分布式遗传模拟退火算法的火力打击目标分配优化

根据火力打击规则,建立了多目标函数的目标分配模型,提出了分布式遗传模拟退火算法对模型进行求解。分布式遗传模拟退火算法基于经典遗传算法进行改进:将单目标串行搜索方式变成多目标分布式搜索方式,适用于多目标寻优问题求解;采用保留最优个体和轮盘赌相结合的方式进行个体选择,在交叉算子中引入模拟退火算法,使用自适应变异概率,较好地保持算法广度和深度搜索平衡。最后,通过仿真实验验证了算法的有效性和可靠性。     

基于改进人工鱼群算法的反TBM目标分配策略

反TBM目标分配是防空反导作战指挥决策的关键问题,限制影响因素多,实时准确度要求高。为提升反TBM目标分配效能,构建了目标分配模型,通过引入交叉变异算子,并结合模拟退火算法,对人工鱼群算法进行改进,仿真分析表明,算法的搜索能力和收敛速度得到了提高。     

资源约束条件下的空中兵力编组＊

通过对空中兵力的合理编组,实现作战资源的优化配置是提升兵力作战效能的有效途径。针对现代空战编队对抗过程的特点,从战术企图和信息优势角度提出了编队目标威胁评估方法。以编队目标为研究对象从宏观上调配己方作战资源,提出了作战资源成本和兵力调度成本2种兵力编组成本,在此基础上建立了资源约束条件下的兵力编组优化模型,并采用改进PSO算法对模型进行求解。作战想定仿真结果表明兵力编组模型能够有效解决空战兵力分配问题。     

资源约束条件下的空中兵力编组

通过对空中兵力的合理编组,实现作战资源的优化配置是提升兵力作战效能的有效途径。针对现代空战编队对抗过程的特点,从战术企图和信息优势角度提出了编队目标威胁评估方法。以编队目标为研究对象从宏观上调配己方作战资源,提出了作战资源成本和兵力调度成本2种兵力编组成本,在此基础上建立了资源约束条件下的兵力编组优化模型,并采用改进PSO算法对模型进行求解。作战想定仿真结果表明兵力编组模型能够有效解决空战兵力分配问题。     

基于排队论的防空兵力部署优化模型

兵力部署优化问题是防空指控系统的重要研究内容之一。针对多型防空武器多层多区段混合部署问题,对异型空袭武器和防空武器基于作战效能标准化处理,基于排队论给出空袭武器的突防概率计算模型,将防空武器系统综合防御效能作为优化目标,建立多型防空武器扇形部署优化模型。仿真实验验证了优化模型的有效性和合理性,可为科学制定兵力部署方案提供参考。     

防空群掩护固定目标兵力区分模型构建

兵力区分是防空兵战斗部署的重要环节。传统的区分方法过于笼统,同时针对性不强。对防空群掩护固定目标时兵力区分的原则、方法和程序进行了探讨,并按照目标重要程度排序空袭兵力需求分析防空兵力需求分析兵力分配的思路建立了防空群兵力区分的数理模型。     

舰艇编队协同反导火力分配的改进多目标粒子群算法

为提高协同反导时的多目标火力分配计算能力,首先建立了火力分配多目标数学模型;然后,针对火力分配多目标规划具有的线性不等式约束条件难以使用多目标粒子群优化算法、粒子群算法自身存在的盲目搜索等问题进行了改进,并明确了计算流程;最后,对算法进行了仿真实验,仿真实验表明:改进的多目标粒子群算法求解多目标火力分配规划模型得到的非劣解集可构成Pareto前端,且非劣解集的适应度最大值随迭代步数演变具有稳定的收敛性,验证了改进多目标粒子群算法的有效性.     

