基于势场启发蚁群算法的远程水中兵器航路规划

针对航行误差较大的远程水中兵器航路规划问题，采用栅格化方法建立海洋环境模型，为使兵器在航行过程中能有效规避障碍并导向目标，提出一种人工势场力为启发因子的改进蚁群算法，利用该方法搜索远程水中兵器从起始点至目标点的最佳路径，算法解决了经典蚁群算法容易陷入局部最优及收敛速度慢的问题。仿真结果表明该规划算法虽有少量的路径损失，但可以有效避免由于误差引起的航行安全问题，是一种有效的远程水中兵器航路规划方法。     

基于改进的MADM的防空混编群配置地域优选研究

地面防空混编群中的骨干型火力单位具有作战空域大、具备同时攻击多个目标的能力,是混编群作战体系的主体,担负着对重要目标的抗击任务。其配置将直接影响作战任务,而对其地域选择是火力单位配置的关键环节。首先分析了影响骨干型火力单位地域选择的因素,其次针对其不确定性及权重难以确定的问题,基于改进的MADM算法建立了地面防空兵混编群骨干型火力单位配置地域优选模型,最后给出该算法的实例分析。     

基于改进遗传算法的舰载机保障调度方法

舰载机保障作业过程受到多资源约束，同时可能存在着突发事件的干扰；针对此特点，分析并制定干扰情况下的模型修正策略。在遗传算法中引入禁忌搜索算子改进传统遗传算法的变异操作，并通过具体实例进行仿真验证，其结果证明改进后的遗传算法在优化含干扰事件的多机保障问题时效率更高，并通过甘特图直观地反映重调度方案。为真实情况下有效处理舰载机保障过程中的干扰事件奠定理论基础。     

基于遗传神经网络的装备研制作战需求方案评价

针对评价问题的实际情况,利用神经网络良好的自适应性和遗传算法强大的全局搜索能力,采用遗传算法和BP神经网络相结合的遗传神经网络算法解决装备研制作战需求方案评价问题。通过样本数据训练,提高了评价的准确性和适应性。仿真实验表明,该算法能够较好地克服人为因素和随机性的影响,其稳定性和精确性也有较高。     

潜艇概念设计阶段的多目标优化研究

研究了潜艇在概念设计阶段的多目标优化问题。基于多目标遗传算法(MOGA),把潜艇航速和排水量这两个概念设计阶段的重要属性作为目标函数,考虑了浮力平衡和水下稳性等约束条件,研究了潜艇主尺度确定的问题。计算了一个潜艇概念的数值算例,给出了多目标优化问题的Pareto前沿。文中给出的方法能够快速求解多目标优化解,为实际的潜艇设计提供参考。     

多级电磁线圈发射器时序触发策略研究

为优化多级同步感应线圈电磁发射器(SICEML)性能,以提高发射速度和能量转换效率为检验指标,以影响上述指标的触发时序为优化对象,采用遗传算法建立了单级同步感应线圈型电磁发射器触发位置优化数学模型,计算出了最佳触发位置,通过数值和有限元两种仿真系统对优化结果的正确性进行了验证；采用该方法对两级以及10级同步感应线圈型电磁发射器的触发时序进行了优化研究,并进行了仿真验证；为解决了仿真系统误差的问题,提出采用动子线圈在各级的触发位置和速度作为控制因素的双控触发方式,并研究分析了仿真过程中触发开关的随机抖动对出口速度误差的影响。     

智能天线DBF算法可重构的SCA设计及其仿真实现

文中在分析智能天线DBF算法与工作原理的基础上,结合软件通信体系结构(SCA),提出了一种智能天线DBF算法可重构系统的SCA设计方案,并在OSSIE平台上仿真实现。仿真结果表明,文中所提设计方案实现了DBF算法可重构,同时提高了系统的抗干扰能力。     

IIR系统的自适应横向滤波辨识

用自适应线性组合器匹配IIR型离散系统,通过拟合系统传递函数来辨识系统参数;比较了该法与自适应递归算法的动态性能,数值仿真结果证明该法的有效性.     

基于NSGA-Ⅱ多目标优化的C2组织设计

把NSGA-Ⅱ算法用于求解C2组织设计问题.分析了C2组织设计常见处理算法在优化目标处理和算法流程两方面存在的问题,给出用NSGA-Ⅱ算法求解C2组织设计问题的算法设置.把NSGA-Ⅱ这样一种多目标优化算法引入C2组织设计问题,改变了以往研究此类问题时只能定义单个指标的情况,使领域专家能定义和研究新的优化目标.针对C2组织设计问题的特性做了调整后,实验结果数据表明NSGA-Ⅱ可以迅速地同时得到高质量和富有启发性的一群优化结果.     

协同反潜指控决策建模及优化研究

介绍了多目标优化模型.建立了协同反潜作战中目标威胁度和射击有利度模型,将遗传算法引入到指控决策优化过程中.设计了基于遗传算法的指控决策优化算法,并对算法作了适应度值乘幂变换和保存最优个体策略方面的改进.以编队协同防御为例,得到了未改进的遗传算法和改进的遗传算法的优化结果,并对两种方法的优化效果进行了比较,比较结果表明:无论是从算法的收敛速度还是寻优率方面,做过改进的算法都较未改进的算法优越.通过选择不同的初始种群进行多次试验的方法,验证了优化结果的正确性.