具有随机分形自适应搜索策略的蚁狮优化算法

针对蚁狮算法在平衡开发能力与探索能力不足的缺点,提出了具体有随机分形自适应搜索策略的改进算法。在该策略中,蚂蚁利用随机分形搜索方程提高算法的探索能力;蚁狮利用自适应搜索方程在最优位置进行精细搜索,以提高算法的开发能力。对3个单峰、3个多峰标准测试函数进行寻优,仿真结果表明,相比于其他算法,所提出的改进算法很好地平衡了自身的开发能力和探索能力,显著提高了全局优化能力和收敛速率。     

多普勒盲区条件下的目标点迹-航迹关联方法

机载预警雷达存在着固有的多普勒盲区问题,该盲区不仅易引起目标航迹中断和重起批,还容易引起数据关联的错误。基于此,提出了一种新的多目标点迹-航迹关联方法,该方法引入了由多普勒盲区造成的第二类空量测,将点迹-航迹关联作为最优二维分配问题求解,同时,为延长航迹寿命,采用多普勒盲区先验信息对传统航迹撤销准则进行了修正。仿真结果表明:在杂波、多目标环境且存在多普勒盲区的条件下,该方法航迹中断率较传统方法有明显下降。     

关于后勤装备定价问题的分析

制定合理的后勤装备价格,不但可以节省后勤装备采购费用,而且对于调动后勤装备承制企业积极性,确保后勤装备生产质量具有重要的意义.质量要求高、需求量小、固定成本投资大是导致后勤装备价格比同类民品价格高的主要原因.通过同种类型的民品与后勤装备的对比,分析二者盈亏平衡产量、盈亏平衡生产能力利用率、盈亏价格、成本、利润等影响产品定价的因素,利用量本利分析方法建立了相应的模型,说明了后勤装备定价应略高于同种类的民品,为后勤装备采购定价提供了科学的依据.     

基于强化学习的无人机自主机动决策方法

提出了一种基于连续动作集强化学习的无人机机动决策方法。通过Actor-Critic强化学习构架下的NRBF神经网络输出状态真实效用值与连续动作控制变量,效用值与动作控制变量的输出层共用隐层以简化网络结构。结合相对熵理论设计隐层节点的自适应调整方法,有效减少了隐层节点数目。对输出动作控制变量,采用基于高斯分布的连续动作选择策略,并依据训练次数调整随机动作控制变量的概率分布,提升了网络对未知策略的探索能力。在3种不同空战态势下的仿真验证了该方法的有效性,结果表明该方法生成的策略鲁棒性较强,动作控制量更加精确。     

多无人作战飞机编队空战智能决策方法

针对多无人机编队空战战术决策问题,提出了基于案例推理(CBR)和规则推理(RBR)的战术决策方法。在剖析战术决策案例特征的基础上,设计了一种基于框架结构的案例表示方法,并引入结构相似度和云模型理论以改进传统的最近邻检索算法。最后,借用基于案例推理和规则推理设计的战术决策GUI界面,能够快速地从库中检索出与当前空战态势最匹配的战术决策源案例,仿真结果证明该方法具有较好的有效性。