多无人机协同攻击目标决策

论文针对多架无人机相互协作攻击多个敌对目标的武器目标分配决策问题进行了研究。利用层次分析法（AHP）和灰色关联分析法评估了威胁指标的权重,针对协同攻击空战模型中受威胁大的无人机无需参与攻击,而采用机动躲避策略的特定情况提出了一种启发式遗传模拟退火（HGASA）求解算法,实现了武器目标攻击决策的求解。仿真实验表明,本文提出的HGASA算法对决策方案的求解速度和求解质量与现有的遗传算法(GA)、模拟退火算法(SA)等算法相比均有明显提高。     

多机协同空战目标分配算法研究

多机协同作战已成为现代空战的主要形式,对其进行研究的重要性业日趋明显.通过对多机协同空战中目标分配的分析,建立了目标优化分配的数学模型,而后用标准遗传算法来求解该问题,最后通过应用"优势"基因遗传算子对遗传算法进行改进.仿真结果表明该算法能有效解决分配问题,而且"优势"基因遗传算子能够大大提高搜索效率.     

发射与制导分离的编队协同防空目标分配决策

为解决舰艇编队协同防空中发射和制导分离时的动态目标分配问题,以编队生存概率最大、目标突防综合威胁值最小和制导单元分配效益最优为最优函数,建立了动态多目标优化分配决策模型及状态的动态更新方式.采用多项改进措施设计了动态多目标粒子群优化求解算法及流程.仿真结果表明,所建立的目标分配模型能较好地解决舰舰协同防空中火力通道固定和分离时的不同分配问题,并得到了一些有益结论.     

装备维修资源优化中的模拟退火遗传算法

在对模拟退火遗传算法改进的基础上,结合建立的通信装备维修资源分配模型,给出了该算法的实现过程,并利用此算法对模型进行了最优化求解。实例的计算结果表明该算法对于模型的求解具有较好的收敛性。     

基于禁忌退火算法的巡航导弹航迹规划

针对巡航导弹航迹规划这个复杂的优化问题,一个禁忌退火混合优化算法被提出.首先,该算法是以基本模拟退火算法为基础.其次,为了加快该模拟退火算法的收敛速度,在恶化解的接受判断过程中,增加了一定动态的约束条件.最后,为了使最优解能够跳出局部最优的陷阱,使用了一个动态的禁忌表.仿真结果验证了该禁忌退火混合优化算法能够取得目标函数更优的航迹规划路径,从而有效提高巡航导弹的作战效能.     

一种模拟退火伪并行遗传算法

借鉴模拟退火算法的局部搜索能力,结合并行计算的思想设计了一种采用模拟退火机制的实数编码自适应交叉、全概率变异伪并行遗传算法,最后用这种方法对典型的多峰值函数求极值,并和基本遗传算法进行比较,结果表明:该算法具有较强的全局搜索能力和局部搜索能力,能够更有效地克服早熟收敛问题。     

求解非线性规划的小生境遗传模拟退火算法

提出了用小生境遗传模拟退火算法求解带复杂约束的非线性规划问题。首先分析了遗传算法＂早熟＂收敛以及局部搜索能力弱的不足,由此引入小生境以增加种群多样性,并抑制＂早熟＂收敛现象,同时引入模拟退火算法以增强局部搜索能力,改进进化后期收敛速度慢的不足,最后结合典型非线性规划算例验证了混合算法的效率、精度和可靠性。     

Using hybrid metaheuristics for the one‐way and two‐way network design problem

A network with traffic between nodes is known. The links of the network can be designed either as two‐way links or as one‐way links in either direction. The problem is to find the best configuration of the network which minimizes total travel time for all users. Branch and bound optimal algorithms are practical only for small networks (up to 15 nodes). Effective simulated annealing and genetic algorithms are proposed for the solution of larger problems. Both the simulated annealing and the genetic algorithms propose innovative approaches. These innovative ideas can be used in the implementation of these heuristic algorithms for other problems as well. Additional tabu search iterations are applied on the best results obtained by these two procedures. The special genetic algorithm was found to be the best for solving a set of test problems. © 2002 Wiley Periodicals, Inc. Naval Research Logistics 49: 449–463, 2002; Published online in Wiley InterScience (www.interscience.wiley.com). DOI 10.1002/nav.10026     

