战时交通运输路径优化研究

以战时交通运输路径优化问题为研究对象,分析问题特点,考虑多式联运,以运输时间代价、运输费用代价、路段和运输节点的危险性代价为优化目标,建立起广义运输代价最小的运输路径优化模型,并设计了蚁群算法来求解问题模型。给出的算例表明,文中模型符合战时交通运输的特点和实际需要,可为确定战时运输路径提供决策支持,而采用的蚁群算法是求解该问题的一种有效方法。     

最小树的均匀传感网信息分发共享路径优化技术

针对均匀传感网中的协同探测信息分发共享路径优化与控制问题,引入图论中最小树的相关定义,建立数学规划模型,考虑节点任务优先级相同等约束条件,并研究了基于生长法的最小树矩阵求解算法,分析了算法复杂性;且用实例验证了该技术在均匀传感网信息分发共享路径优化中的适用性和易操作性;最后提出了值得进一步研究与探索的问题。     

交互网络上任意节点对的最短路径集解法

搜索交互网络中的最短路径是研究网络结构的重要内容,在常见的Dijkstr和Floyd算法中,只能获取一条最短路径.在交互网络上任意节点对之间的最短路径不止一条的情况下,运用Floyd算法对已知加权交互网络的最短路径进行求解,对获得最短路径后的每一个节点对,在其中插入已知交互网络中的其余所有节点,并计算此时的节点对之间的...     

基于DBSCAN聚类的异构多智能体分层任务分配方法

针对多约束条件下大规模探测/通信智能体集群协同探测任务分配问题,从全局与局部相结合的角度,提出了一种分层任务分配求解方法。首先,根据通信距离约束对所有任务节点进行聚类预分组,将集群任务分配问题划分为上层全局任务分配和底层局部任务分配。然后,根据聚类结果采用启发式算法求解探测/通信智能体组间全局任务分配结果。随后,根据探测智能体的全局任务分配结果,采用遗传算法对探测智能体组内任务进行分配。最后,通信智能体根据探测智能体的组内任务分配结果,采用基于虚拟节点的方法进行组内任务分配。实验结果表明,相较于直接求解方法,分层任务分配方法不仅解决了大规模集群协同任务分配问题,还可以在保证优化目标值相近的情况下,缩短70%以上的求解时间,较快得到相对最优的任务分配结果。     

随机网络的α最短路径问题

为了求解随机网络中满足置信度为α的最短路径问题,提出了一种BP神经网络遗传算法。首先给出了随机网络的定义,建立了α最短路径模型;然后采用BP神经网络拟合非线性函数,遗传算法优化BP神经网络输出的方法求解该问题。实验结果表明,提出的模型和算法能有效求解随机网络的α最短路径问题。     

基于NGA算法的舰载机机库出库调度优化

为了在复杂的机库环境中,尽可能缩短舰载机出库时间,优化其出库顺序,对舰载机多机出库调度优化问题进行了研究。首先,对该问题进行分析,建立了适合优化的数学模型。其次,设计了一种适合优化舰载机多机出库调度问题的算法—NGA算法,该算法是在遗传算法(GA)的基础上,对原有交叉和变异策略进行改变以适应所求解问题,并融入执行路径探测和规划的通视图算法后形成的。最后,分别将该方法和枚举法应用于求解尼米兹级航母舰载机多机出库调度优化问题T4。仿真结果为基于NGA算法所得的最短出库时间为801 s,最短移动距离为1 098.3 m;基于枚举法结果为800.4 s和1 097.6 m。由结果可知,NGA算法计算结果与枚举法相差较小,可以应用于求解舰载机多机出库调度问题。     

网络势能合作博弈——一种求最优路径问题的新方法

最优路径算法广泛应用于物流规划、自动驾驶等实际场景。当交通网络复杂度增大时,算法的效率尤为重要。设计了基于网络势能合作博弈模型的分布式算法,将道路网络模拟成电路,利用电路中电阻最小路径电流最大的原理求解最优路径问题。该模型通过分量迭代,计算出每个节点的势能值,进而计算出节点间的电流值,确定从起点到终点的最大电流路径为最优路径。通过实验验证了模型的可靠性,其计算效率远高于Dijkstra算法。     

运用动态规划的智能卫星集群星间通信路由算法

通过建立智能卫星集群网络模型,把智能卫星集群星间通信路由问题转换为时延最短路径问题,进而提出一种求解此问题的智能卫星集群星间通信路由算法.该路由算法采用动态规划策略分阶段规划智能卫星集群两个成员之间的星间通信路由,在每个规划阶段,负责发送数据的智能卫星自主调用一种星间通信路由静态规划算法,以求出其在当前时刻的后继卫星来...     

