稳定系统模型。应用自适应差分进化算法对模型中的未知参数开展参数辨识研究,在MatlabSimulink进行仿真实验,与标准差分进化算法及粒子群算法对比,验证了该方法的有效性和优越性。实验结果表明,所建模型基本符合实际系统。