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。     

基于云遗传算法的防空导弹目标分配问题

针对传统遗传算法在防空导弹目标优化分配中存在的缺陷,提出了一种更为有效的云遗传算法。通过该算法对防空导弹目标分配模型进行仿真求解,得出防空导弹射击目标的最优目标分配方案。通过算例分析,云遗传算法相比传统遗传算法收敛速度快,搜索效率高出一倍左右,对产生局部最优解情况进行了合理有效的控制,可操作性、优越性更强。     

基于响应面与遗传算法的柴油机喷射参数优化

为解决燃油喷射系统参数优化中高效寻求全局最优解问题,综合响应面设计和遗传算法的优点和不足,采用多项式响应面模型代替原始遗传算法中计算量庞大的目标特性分析模型,建立了多项式响应面模型和遗传算法相结合的参数优化方法。结合非线性规划的凸性分析证明了遗传算法在预定优化区间内全局最优解的唯一性。对优化匹配后的喷射参数进行了模拟计算,结果表明:优化后柴油机油耗降低了1.96g/(kW·h),功率上升了0.99%,排气温度降低了21.86℃。表明该方法具有简单可靠、优化效率高等特点。     

一种求解武器系统可靠性分配的非精确方法

在考虑资源约束的基础上,通过建立一种资源-可靠度-满意度三者平衡的可靠性分配和优化模型,将对武器系统可靠性最优分配问题转化为对模糊非线性规划问题的求解,从而为武器系统可靠性的最优化问题提供了一种新方法。为获得具有实际意义的数值解,提出一种沿着加权梯度方向进行变异的特殊遗传算法,并结合某高炮系统的应用分析,证明了该方法的有效性和合理性。     

基于Hopfield神经网络算法的雷达干扰资源分配

为了使有限的雷达干扰资源发挥最佳的干扰效果,基于干扰效益最大准则建立了雷达干扰资源优化分配模型。提出了基于Hopfield神经网络算法的干扰资源优化分配方法,利用该方法能够在可行的解空间中找出满足能量函数和约束条件的全局最优分配方案。并与干扰资源蚁群优化分配算法进行了比较,理论推导与仿真实验表明该方法的可行性与有效性,且比蚁群分配算法具有更快的收敛速度和更好的健壮性。     

基于遗传算法的卫星通信干扰资源分配

针对卫星通信对抗中干扰资源分配这个问题,利用遗传算法在解决组合优化问题上的优点,提出了一种基于遗传算法的卫星通信干扰资源分配方法。利用这种方法对某给定的作战情况进行仿真,仿真的结果表明,尽管这是一种求得近似最优解的方法,但这种干扰资源分配方法是比较有效的,并且分配的结果具有一定的可信度。     

基于量子免疫遗传算法的火力分配优化问题

针对传统方法在解决火力分配优化问题时存在迭代次数多、收敛速度慢、易陷入局部极值等不足,将免疫遗传算法中的免疫克隆、免疫记忆、免疫平衡机制引入到量子遗传算法中,利用求解问题的先验知识和局部最优解信息来改善和优化量子遗传算法的性能,提高了算法的收敛精度、收敛速度和稳定性。在分析问题背景和算法实现过程的基础上,通过实例仿真,模拟了不同容量的抗体记忆库对算法性能的影响,对比了普通遗传算法、量子遗传算法、免疫遗传算法以及文中所提及的量子免疫遗传算法在解决火力分配优化问题上的不同优化效果,结果表明:该方法在解决火力分配问题时,可以有效克服早熟现象,具有收敛速度较快、稳定性较好的特性。     

基于改进的PSO算法解决雷达网布站优化问题

雷达网布站优化是电子对抗仿真的重要组成部分,雷达网布站是否合理直接影响雷达网作战效能.而常规优化算法相对复杂,易陷于局部最优解.针对这一问题,提出适用于解决雷达网布站优化问题的改进粒子群优化算法,并且将所提出的算法与遗传算法进行了比较.仿真结果表明,与遗传算法相比,在相同的条件下,改进粒子群优化算法具有精度较高且不易陷入局部最优解的优点,较好地解决了静态条件下雷达网布站优化问题.     

战役方向地面防空战斗部署优化研究

对战役方向地面防空战斗部署进行了详细分析,建立了兵力优化分配的数学规划模型.为了获得部署问题的全局最优解,将遗传算法(GA)用于战役方向地面防空部署优化研究中,并对传统遗传算法进行了改进,最后给出了模型求解的方法和步骤.经过应用实例的计算,取得了良好的部署效果.     

