改进蛙跳算法求解武器目标分配问题

针对武器目标分配问题,提出一种改进蛙跳算法来求解空间受限的武器目标分配。首先,基于武器目标分配原则建立多约束条件下武器目标分配模型,并将多目标优化问题转化为单目标优化问题;其次,采用基于非支配等级和拥挤度因子的精英选择策略改进初始种群的多样性和均匀度,提升算法最优解的质量;最后,通过合理的想定背景进行仿真计算,结果表明：该方法可有效平衡搜索时间和全局最优解质量,可作为编队防空作战时武器目标分配的一个不错选择,通过与SFLA算法和遗传算法进行比对分析,表明该算法相对SFLA算法求解的最优解质量高,相对遗传算法搜索效率高。     

合成分队双层主从决策模型研究

针对合成分队不同指挥层级之间的决策交互优化问题,提出了基于主从决策的双层武器目标分配模型。该模型能够体现上下指挥层级之间交互式决策协调优化的特点:上层目标为主攻方向我方遭受威胁最小,下层目标为对敌打击最大。结合合成分队作战决策的特点和要求,提出了一种求解该模型的改进型粒子群优化算法。仿真结果表明,该模型合理有效,改进的求解算法能够获得满意解。     

蚁群算法及其在火力分配问题中的应用

火力分配问题是指用一定数量的武器对一定数量的目标进行打击,如何根据武器性能和目标特性等一系列的因素,制定打击计划,使打击效果最好,满足打击需求,是我二炮部队火力运用专业的研究课题之一.火力分配问题是NP难题,经典的求解算法存在指数级的时间复杂度.采用蚁群优化算法,对该问题进行了研究.     

联合火力打击空军目标分配模型研究

目标分配是制定联合火力打击作战计划的首要问题。建立联合火力打击目标分配模型的前提是要有全军统一的毁伤标准和武器毁伤能力指标。利用效能指数和数学规划分四个步骤建立了联合火力打击中空军目标分配的模型和算法,为软件实现联合火力打击目标分配提供了理论基础。     

动态WTA问题的混沌人工鱼群算法

针对不同作战平台上多个武器单元对一批目标进行射击时的武器目标分配问题,建立了该问题的数学模型。采用混沌人工鱼群算法对动态条件下的武器目标分配问题进行求解,并设计一个实例进行仿真实验。仿真结果表明,在时间约束条件下该算法较遗传算法更具优越性,验证了混沌人工鱼群算法用于动态武器目标分配的有效性。     

模糊优化理论的武器-目标分配模型及求解算法

武器-目标分配问题是一个典型的NP完全问题,随着武器和目标数量的增多,以及分配结果评价标准多样性的存在,传统的优化求解算法如隐枚举法、割平面法、分支定界法等很难进行有效地求解。介绍一种基于模糊优选技术的多目标混合优化理论,运用该理论建立了多个指标下的最佳武器-目标分配模型,并将蚁群算法应用于对模型的求解,为解决复杂的武器-目标分配问题提供了一种有效方法。     

基于带精英策略遗传算法的舰艇编队目标分配

结合现代海战海军编队作战样式及作战武器的特点,建立了新的舰艇编队武器分配模型,将舰艇编队目标分配问题抽象化为多目标优化问题,该模型可以在保证我方重点目标得到保护的前提下,达到总体效果最优和总体耗损最小。采用带精英策略的快速非支配进化算法对舰艇编队目标分配问题进行求解。该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。该算法一次运行可以获得多个Pareto最优解,决策者可以根据实际战场环境选择最终满意解,为各目标函数之间的均衡分析提供了有效的工具。最后,通过仿真及与其他算法的对比证明了模型及算法的有效性。     

