多机协同多目标攻击的目标分配和攻击排序

研究了多机协同空战中多目标攻击的目标分配和攻击排序的过程和方法.首先通过对影响空战态势的因素进行分析,提出一种新的综合距离优势、角度优势和能量优势构造综合优势函数的工程方法,并利用综合优势函数计算出目标分配矩阵,然后介绍了在目标分配矩阵上进行多机协同目标分配和攻击排序的过程和算法,最后用仿真验证了该算法的有效性.     

多枚反舰导弹协同攻击在线目标分配

针对反舰导弹群协同打击在线目标分配问题,在多枚导弹区域覆盖攻击的基础上,建立多枚导弹在线目标分配模型,通过导弹与导弹之间的即时数据交互能力实现多弹协同攻击在线目标分配。     

自适应蚁群算法的多机协同空战目标分配方法

对目标超视距空战将是今后空战的主要形式和发展趋势,多机协同多目标攻击中的关键问题是空战决策.首先建立了空战态势评估方法,结合蚁群算法思想,提出了一种新型的目标分配算法模型,并进行了算法实验.实验结果表明基于自适应蚁群算法解决多机协同空战的目标分配问题是有效的,特别是问题规模较大时更显示出其较快的收敛速度和较高的精度.     

基于改进粒子群算法的协同多目标攻击空战决策

超视距空战和协同多目标攻击是空战的发展趋势,协同多目标攻击中的关键问题是空战决策。建立了协同多目标攻击空战决策的多目标优化数学模型,提出了一种改进的粒子群优化算法,并将其应用于空战决策。基本的粒子群算法是一个有效的求解连续优化问题的方法,结合遗传算法的思想,提出了直接对粒子进行交叉和变异操作来完成粒子更新的方法。仿真结...     

基于蚁群算法的目标优化分配

在众多影响目标威胁度的因素中选取几个具有代表性的,组成目标威胁度指标体系,运用模糊优选理论,得出目标威胁度.将所得出的目标威胁度、火力单元杀伤概率以及约束条件作为综合指标,结合蚁群算法,得出基于蚁群算法的目标优化分配模型,并进行仿真实验.实验结果表明,该算法收敛速率快, 能够较好地反映各因素对目标分配的影响,为指挥员的决策提供帮助.     

火力分配多目标优化的IBACO算法

应用蚁群优化算法(Ant Colony Optimization)求解多目标优化问题已经引起广泛关注,多目标火力分配问题的目标是求出一个合适的武器目标分配方案,使满足决策需要。建立了多目标火力分配的数学模型,提出一种基于指标的蚁群优化算法Indicator-Based Ant Colony Optimization),给出了算法的具体步骤。IBACO的核心思想是利用二元性能指标来引导人工蚂蚁进行搜索,由于该算法中的信息素是根据指标的值来更新的,通过奖励信息素可以强化最优解。仿真实验证明了该算法的有效性,在解决火力分配问题上,所提算法和蚁群优化算法相比具有较好的收敛性。     

基于改进鲸鱼优化算法的武器目标分配

针对鲸鱼优化算法寻优搜索精度低、易早熟问题,提出一种改进的鲸鱼优化算法,并将其用于对多约束的武器目标分配模型的求解.在鲸鱼寻找猎物阶段,通过引入差分进化算法的变异策略改善鲸鱼位置更新方式,提高算法全局寻优能力;引入自适应变量调整鲸鱼位置更新过程,平衡算法的全局探索和局部寻优能力,并在迭代过程中筛选并保留优秀个体;通过仿真结果表明,改进算法与其他算法相比,提高了武器目标分配收益和分配速度.     

