基于粒子群算法的装备预防性维修策略研究

为解决实战化条件下装备损耗严重和装备完好率之间的矛盾,立足实际提出加大预防性维修力度.根据装备可靠性理论和寿命分布理论,对装备故障率和役龄进行分析,并引入役龄回退因子进行修正.以装备服役期内预防性维修成本最低为目标函数,以可靠性为约束条件,建立预防性维修策略优化模型.采用粒子群算法对模型求解,并进行算例分析,得到装备在服役期内的最优预防性维修次数和时间间隔,证实了预防性维修模型的可行性和实用性.     

基于分层强化学习的联合作战仿真作战决策算法

如何对复杂装备体系进行有效的认知决策,一直以来都是联合作战研究领域中的热点与难点,采用一种具有较强适应性的决策算法,对于应对战场突发状况具有重要意义.通过结合近端策略优化和分层强化学习,提出了一种基于分层强化学习的联合作战仿真作战决策算法,以空地一体化联合作战为背景进行作战想定,结合自主设计的作战原型系统,分析了武器装备体系作战决策流程,对分层强化学习的层次结构、奖励函数的设计、决策网络结构和训练方法进行了详细说明.通过自主开发的仿真平台对算法的有效性进行验证,为联合作战中指挥决策的适应性机制问题提供较为有效的解决方法和辅助参考价值.     

基于改进NSGA-III算法的动态武器协同火力分配方法

针对防御场景下的动态武器协同火力分配问题,将其转化为多目标约束组合优化问题,在考虑资源约束、可行性约束的前提下,以我方损失最小、消耗资源最小为原则,对敌方目标造成最大的伤害.基于此,在NSGA-III算法的基础上提出基于A-NSGA-GKM算法的动态武器协同火力分配方法,通过遗传K均值聚类算法对初始参考点进行自动分组聚类,用聚类中心代替原参考点,引入基于惩罚的边界相交聚合函数代替原垂直距离,进一步提升原始算法的收敛性能,引入自适应机制保证优秀的解结构.最后,通过实验仿真表明所提优化算法具有较高的收敛性,该方法能够有效地解决动态武器协同火力分配优化问题.