基于改进遗传算法的反舰导弹火力分配研究

反舰导弹是打击敌水面舰船的主要手段,多武器平台打击水面多目标时,如何合理分配导弹,使其充分发挥作战效能,构成反舰导弹的火力分配问题。建立反舰导弹火力分配模型,并提出一种基于改进遗传算法的导弹火力分配求解算法,在算法中采用十进制编码策略、适应度比例选择法和自适应变异概率。通过结合实例进行验证,证明了改进遗传算法可以有效快速地找到最优火力分配方案,为舰艇作战指挥决策提供参考。     

基于多目标鲸鱼优化算法的动态武器目标分配

针对传统动态武器目标分配模型以武器打击收益最大化为目标,考虑过于单一,并且现有智能算法在求解该模型存在收敛精度低的问题,提出一种非支配排序多目标鲸鱼优化算法(non-dominated sorting multi-objective whale optimization algorithm, NSMWOA)求解动态武器目标分配模型。首先为提高初始解的质量,引入2次logistic映射初始化种群,合并父代与子代个体,通过计算个体的非支配等级和拥挤度大小对个体进行排序,其次为筛选优秀个体,实验结果表明,在与NSGA-Ⅱ和MOPSO算法的对比中,非支配排序多目标鲸鱼优化算法函数测试中的得出Pareto前沿更接近真实Pareto前沿,寻优精度更高,在动态武器目标分配模型中,能够得出更优的分配方案。     

改进的人工蜂群算法求解武器目标分配问题

为了提高武器目标分配问题求解的效率与性能,提出一种求解武器目标分配问题的改进人工蜂群算法。针对武器目标分配问题模型的离散性特点,设计了解的编码方案,保证种群个体编码满足约束条件;通过控制种群编码熵的大小保证了初始化种群的离散性,加强了种群前期搜索的多样性;引领蜂采用同时保留最优蜜源与次优蜜源的方式,增大了种群局部寻优能力。仿真结果表明,在求解武器目标分配问题时,改进蜂群算法与传统优化算法相比收敛速度更快,求解精度更高,具有很好的应用价值。     

一种武器-目标分配模型及求解算法

武器-目标分配是拟制作战计划的一项重要内容,是合理运用现有武器系统,充分发挥其作战效能的关键.依据火力分配的基本要素,针对多种武器对多个目标的分配问题,运用一种基于模糊优选技术的多目标混合优化理论,建立了武器-目标最佳分配模型,然后用遗传算法来求解,并在计算机条件下对求解的效果进行了检验.     

改进粒子群算法的舰载武器目标分配

针对舰载火力打击中的武器目标分配问题,设计了一种改善的混合粒子群优化算法来求解。对粒子更新速度的最大值进行线性递减,使得前期加强全局寻优能力,后阶段提高收敛能力;采用异步变化的学习因子,以及基于正切函数的惯性权重改进法来解决全局搜索能力与收敛精度之间的矛盾;引进了遗传算法中的杂交算子并采取模拟退火思想更新粒子,避免得到局部最优解。仿真结果显示,设计的算法能有效适宜地求解武器目标分配问题。     

武器目标协同火力分配建模及算法

针对当前火力分配模型的不足以及实际作战的需求,对武器目标协同火力分配问题进行了研究,建立了火力分配层次结构;通过对火力分配原则的研究,结合打击目标选择和弹目分配,建立了以导弹武器作战效费比为总目标,以目标毁伤要求为约束的火力分配模型。采用遗传算法求解火力分配问题,根据问题的特点和问题中的启发信息,对遗传算法进行了改进。仿真结果表明,改进算法的性能有较大提高,可用于解决复杂武器目标分配这类非线性整数规划问题。     

基于改进鸽群优化的直升机协同目标分配

针对多直升机协同目标分配问题,建立了基于敌我相对态势的对地打击多目标的分配模型。引入多Agent系统机制,加快了有益信息在系统中的流动;并借助雁群成员在飞行中借鉴雁群整体经验的操作,来修正鸽群算法中地标算子的寻优方向,进而提出了基于多Agent的改进鸽群优化的问题求解策略。最后,以典型的直升机对地作战目标分配问题为背景,仿真验证了模型及其求解算法的合理性和有效性。     

