改进人工蜂群算法的无人机航迹规划研究

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主飞行的关键。将改进的人工蜂群算法应用于求解无人机航迹规划问题,同时在人工蜂群算法的侦察阶段引入差分进化算法的思想。通过仿真实验并与标准人工蜂群算法比较,结果表明此算法能够有效加快收敛速度,提高最优航迹精度,是解决航迹规划和其他高维复杂函数优化的有效方法。     

运用粒子群优化算法的平流层飞艇总体设计

平流层飞艇总重最小化能一定程度上反映总费用最低的设计目标,满足有效载荷功率需求是飞艇总体设计的出发点和落脚点。在飞艇参数建模中引入太阳电池曲面铺装模型以及昼夜能源闭环模型;以整艇重量最小为设计目标,以昼夜能源供需平衡、浮重平衡、推阻平衡三大平衡问题为约束条件,运用粒子群优化算法对飞艇的外形尺寸参数进行优化设计;分析了有效载荷功率需求和功率密度对于飞艇总体设计结果的敏感性。分析结果表明:飞艇总重随有效载荷功率线性增加;飞艇总重随有效载荷功率密度增加而迅速减小,但变化率逐渐变小,飞艇总重趋于稳定。能源系统仿真的结果表明了飞艇总体设计方法的有效性和设计结果的临界特性。     

基于遗传神经网络算法后勤指挥决策能力预测

分析了后勤指挥的主要影响因素,运用信息论中的信息压缩原理,建立和优化了后勤机关指挥决策能力预测指标体系。建立了遗传算法优化的BP神经网络后勤机关指挥能力预测模型,消除了BP神经网络存在的初始权值和阈值难以确定的局限性。给出了预测实例,证明了该算法的合理性和有效性。     

基于快速傅里叶变换的扫描单发单收面阵近场成像技术

近年来,扫描单发单收面阵近场成像技术在安检、医疗等民用领域中引起了广泛关注.然而,传统的距离徙动算法在对回波进行处理的过程中无法避免多步近似和插值操作,并且忽视了信号传播衰减带来的不利影响.因此,提出了一种基于快速傅里叶变换的扫描单发单收面阵近场成像技术,该技术通过保留回波模型中的幅度衰减因子,并根据目标回波方程特性对...     

基于遗传算法的反导拦截弹助推段自动驾驶仪的设计

针对反导拦截弹助推段一般不进行大机动飞行、弹道相对平直的特点,基于小扰动线性化方程,设计了由阻尼回路、攻角回路和过载回路组成的三回路自动驾驶仪。在理想弹道计算的基础上选取特征点,在每个特征点处将弹体简化为二阶环节来近似。针对待优化参数多、且处于不同控制回路的特点,采用遗传算法对控制器参数进行优化。仿真结果证明所设计的控制器能够很好地跟踪指令信号。     

基于改进人工免疫算法的火力分配

随着现代武器杀伤力的极大提高,任何来袭目标的突防都可能造成极大的破坏,这对传统的火力分配提出了挑战。提出一种新的火力集中原则,在满足对来袭目标一定杀伤的前提下,适当转移火力,实现火力总的集中,据此建立了火力分配优化模型。通过改进人工免疫算法的抗体群,提高模型的求解速度,缩短方案的寻优时间。通过实例进行仿真,结果表明,基于改进人工免疫算法能较快速实现火力分配,算法具有一定的可行性。     

中段智能机动突防后的虚拟目标修正研究

为实现弹头中段机动后的显式制导,进行了虚拟目标修正研究。通过在建立最大弹道包络面的基础上,提出基于穿越弹道横截面的虚拟目标修正方法,基于弹道包络横截面的大机动弹道虚拟目标计算方法,建立虚拟目标计算模型。通过仿真获得了大机动弹道对应的虚拟目标,通过显式制导方法验证了其具有较好的制导精度,此方法为工程应用和理论研究提供了重要的理论参考。     

直接耦合干扰的自适应两级补偿方法

针对水下电磁探测系统对直接耦合干扰的补偿精度受限于硬件采样分辨率的问题,研究了基于自适应技术的直接耦合干扰两级补偿方法。采用高速 DSP 芯片实现直接耦合干扰补偿电路,完成直接耦合干扰的粗调补偿;提出了基于可变遗忘因子的 QRD-LS 算法,并采用基于该算法的自适应陷波器实现了直接耦合干扰的微调补偿。实验研究验证了两级补偿方法对直接耦合干扰的补偿性能。结果表明：基于可变遗忘因子的QRD-LS 算法稳定性好,收敛速度快;基于该算法的自适应两级补偿方法对直接耦合干扰的补偿精度达到10－4倍。     

Single machine just‐in‐time scheduling problems with two competing agents

In scheduling problems with two competing agents, each one of the agents has his own set of jobs to be processed and his own objective function, and both share a common processor. In the single‐machine problem studied in this article, the goal is to find a joint schedule that minimizes the total deviation of the job completion times of the first agent from a common due‐date, subject to an upper bound on the maximum deviation of job completion times of the second agent. The problem is shown to be NP‐hard even for a nonrestrictive due‐date, and a pseudopolynomial dynamic program is introduced and tested numerically. For the case of a restrictive due‐date (a sufficiently small due‐date that may restrict the number of early jobs), a faster pseudopolynomial dynamic program is presented. We also study the multiagent case, which is proved to be strongly NP‐hard. A simple heuristic for this case is introduced, which is tested numerically against a lower bound, obtained by extending the dynamic programming algorithm. © 2013 Wiley Periodicals, Inc. Naval Research Logistics 61: 1–16, 2014     

基于人工蜂群算法优化的改进高斯过程模型

高斯过程(GP)的非线性特征导致其对大样本的训练时间复杂度过高,而且其超参数的选取是否适当直接影响高斯过程回归模型的预测精度。提出采用人工蜂群(ABC)算法优化改进GP以减小时间复杂度和提高预测精度。改进GP通过选取训练样本的子样本进行模型学习,以降低训练过程的时间复杂度。ABC通过优化改进GP的超参数,提升预测精度。选取训练样本的子样本构建改进GP回归(GPR)模型,采用ABC算法搜寻改进GPR的最优超参数,并用得到的超参数构建最优的改进GPR模型,输入测试样本进行预测并输出预测精度。将该模型应用于解决海上远程精确打击(LPSS)体系作战效能评估问题中,通过MATLAB仿真实验,与常见的多种优化方法相比较,验证了该模型的有效性。