针对应急救援路径规划的一种改进蚁群算法

针对不返回起始点、多个待救援点的应急救援路径规划问题,提出了一种应急救援路径规划的改进蚁群算法,设计了一种新的路径构造方法,为蚁群算法求解该类问题打下了基础。为提高收敛性,改进了信息素更新规则,构造了一种与蚁群算法有效结合的局部搜索算法,提高了算法快速寻优的能力。仿真结果表明:改进蚁群算法能够快速找到一条从救援中心到多个待救援点的优化路径,且收敛速度和最短路径较同类算法更优。     

装备器材保障资源调度决策模型及算法

装备器材保障资源调度问题是一个非常复杂的问题,根据其优化目标要求,从保障时间最短、保障耗费最低、安全性最高3个方面建立了该问题的多目标优化模型,并通过目标优先度决策将其转化为单目标模型;接着,采用两阶段法进行求解,将其分为最优路径决策、器材分配决策两个阶段进行决策优化,在明确资源点到需求点之间的最优路径后再进行器材资源的分配;并分别采用基于小生境的自适应遗传算法和基于生成树的遗传算法进行求解。通过实例分析,求解结果能够满足装备器材保障的要求,表明所构建的决策模型和算法是有效的。     

考虑供应损失的战场供应网络设计

通过优化分发节点的位置,以及分发节点或供应节点与作战单元的物资供应关系,来最小化战场物资保障的成本,建立战场供应网络的整数规划模型.设计了拉格朗日启发式算法来求解该问题,最后通过包含20个供应节点、80个候选分发节点和200个作战单元的大规模优化问题验证了算法的有效性,计算结果显示本文设计的求解算法可以在短时间内计算出问题的近似最优解.     

基于多目标约束的基本保障单元人力资源优化研究

针对装备维修工作中基本保障单元的人员优化问题,在维修过程中为保证以最少的人员在最短的时间内完成预定的维修任务,分析了修理工期与人员数量的关系,应用多目标约束理论建立了工期人员优化的多目标数学模型,通过预处理将模型转化为路径组合优化问题,并用改进的蚁群算法对模型的求解进行了研究,最后通过实例验证了优化模型及求解方法的有效性和实用性。     

基于蚁群算法的装备保障路径规划模型

现代战争中装备保障路径规划中路径网络节点多和要优化的制约因素等问题成为装备保障仿真的难点,传统的蚁群算法寻找最优解,往往找不到满意的解。为了提高寻优效率,尽量减少装备保障中待保障装备战斗力恢复等待总时间,对基本蚁群算法进行改进。首先建立装备保障路径规划模型,然后基于基本蚁群算法,重新设计了启发信息的计算方法和信息素的更新函数,对路径节点的选择方法进行改进,最后通过一个具体的装备保障路径规划问题对传统的和改进的算法进行算例分析。计算结果表明,所采用的改进的蚁群算法可以更好地解决装备保障路径规划问题,有效减少待保障装备恢复战斗力之前等待的时间和保障分队经过的总路程。     

四种智能算法的比较研究

随着智能算法的研究深入,一些新的智能优化算法不断被提出,包括从遗传算法、蚁群算法、粒子群算法、人工鱼群算法等。这些算法都是从自然界的自然生物的特性启发而研究出来的,由于这些算法在求解时不依赖于梯度信息,因而特别适用于传统方法解决不了的大规模复杂问题。通过这些算法的介绍和分析,并通过测试函数测试了四种算法的收敛性、收敛速度和精度,评价了这些智能算法在求解函数优化问题的能力。最后对优化算法今后的发展方向进行了评述与展望。     