基于多种群遗传算法的远程作战体系加油路径优化

为解决加油机在远程作战体系中的高效使用与经济性问题,推导了远程作战体系中加油机和歼击机的油耗方程模型,建立以耗油量最少为目标的空中加油路径优化模型。该模型基于一定的作战任务构想,利用多种群遗传算法进行了求解,从求解结果来看,该算法可以快速搜索到能够在所有满足作战任务要求的任务路径中寻找到最小消耗的位置坐标,以获得最大的作战效能,从而达到优化远程作战体系中的作战和训练中加油机使用问题。     

传感器/武器——目标分配问题的两种规划模型及求解

通过分析现代火力打击作战中传感器——目标分配与武器——目标分配间的相互关系,在武器——目标分配问题基础上提出了传感器/武器——目标分配问题.依据目标被毁伤概率的两种计算方法,给出了该问题的两种规划模型,在武器目标分配时一种模型考虑所有可能被截获的目标,而另一种模型则只考虑被传感器截获的期望目标集合.根据模型特点在应用遗传算法对问题进行求解时,设计了异体交换算子和段内交换算子等两种新的遗传操作算子.最后通过仿真算例对两种模型进行了验证.     

基于并列选择遗传算法的舰艇编队目标分配问题

为了更好地解决舰艇编队火力最优分配问题,建立了新的舰艇编队武器分配模型,采用并列选择遗传算法实现舰艇编队武器分配问题的求解。解决了以往将武器分配问题抽象为单目标优化的局限性,在保证尽可能发挥我方火力优势使打击效果尽可能好的前提下,使敌方对我方的威胁最小。并列选择遗传算法简单,鲁棒性好,具有较强的全局搜索能力,可以实现对多目标的搜索,从而较好地解决了舰艇编队武器分配问题。最后,通过仿真验证了算法的有效性。     

一种基于改进r-NSGA-Ⅱ算法的联合防空问题算法

以传统动能武器及现代高能激光武器的防空反导作战为背景,建立了异构防御武器多战术目标的动态武器目标分配模型;在考虑指挥员抉择偏好的情况下,提出基于改进r-NSGA-Ⅱ算法的武器目标分配优化框架,给出具体优化流程;基于具体作战想定,设计实验将改进r-NSGA-Ⅱ算法与NSGA-Ⅱ、NSGA-Ⅲ、MOEA/D等经典算法在收敛性、分布性与时间复杂度等性能指标方面进行对比分析。实验证明,改进r-NSGA-Ⅱ算法在保证计算效率的情况下可以更好地反映指挥员的作战偏好与意图。     

改进MOPSO的联合火力打击目标分配

在舰载联合火力打击的武器-目标分配问题中,针对失败概率最小和使用武器最少原则,设计了一种改进的多目标粒子群优化算法(MOPSO)来进行分配的优化。将自适应变异方法用于更新外部档案集;随机挑选外部档案集内依据拥挤距离由大到小排在前5%的解当作全局最优值;通过利用改进的学习因子和惯性权重来更新粒子。仿真结果表明,设计的算法比带精英机制的非支配排序遗传算法(NSGA-Ⅱ)运行速度更快、求得的Pareto前沿解的精度更高,能有效地解决舰载联合火力打击目标分配问题。     

一种通用型舰载防空硬武器火力优化算法?

针对当前武器优化分配算法缺少通用性,难以兼顾效率和时间的问题,提出了一种通用型舰载防空硬武器火力优化算法。该算法首先提取各舰载武器能够攻击的目标集合,然后对各武器的目标集合逐一进行时间分配,并计算对目标的毁伤概率,最终完成所有武器的分配。计算表明,该算法具有很好的通用性和实时性,可适用于较大规模舰载防空硬武器的火力优化分配问题。