基于遗传算法的目标分配问题研究

通过对地空导弹部队射击指挥中目标分配问题的分析,建立了目标优化分配数学模型。在此基础上,给合遗传算法对模型进行求解。通过在具体实例中的应用表明,采用遗传算法为有效地解决这一复杂组合优化问题提供了一种新途径。     

非线性最小二乘算法在双基地雷达目标定位中的应用

双基地雷达的目标定位解是一个非线性优化问题,引入了高斯-牛顿迭代法解非线性最小二乘方程组,为了提高迭代的收敛性和目标位置解的准确性,采用精度最高的一组测量子集单元解算出的定位解作为迭代初始值,并充分利用了所有的观测信息.仿真结果表明,采用该种算法迭代次数少,比简化加权最小二乘算法(SWLS)有更准确的目标定位解,从而使得整个受控区域内的定位精度有较大提高,定位性能得到优化和改善.     

VNS和SA相结合的指挥控制资源部署

针对指挥控制资源部署问题,引入任务复杂度来定义决策实体的工作负载,并建立以最小化决策实体工作负载的均方根为目标的优化模型。针对传统的层次聚类法容易陷入局部最优,提出了一种变邻域搜索(Variable Neighborhood Search,VNS)和模拟退火(Simulated Annealing,SA)相结合的具有全局性的求解方法,使用VNS进行全局寻优,使用SA对VNS中的邻域进行局部寻优。最后通过一个联合作战案例的平台调度方案,验证了所提方法的优越性。     

一种面向复杂系统的模糊可靠性分配方法

针对系统研制初期的不确定的约束条件与设计目标 ,进行了复杂系统模糊可靠性分配建模 ;结合遗传算法理论 ,考虑了一般系统的求解 ;实例分析验证了所提出方法的性能和可行性 .     

基于云遗传算法的防空导弹目标分配问题

针对传统遗传算法在防空导弹目标优化分配中存在的缺陷，提出了一种更为有效的云遗传算法。通过该算法对防空导弹目标分配模型进行仿真求解，得出防空导弹射击目标的最优目标分配方案。通过算例分析，云遗传算法相比传统遗传算法收敛速度快，搜索效率高出一倍左右，对产生局部最优解情况进行了合理有效的控制，可操作性、优越性更强。     

一种稳健的自适应IIR陷波器复数级联算法

针对背景噪声中多个复正弦信号的提取问题,提出利用二阶陷波器复数算法的级联来实现,并给出了一种自适应级联算法.基于对软件复杂度和计算量的考虑,在这种算法的基础上又给出一种改进的二阶自适应陷波器级联的复数算法,大大降低了系统复杂度和计算量.仿真实验表明,两种陷波器级联算法均能很好地提取背景噪声中的复正弦信号,并准确估计复正弦信号的频率.     

自适应变异遗传算法在通信网络时延和路由选择优化中的应用分析

在遗传算法中采用自适应的方法来控制变异操作,可以提高算法的全局搜索能力,加快收敛速度,从而可以迅速地求解组合优化问题,并在进一步求解计算机通信网优化问题中得到成功应用.     

基于动态罚函数遗传算法的电磁探测卫星多星规划方法

针对电磁探测卫星的特点,考虑其主要约束条件,建立了多星联合规划数学模型,提出了基于遗传算法的电磁探测卫星多星规划算法.为处理遗传算法迭代过程中产生的不可行解,引入了基于罚函数法的约束处理方法.针对罚函数法中惩罚系数难以确定的特点,设计了惩罚系数自适应调整的动态罚函数机制.根据模拟的数据进行实验及分析,表明该方法能有效解决电磁探测卫星多星规划问题.     

基于贝叶斯网络的空中目标威胁估计算法

联合作战条件下,指挥决策人员在海量描述战场态势的数据和信息面前往往会束手无策,无法快速作出正确的决策。贝叶斯网络模型是一种基于概率推理的网络化数学模型,能够通过一些变量的信息来获取其他的概率信息,从而解决不定性和不完整性问题。提出了一种基于贝叶斯网络的空中目标威胁估计算法,用空中威胁网络模型找到空中威胁目标各属性之间的潜在关系,并建立空中目标威胁估计算法,最后以一个实例来验证该空中目标威胁估计的计算过程和有效性。     

考虑空间几何关系的反交会规避机动方法

针对具有自主接近能力的航天器开展反交会规避机动方法研究。建立仅测角相对导航模型,对完全不可观测机动进行定义,基于空间几何关系推导并证明了完全不可观测机动是不存在的。以施加规避机动后追踪器对逃逸器的测量值与未机动时的差异为优化目标,利用矢量乘积原理设计目标函数,建立优化模型并对变量约束进行分析,随后采用遗传算法对最优规避机动方向进行优化。给出的仿真算例结果表明:提出的规避机动方向计算方法能够使目标函数值达到最小,从而提升追踪器对逃逸器的状态估计难度,降低其估计精度。这为规避机动问题研究提供了一种新的视角,可为以主动接近航天器为新对象进行的规避研究提供有益借鉴。