求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。     

一种求解武器-目标分配问题的启发式方法

武器-目标分配问题是一种NP问题。结合武器-目标分配问题的特点,提出了一种求解武器-目标分配问题的启发式方法。首先给定问题的初始解作为当前最优解,然后采用多点调整方法在当前最优解的邻域内搜索最优解,其后采用重复迭代策略逐步改进初始解,直到得到较好的近似解。实验研究发现,多点调整方法只是一种局部优化方法,由不同初始解出发获得的近似解对应目标值可能不同。把多起点策略、多点调整方法和重复迭代搜索策略相结合,可得到求解武器-目标分配问题的一种有效方法。实验结果表明,提出的启发式方法计算所得解的质量较高,是求解武器-目标分配问题的一种有效方法。     

基于遗传算法的导管-气室系统参数优化研究

导管-气室系统可以引发水力共振,提高脉冲射流的强度。影响水力共振的 主要因素有导管长度、导管内径、喷嘴出口内径、调制频率和气室初始容积等,采用搜寻的方 法无法获得最优解。遗传算法具有隐合并行性和全局解空间搜索的特点,利用遗传算法能 有效地对导管-气室系统的主要参数进行优化设计,获得最优解来指导实验装置的设计。     

基于量子遗传算法的火力分配

在使用遗传算法求解多目标的防空火力问题中,遗传算法的参数选择直接影响分配结果好坏,且分配结果差异性大。针对这种问题,根据防空火力和空中目标的特点建立相应的数学模型,结合量子遗传算法来解决多目标火力分配难题。数据仿真结果表明,量子遗传算法在解决多目标火力分配问题中有较强的可行性和有效性,火力分配结果与遗传算法相比在最优解与稳定性上均有所提升。     

战时装备维修保障资源优化模型

维修资源在抢修过程中的分配决定了抢修活动的平均处理时间和等待时间,针对抢修实施时维修资源的分配,研究资源的优化配置使抢修时间最小的问题.在抢修过程中使抢修时间最小的目标和约束条件下,提出了资源配置优化的排队模型,并结合遗传算法给出了求解最优配置模型的方法,通过实例分析说明了模型和方法的应用情况.资源配置优化模型和算法已成功应用于集群装备保障决策系统的开发.     

基于遗传算法的TDMA战术数据链时隙分配算法

时隙分配技术是战术数据链系统设计的关键技术,合理的时隙分配算法可以有效减小网络时延,提高网络效率。针对时隙分配的均匀性要求,提出了一种基于遗传算法的时分多址(Time Division Multiple Access,TDMA)战术数据链时隙分配算法。该算法旨在通过遗传算法在所有的时隙分配的解空间中找出最优的分配方案,并通过实验仿真验证了该算法的正确性和有效性。     

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。     

一种求解软件可靠性分配的非精确方法

在考虑开发成本约束的基础上,通过建立一种开发成本-可靠度-满意度三者平衡的软件可靠性分配和优化模型,将对软件可靠性最优分配问题转化为对模糊非线性规划问题的求解,从而为软件可靠性分配的最优化同题提供了一种新方法.为获得具有实际意义的数值解,提出一种沿着加权梯度方向进行变异的特殊遗传算法.最后结合实例,证明了该方法的有效性...     

贪心遗传算法解决一般武器-目标分配问题

一般武器-目标分配问题,是使武器发挥最大效能而使目标遭受最大毁伤的最优化问题.遗传算法广泛用于解决最优化问题.提出一种具有贪心优化机制的局部搜索方法,以提高遗传算法的搜索效率,从而迅速找到全局最优解.应用于炮兵武器-目标分配问题的仿真试验结果表明,此算法比现有的其他搜寻算法具有更好的求解效率.     

遗传算法在目标跟踪中的传感器分配算法

传感器在进行目标跟踪时,常规算法主要通过线性规划建立传感器与目标之间的分配方法.但是在对多目标和多传感器的战场环境中,这些方法有一定局限性.研究了基于遗传算法的传感器分配方法,通过构造符合传感器分配这一特殊问题的染色体,从而形成初始种群,然后利用遗传算法模拟生物遗传迭代和自然选择的遗传机理,通过多次选择最终收敛于问题的一个满意解.仿真显示,在大数据运算的环境中,该算法有更高的可行性和有效性.     

基于NSGA-II和多属性决策的防空火力分配

为了解决防空火力分配问题,首先运用NSGA-II算法求出Pareto最优解集,然后运用多属性决策方法对Pareto最优解集中的解进行综合评估,并从中找出一个最优解。用区间数定性描述各属性,建立了防空火力分配的三目标优化模型。描述了NSGA-II算法和多属性决策方法的运算步骤。在仿真算例中,得到了一个最佳防空火力分配方案,说明该方法对于防空火力分配问题有良好的应用价值。