遗传算法在防空导弹火力优化分配中的应用

介绍了遗传算法的基本原理、算法设计并结合遗传算法主要解决了如何把目标分配给火力单元的问题,编写了相应的程序,并给出了一个基于遗传算法的火力优化分配方案。     

基于进化搜索策略的并行子空间设计算法

并行子空间设计是一种有效的多学科设计优化算法,但其搜索策略存在两点不足:一是寻找全局最优解能力有限,二是计算复杂。为弥补上述不足,将遗传算法应用到CSD算法中,提出了一种基于进化搜索策略的CSD算法。介绍了该算法的设计流程,应用该算法对一测试问题进行了优化,取得了满意结果。     

基于GA-PSO的目标分配问题研究

防空作战中的目标分配问题属于NP完全问题,在综合考虑火力单元作战效能和防御效能的基础上,引入火力单元综合有利度,建立了一种用于大规模多火力单元对抗多轮次目标的静态目标分配模型,给出了基于GA因子的改进PSO算法,并将算法应用于目标分配模型的求解,通过VC 6.0编程和计算机仿真验证了模型的可行性和算法的有效性.     

一种可进化人工神经网络的结构设计及其在舰船雷达目标识别中的应用

设计了一种基于GA的带有可进化性的ANN的体系结构,并将该结构应用于舰船雷达的目标识别中。实验结果表明,经GA的优化搜索,这种经过改善的有进化能力的ANN结构,在舰船雷达目标识别中取得了较好的效果.     

基于联合相似测度的SAR图像边缘点特征配准方法

针对SAR图像配准过程中几何变换影响特征匹配稳健性和适应性的问题,提出了一种在特征匹配过程中直接解算几何变换模型的边缘点特征配准方法。利用SAR图像边缘点的梯度和方向特征,基于像素迁移思想,定义了图像匹配的联合相似度——联合特征均方和(SSJF),并建立了SAR图像边缘点集相似性匹配准则;基于方向模板提出了改进的ROEWA算子;利用改进的遗传算法(GA)来进行相似度的全局优化搜索,获取配准模型参数;利用多幅SAR图像的配准试验,对本文方法的性能进行了验证。     

基于云模型空空导弹攻击区的拟合方法

利用云模型随机性和稳定性的特点,由Y条件云发生器生成交叉算子,基本云发生器产生变异算子,对传统遗传算法进行优化,提出一种基于云模型的遗传算法空空导弹可攻击区拟合的新方法。通过对某型空空导弹攻击区的拟合计算表明,该方法提高了攻击区的拟合精度,降低了拟合多项式系数的数量,减少了占用的计算机内存空间,拟合结果具有较好工程应用前景。     

基于战例数据的制胜要素选择方法

针对战争制胜机理定量研究需求,提出了一种基于混合评估的制胜要素选择算法。针对战例数据特点,该算法选择两种过滤方法分别从不同方面对要素全集进行评估排序而后加权得到综合排序结果;将结果作为遗传算法的初始种群,而后以分类精度作为个体适应度函数。选择几种典型的分类器综合比较,筛选出规模较小、性能较好的要素子集。测试结果表明,该算法不仅能有效地减少要素子集规模,还可以进一步提高制胜机理分析模型的准确率和效率。     

改进型概率地图航迹规划方法

针对在线航迹规划对时间和内存要求较高,提出一种基于遗传算法的改进型概率地图算法。该方法引入分层规划的思想,在离线航迹规划时,利用遗传算法找到最优初始航迹并建立航迹走廊,以此来缩小概率地图的规划空间。概率地图方法在缩小后的空间中建立概率地图,自由线路数量大大降低,同时使得在线航迹规划搜索范围减少,时间缩短。仿真实例表明,该方案比传统PRM更能满足在线航迹规划的要求。     

基于遗传算法和神经网络的混合自学习策略

通过对神经网络自学习方法和基因遗传算法的研究 ,采用自适应基因遗传算法对神经网络进行训练 ,形成基于遗传算法和神经网络的混合自学习策略 ,克服了神经网络自学习方法的不足 ,提高了系统的自学习能力     

随机动态规划的混合算法研究

针对随机条件下动态规划模型的主要特点,运用智能算法混合编程理论,设计了一种探索多阶段决策问题的智能混合算法.该算法首先将问题转化成一族同类型的一步决策子问题,然后利用随机模拟和遗传算法,依据训练样本形成的训练神经元网络,在单步决策中寻求最优策略和最优目标值,逐个求解,再据初始状态逆序求出最优策略序列和最优目标值.仿真结果表明,该算法具有一定的通用性,初始设计点可以随机产生,其计算精度不因函数的非线性强弱而受影响,对目标和约束的限制较少,可应用于多种形式的随机多阶段决策优化问题,较好地满足了随机动态规划模型求解和优化的要求.