基于改进精英蚁群算法的无人机三维航迹规划

针对三维地图中的无人机航迹规划问题,提出了一种基于改进精英蚁群算法的航迹规划算法.将算法中的状态转移策略与人工势场法进行融合设计,为障碍物和目标点分别设置斥力场和引力场,指导航迹搜索方向.添加约束条件限制,使航迹能实际可飞.随后当信息素更新时,设置双精英蚂蚁策略和混沌扰动,提高算法的全局搜索能力.引入视线算法减少航迹节...     

采用含22.5°二面角反射器无源定标体组的极化校准方法

在实际应用中,采用传统Whitt点目标无源定标方法往往会出现极化失真矩阵求解错误从而无法正确进行校准的问题。针对这一问题,在剖析常用的Whitt算法失真矩阵求解错误原因的基础上,提出了一种采用含22.5°二面角反射器的定标体组的新定标方法,包括点目标定标体组合、极化散射矩阵测量值预处理方法及特征值配对准则,可有效避免特征值配对错误导致校准结果错误的问题。仿真试验验证了所提方法的有效性和稳健性。     

基于梯度下降灰色Markov模型的装备器材需求预测

为改进灰色Markov装备维修器材需求预测模型在小样本条件下的预测效果与合理性,提出了基于梯度下降算法的灰色Markov模型。通过建立关于各时间节点拟合残差的二乘损失函数,运用梯度下降算法迭代得到灰色Markov模型最优转移概率强度和Kolmogorov方程解的最优待定系数并实施预测。数值模拟与实例分析的结果表明,梯度下降灰色Markov模型可快速有效地搜索转移概率强度以及待定系数的相对优化值,进而改善模型的预测效果和稳定性。     

空中目标威胁的ABC-RVM评估方法

为改善防空作战中对空中目标威胁的判断决策能力,提出了一种基于蜂群（ABC）算法和相关向量机（RVM）的空中目标威胁评估方法。从防空作战的实际出发,依据数理统计分析构建空中目标威胁指标体系;采用ABC算法优化多核RVM的相关参数,构建空中目标威胁评估模型。仿真分析表明,该方法是一种精度较高的空中目标威胁评估方法,在各项精度指标上均优于单一Gauss核或单一Sigmoid核的RVM方法,从而证实它的有效性和可行性。     

基于兹-QPSO的战斗机机动规避优化方法

规避导弹攻击对于提高战斗机生存能力具有重要意义。首先,建立战斗机和导弹的运动模型及导弹导引律模型,采用直接多重打靶的参数化方法,将机动规避最优控制问题转化为非线性规划问题;采用相位角编码量子粒子群优化算法（兹-QPSO）实现参数寻优,并结合滚动优化的思想,利用模型预测控制得到规避轨迹闭环解和战斗机的实时控制量。最后仿真验证了该方法的合理性和算法的有效性。     

一种基于计数的战场态势信息匹配算法

高效率的匹配算法是实现大规模、高速率的战场态势信息筛选所要解决的关键问题。针对战场态势信息筛选特点,分析比较了现有匹配算法,提出了一种基于计数的态势信息匹配算法。该算法将初始筛选条件转换解析成标准筛选条件;根据原子筛选条件与态势信息类型的对应关系,针对不同数据源,构建对应的多级索引结构,消除多个态势信息间相同属性的冗余匹配,有效提高了算法效率,符合战场态势信息筛选的要求。     

改进蚁群算法求解多目标雷达干扰资源优化分配

蚁群算法是一种群智能优化算法,其理论来源于自然界中蚂蚁群的寻径行为。针对地对空多目标雷达干扰系统在实战中目标较多情况下的干扰资源分配问题,提出了一种基于蚁群算法的分配优化模型,为解决传统蚁群算法寻优速度慢,容易陷入局部最优解等缺点,在蚂蚁路径选择策略、信息素挥发、信息素更新和精英保留等方面提出相应改进策略,给出改进后算法的具体实现步骤,最后举出实际算例,通过仿真实验,证明了算法的优越性。     

求解武器目标分配问题的改进粒子群算法

在建立多种类型武器目标分配模型的基础上,提出了一种求解该模型的改进粒子群算法。首先,定义粒子聚焦距离变化率,使惯性权重依据聚焦距离变化率自适应调整;其次,采用速度最大值线性递减的策略平衡算法收敛精度与全局寻优能力之间的矛盾;最后,粒子替换策略使算法改善了因自适应惯性权重的引入而造成收敛速度变慢的问题。仿真结果表明,提出模型和算法合理有效,算法收敛快,适合求解各种种群规模的武器目标分配问题。     

兵棋系统联合火力打击计划冲突校验算法

在联合火力打击战役中,计划上的潜在缺陷容易造成己方部队的行动冲突甚至误伤,利用兵棋系统中的联合作战计划子系统提供的冲突校验功能,对将要执行的联合火力打击计划中可能存在的缺陷进行校验,可以有效避免冲突的发生。首先对联合作战计划子系统中所有火力打击计划进行数据预处理,采用聚类分析的方法得到火力打击覆盖区,其次计算时间最短条件下己方机动部队的最优路径,最后对火力覆盖区与路径的冲突进行校验,得到冲突地点和冲突时间。在多次兵棋推演中,联合作战计划子系统采用此方法对联合火力打击计划进行冲突校验,实验结果验证了该校验算法的可行性。