武器-目标分配问题的贪心模拟退火算法

针对已有算法解决WTA问题时存在的缺点,提出将贪心机制应用于模拟退火算法解决该问题的思路,即贪心模拟退火算法;通过合理设置模拟退火算法中冷却进度表的各项参数,提高最优解的质量和求解效率。通过在计算机上仿真运行多个战例取得了良好的分配效果,结果表明该算法运算速度较快,结果精度较高,可为作战指挥自动化决策提供科学、有效的支持。     

基于贝叶斯混合博弈的空袭火力资源分配决策模型

从博弈论的角度出发研究空袭火力资源的分配问题,针对空袭编队和防空火力单元攻防对抗过程中存在的不确定性、静态性以及动态性,建立基于贝叶斯混合博弈的空袭对抗火力分配模型。通过构造贝叶斯混合博弈树,采用逆向回溯法分别建立不同的博弈分析模型,利用混合粒子群算法求解那什均衡。仿真结果表明:以博弈论为背景研究空袭作战火力分配问题,符合真实的作战坏境,有效性好,有较高的理论应用价值。     

基于遗传模拟退火算法的OFDMA系统资源分配

针对多用户OFDMA系统,提出了一种基于遗传模拟退火算法的多用户OFDMA系统资源分配策略。在资源分配时,首先假设总功率在载波间均等分配,随后根据比例速率要求确定每个用户需要的子带数,最后引入遗传模拟退火算法求解联合优化中的子带分配,在保证用户间公平性的前提下最大化系统吞吐量。仿真结果表明,该策略系统容量较大,并且近似满足了不同用户间传输速率比例性要求。     

A cooperative interference resource allocation method based on improved firefly algorithm

To deal with the radio frequency threat posed by modern complex radar networks to aircraft, we researched the unmanned aerial vehicle (UAV) formations radar countermeasures, aiming at the solution of radar jamming resource allocation under system countermeasures. A jamming resource allocation method based on an improved firefly algorithm (FA) is proposed. Firstly, the comprehensive factors affecting the level of threat and interference efficiency of radiation source are quantified by a fuzzy comprehensive evaluation. Besides, the interference efficiency matrix and the objective function of the allocation model are determined to establish the interference resource allocation model. Finally, A mutation operator and an adaptive heuristic are integtated into the FA algorithm, which searches an interference resource allocation scheme. The simulation results show that the improved FA algorithm can compensate for the deficiencies of the FA algorithm. The improved FA algorithm provides a more sci-entific and reasonable decision-making plan for aircraft mission allocation and can effectively deal with the battlefield threats of the enemy radar network. Moreover, in terms of convergence accuracy and speed as well as algorithm stability, the improved FA algorithm is superior to the simulated annealing algorithm (SA), the niche genetic algorithm (NGA), the improved discrete cuckoo algorithm (IDCS), the mutant firefly algorithm (MFA), the cuckoo search and fireflies algorithm (CSFA), and the best neighbor firefly algorithm (BNFA).     

两段探测目标的传感器任务调度问题0-1规划模型及算法

为解决指挥系统控制中的调度困难,研究了一类特殊的传感器资源调度问。主要分析了跟踪目标的探测次数、时间间隔和传感器资源等约束条件。用跟踪目标的重要程度之和作为目标函数,建立了一个0-1规划的数学模型,再利用变换将其转化为0-1线性整数规划模型。利用割平面法求解得出最优调度策略,其能在工作量饱和的情况下合理调度传感器资源。为提高求解速度,提出了对应的模拟退火算法。通过对一些不同规模实例的求解,在资源利用率和算法的求解速度等指标上,与割平面法及遗传算法进行对比分析,验证了模型的有效性和模拟退火算法求解的高效性。