面向卫星的在轨服务任务规划方法

针对空间在轨服务日趋成熟以及在轨服务现实需求增长的背景,以在轨服务航天器为研究对象,研究面向卫星的在轨服务任务规划问题,探讨如何合理安排与调配在轨服务资源。将问题分解为在轨服务资源分配和在轨服务路径规划两层,并建立双层优化数学模型。设计在轨服务任务规划算法求解问题,包括基于多种群并行进化的混沌遗传算法和基于全局坐标转换的NSGA-Ⅱ+GSDE算法,并通过仿真结果对比分析,验证算法的可行性和有效性。     

求解大规模TSP问题的带导向信息素蚁群算法

蚁群算法已在各种优化问题中取得成功应用,但在求解大规模TSP问题时存在时间、空间复杂性大,搜索过程导向性不强易陷入局部最优和局部搜索策略效果不佳等缺点。针对以上问题,提出了一种具有导向信息素的蚁群算法(Ant Colony Algorithm With Oriented Pheromones,OPACA),利用问题本身的聚类特性简化问题规模后求解全局最优路径,后利用全局最优路径初始化导向信息素,并引入启发式的局部搜索策略求解原问题。仿真实验表明,改进算法的搜索全局最优能力与稳定性显著增强,相比同类算法有更佳的准确率及收敛速度。     

基于模型预测控制的无人机避障路径规划方法

针对无人机飞行过程中避障问题,提出了一种基于模型预测控制的无人机避障路径规划方法。通过对无人机平台模型进行分析,构造了无人机状态空间预测模型。为保证路径规划过程输出的平稳性,采用一阶指数变化形式作为无人机飞行路径的参考轨迹。设计了预测模型调整策略,并给出了参数调整流程,以能力-时间组合最优为目标,建立了无人机避障路径优化模型,采用有限时域优化的滚动优化算法对无人机避障优化模型进行了求解。算例仿真结果表明,该算法可有效解决无人机飞行路径的避障问题。     

多级网络物资预置—前送模型及改进布谷鸟搜索算法研究

针对战时物资前送优化决策问题,较多对两级网络下的"多点对单点""多点对多点"问题进行研究,较少对多级网络下、多节点转运前送、多式联运前送、物资协同补给问题进行系统性、综合性的研究.立足战场实际,针对后方物资、预置物资、作战部队组成的三级网络的预置协同补给问题,进行定量化、模型化研究.在满足硬时间窗基础上构建了以运输风险度最小为目标的双层指标模型.针对所建立模型具有高维组合优化的特点,设计了基于粒子群算法改进的布谷鸟搜索算法,并用不同规模算例对算法性能进行了测试.结果表明,所建模型符合战场实际,设计的算法具有较好的适应性、稳定性、精确性,能在较短时间内对所建模型进行有效求解,为决策者提供科学依据.     

人工免疫算法在火力分配上的应用

人工免疫算法是新兴的智能计算方法,已被用于解决网络安全、模式识别、函数优化、遗传算法等领域的问题.为解决传统火力分配模型不易求解的问题,将人工免疫算法引入其中.简要分析了火力分配问题的数学模型,采用类比的方法构造了相应的人工免疫算法,比较了人工免疫算法和遗传算法的异同,并用人工免疫算法求解了该问题.结果表明该方法计算速度快、精度高,为解决火力分配问题提供了参考.     

战场不确定环境下考虑敌方打击的后勤供应网络设计

在战场环境下,负责后勤物资分发与转运战场补给中心随时会受到敌方的打击,给后勤供应系统的设计优化带来了巨大挑战。鉴于此,研究了战场不确定环境下的后勤物资供应网络设计优化问题,考虑了供应和需求的不确定性,建立了优化问题的整数规划模型,并开发了基于拉格朗日松弛的启发式求解算法。采用50个小规模的测试用例(包含5个供应节点、20个候选补给中心节点以及50个作战单元节点)和50个大规模测试用例(包括20个供应节点、100个后勤补给中心节点以及500个作战单元节点)测试了算法的有效性与鲁棒性。计算结果显示基于拉格朗日的求解算法可以在短时间内给出问题的近似最优解。