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。     

世界军事强国竞相改进多管火箭炮

信息化战场的纵深作战,要求陆军炮兵远战歼敌,因此增大武器的射程和目标侦察、通信设备的作用距离是增强炮兵火力的主要目标。研制射程更远的多管火炮既费时又花钱,而研制远射程的火箭炮或者发展远程火箭弹却容易得多。目前,各国军队大量使用的是20世纪60-70年代的火箭炮,射程大多在15-25公里,而今后通用型火箭炮的射程必须提高到30公里以上才能在炮兵家族中站住脚。由此,俄罗斯、美国等军事强国都竞相改进各自的火箭炮,使射程分别从70公里和40公里增大到100公里和70公里。一、俄研制BM-30“龙卷风”火箭炮威力超过美军MLRS在俄罗斯生产…     

深海作战试金石——透视美海军水上无人舰队建设

随着高技术战场的立体化,战场空间已经从太空、中高空、中低空、超低空、地面、海面一直延伸到水下。为掌控未来海上战场优势,满足新的作战需要,近年来美国海军开始斥巨资打造一支能够适用于深海作战的水下无人舰队。据悉,美军正在建造的这支新颖且极具威力的舰队,不仅能够携带各种武器,在水上或水下执行情报搜集、扫雷等辅助性任务,而且还能对敌舰进行攻击,具有隐蔽性好、攻击性强、控制范围广、费用低等诸多优势。军事专家预计,到2020年前后,美军将拥有1000套水下机器人,届时将组成一支战斗力不容小觑的水下无人舰队。未来战力不可小窥“…     

作战模式及需求不确定条件下备件供应优化

高度不确定性是战时备件保障面临的难题之一,主要体现在作战任务想定的多样性以及备件需求的波动性.针对以上问题,分别将作战模式的不确定性和需求的不确定性转化为离散和连续型不确定参数,采用鲁棒优化方法进行建模.以战时备件供应延迟时间最短为目标,以备件满足率和供应成本为硬约束,构建了战时备件供应的鲁棒优化模型.利用元启发式算法对模型进行求解.算例结果表明,鲁棒优化模型的最优解对应最短的延迟时间,同时可以保证战时备件供应"最差情况下"的可行性,即具有很好的鲁棒性.     

基于混沌系统的扩频通信多源异构数据加密算法

多源异构数据体量呈指数级别增加,数据时序混乱,为此提出基于混沌系统的扩频通信多源异构数据加密算法研究.引入混沌系统,利用Logistic混沌映射多源异构数据,以混沌映射轨迹点为基础,生成多源异构数据混沌序列,通过Merlay状态机控制数据时序,提供子密钥产生信号,以时序控制信号为依据,利用特定阀值函数产生子密钥,采用子密钥对多源异构数据进行正向、反向异或以及取模,实现扩频通信多源异构数据的加密.测试结果表明,密钥相差+10-13无法解密出正确数据;加密后图像、音频数据相关性急剧下降;加密时间范围为16.451 s～18.630 s,低于最高限值.测试结论:密钥敏感性、抗统计特性以及加密效率较好,适合大力推广应用.     

自主式水下机器人控制方法研究

水下机器人能够代替人类完成水下各种极端环境作业,其精确控制成为研究热点.阐述了国内外水下机器人控制方法的研究现状,对现有水下机器人的控制方法进行了分析整合,进而总结了水下机器人在无动力学模型依据和基于动力学模型时的控制方法,特别是归纳了基于水动力学建模控制方法的一般过程,最后对水下机器人控制领域未来的发展进行探索与展望.     

改进cell密度聚类算法在空战目标分群中的应用

针对传统聚类算法对流形分布数据聚类效果差,且实时性不高的缺点,提出改进基于cell的密度聚类(Cell-Based density Spatial Clustering of Applications with Noise, CBSCAN)算法解决实时空战目标分群问题。通过分析空战态势参数,建立了空战目标分群通用模型,将目标分群转化为聚类问题。通过改进CBSCAN算法的簇类扩展方式,建立基于改进CBSCAN算法的目标分群模型。通过仿真实验,对比分析了K-means、最大期望算法、密度峰值算法、密度聚类算法、CBSCAN算法和改进CBSCAN算法在30种作战态势下的分群准确性和实时性,结果表明:改进CBSCAN算法可以在编队数目未知和目标流形分布的条件下,对多目标编队进行正确分群,且实时性较原始算法提高约30%,具有实际应用价值。     

考虑专家偏好的基于概率犹豫模糊熵的多属性决策方法

针对现有概率犹豫模糊多属性决策研究中,专家权重和属性权重的确定存在主观随意性的问题,提出了一种考虑专家偏好的基于概率犹豫模糊熵和前景理论的决策方法.基于贴近度度量,考虑专家的偏好性,以追求整体一致性为原则确定专家权重;基于概率犹豫模糊熵,考虑专家的决策差异,度量评估信息的犹豫性和模糊性,确定属性权重;采用前景理论对方案评估信息进行集结,根据价值函数和权重函数得到方案的前景价值,并以此进行方案排序.通过算例对比分析,验证了所提方法的科学性和合理性.     

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.     

多波束干扰系统多目标干扰决策研究

针对多波束地对空雷达干扰系统同时干扰多目标的资源分配问题,为充分利用干扰资源,综合考虑个体干扰有效与整体干扰效益最大.基于目标威胁等级,围绕发现概率下降程度、定位误差增大程度、干扰有效率3个评估指标,建立多目标优化分配模型,对阵面资源进行动态分配,并利用非支配排序遗传算法进行仿真验证.仿真结果表明,该分配模型可充分发挥多波束干扰系统的优势,实现不同作战阶段干扰效益最大化.