自适应人工蜂群优化的混沌系统参数估计

为了对混沌系统未知参数进行准确估计,改进了人工蜂群优化算法,提出自适应人工蜂群算法的混沌系统参数估计方法。将混沌系统参数估计问题转化为多维变量数值优化问题,利用人工蜂群算法对未知参数进行导向随机搜索。在搜索过程中,通过种群优化程度和解的质量自适应地调整更新步长和解的尝试次数。以Lorenz混沌系统为例进行的仿真实验表明,该方法在无噪声和噪声强度较大的情况下均能够获得较好的估计结果,表现出较强的鲁棒性。     

基于人工势场的潜艇搭载AUV回收路径规划

紧密结合未来无人作战侦察对潜艇搭载自主水下航行器(AUV)水下自主回收的需求,对水平面内基于水声定位的AUV的自主回收对接技术进行了研究。运用了基于人工势场的导引方法规划了AUV的回坞路径,然后基于AUV的运动方程设计了滑模跟踪控制律来解决AUV在复杂的回收环境下的避障问题,并通过引入"填平势场"来引导AUV走出局部极小点。最后采用了REMUS AUV的模型参数对水下回收进行了仿真试验研究,仿真结果验证了方法的有效性。     

磷虾群免疫粒子滤波的机载单站无源定位算法

为了进一步提高机载单站无源定位的精度,将磷虾群优化思想引入到粒子滤波的重采样阶段,提出了一种磷虾群免疫粒子滤波算法。该算法利用磷虾的受诱导运动、觅食以及随机扩散行为,将粒子导向高似然区域,有效缓解了粒子退化问题。同时,其采用了人工免疫算法的变异操作,避免了早熟现象的出现,提高了粒子的多样性,克服了粒子贫化问题。仿真结果表明,新算法改善了机载单站无源定位的定位精度以及收敛速度。     

针对应急救援路径规划的一种改进蚁群算法

针对不返回起始点、多个待救援点的应急救援路径规划问题,提出了一种应急救援路径规划的改进蚁群算法,设计了一种新的路径构造方法,为蚁群算法求解该类问题打下了基础。为提高收敛性,改进了信息素更新规则,构造了一种与蚁群算法有效结合的局部搜索算法,提高了算法快速寻优的能力。仿真结果表明:改进蚁群算法能够快速找到一条从救援中心到多个待救援点的优化路径,且收敛速度和最短路径较同类算法更优。     

“算法战争”的概念、特点与影响

分析了"算法战争"的概念,考察了美军围绕筹划"算法战争"所展开的相关举措,讨论了"算法战争"的潜在影响,并指出了其局限性所在。建议跟踪研判"算法战争"的未来演变趋势,依托军民融合加强算法储备,重视反制措施的研究和伦理探讨。     

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。     

基于蚁群算法的图像边缘检测研究

将蚁群算法应用于图像分割领域,提出了一种新的基于蚁群算法的图像边缘检测方法。详细阐述了蚁群算法与该方法的基本原理和具体实现过程。为了提高算法效率,进行两处改进,第一将蚂蚁初始位置由随机放置修改为放置在图像边缘附近,可取一图像灰度梯度阈值来实现,第二将信息激素强度和启发式引导函数值均定义为像素点灰度梯度值的函数。大量实验结果证明了该算法能有效地检测出图像边缘,而且具有适应性强、效率高等特点。     

蚁群算法及其在火力分配问题中的应用

火力分配问题是指用一定数量的武器对一定数量的目标进行打击,如何根据武器性能和目标特性等一系列的因素,制定打击计划,使打击效果最好,满足打击需求,是我二炮部队火力运用专业的研究课题之一.火力分配问题是NP难题,经典的求解算法存在指数级的时间复杂度.采用蚁群优化算法,对该问题进行了研究.     

基于改进人工蜂群算法的漏磁缺陷轮廓重构

漏磁缺陷重构是指由检测到的漏磁信号重构缺陷轮廓及参数,是实现漏磁反演的关键。将局部最优解和全局最优解引入到人工蜂群算法(Artificial Bee Colony Algorithm,ABC)中,提出了一种基于改进人工蜂群算法的缺陷重构模型。在该模型中,径向基函数神经网络作为前向模型求解漏磁信号,改进人工蜂群算法用于求解反演问题中的优化问题。将改进人工蜂群算法和基本人工蜂群算法作为反演算法进行了比较,实验结果表明,改进人工蜂群反演算法精度较高,速度较快,同时对实测信号具有鲁棒性,是一种有效可行的漏磁反演新方法。     

一种人工免疫系统改进算法的仿真研究

针对人工免疫系统在处理多维向量分类时存在的初始抗体数量“爆炸”问题,对人工免疫系统的反向选择算法进行改进,研究了初始抗体的生成机理,并在初始抗体的生成条件中加入新的约束,降低了人工免疫系统所需的初始抗体数量,解决了多维向量的分类问题,在实际应用中有着很强的推广应用价值。