遗传算法在多目标分配中的应用

饱和攻击是未来海战中常用的作战样式。在编队进行防空作战时,面对敌方来袭的多个目标,如何有效地分配我编队的武器,使作战效能达到最大?本文提出将遗传算法用于战术软件中的目标分配模块,搜索目标分配的最优方案。     

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。     

单机攻击多目标逻辑的遗传优化求解

攻击逻辑的优化决策对于机载多目标攻击武器系统具有重要意义。本文建立了单机多目标攻击逻辑的解算模型 ,提出了解算要求 ,给出了采用遗传算法求解多目标攻击逻辑的应用方案。在此基础上 ,采用该方案进行大量的试探性仿真研究 ,对仿真结果进行了分析 ,并选择了合适的遗传算法参数。文章最后阐述了用遗传算法求解多目标攻击逻辑问题的发展前景     

基于改进粒子群算法的联合火力打击目标分配研究

针对联合火力打击目标分配涉及影响因素多、存在大量参数和变量的特点,建立了联合火力打击目标分配模型,采用改进的粒子群算法探讨了目标最优化分配问题。对粒子群算法中解空间存在的可能解进行编码,将可能解进行交叉、变异和选择操作得到新的粒子个体,不断迭代,从而得到可行的最优解。通过对一个作战想定的多次仿真,进一步表明了算法的可行性和有效性,为指挥员科学决策提供了依据。     

CEC条件下舰艇编队目标武器分配研究

在分析CEC条件下舰艇编队目标武器分配模式的基础上,综合运用MAS理论与方法,建立了舰艇编队目标武器分配MAS模型,即利用Agent描述舰艇编队的各种物理资源或逻辑资源,通过网络及Agent通讯协议将多个Agent连接成一个整体系统,设计了映射实体功能的Agent结构,从而为舰艇编队目标武器分配决策提供了一条新途径.     

考虑协同电子干扰效果的空战多目标分配

以多机协同多目标攻防对抗为背景,研究协同火力/电子战综合决策方法。提出雷达发现概率下降因子表示雷达发现能力的下降程度,来衡量电子干扰对目标威胁度的影响效果;以降低目标总体威胁为目标,建立了多机协同自卫有源压制电子干扰功率分配模型,并采用贪心算法进行求解;最后综合考虑电子干扰对目标威胁度的影响,改进了基于协同攻防的空战多目标分配算法。通过仿真分析证明该决策过程是可行的、有效的。     

舰空导弹协同攻击目标分配方法研究

根据双舰编队反导队形的配置和舰空导弹的战术技术性能,提出了针对多批目标的实时火力分配决策方法,根据当前态势和火力单元特性对需分配的目标进行静态实时火力分配,系统不断循环直至目标分配完毕,最后用实例进行了分析,计算结果表明了该方法的有效性.     

联合防空目标分配方案优化研究

目标分配是联合防空作战指挥决策的核心内容,是各级联合防空指挥中心的重要工作,其模型的合理性与可信性会对作战结局产生重大影响。为提高目标分配的合理性与可信性,对联合防空作战混合部署下的目标优化分配问题进行了详细分析,建立了相应的数学规划决策模型。为了有效获得问题的全局最优解,将改进遗传算法(GA)应用于数学规划决策模型的求解过程中,并给出了模型求解的方法和步骤,经实例应用,取得了满意的结果。     

创造性思维粒子群优化的武器目标分配

现代战争特点为防空作战中武器目标分配(WTA)问题的求解效率和质量提出了新的需求和挑战.建立了WTA问题模型,并选择粒子群优化算法(PSO)求解模型.针对PSO算法在求解WTA模型中出现的早熟收敛特性,从认知心理学角度进行分析,将创造性思维(CT)引入PSO的速度更新公式中,提出了一种基于创造性思维的PSO算法CTPSO.针对WTA模型的离散性特点,设计了编码与解码策略,及位置和速度矢量的离散化运算规则.实验证明了CTPSO算法在WTA问题求解质量和求解效率方面的优越性.     

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。     

无人机编队内快速协同目标分配的时序约束

协同分配的高效性和目标攻击的时序性是解决无人机编队内协同目标分配的关键技术之一.提出了基于时序约束的无人机编队内快速协同目标分配方法,在采用满意决策理论的快速目标分配框架下,引入了判断时序关系是否满足的约束条件和评价时序关系满足程度优劣的编队效能指标,不仅实现了编队目标的攻击时序要求,而且体现了攻击时序关系与编队效能的...