基于改进果蝇优化算法的混合火力分配方法

基于弹药组合使用的混合火力分配是联合火力打击筹划工作的目标之一。针对这个问题,建立了混合火力分配的数学模型,提出了一种基于改进的果蝇优化算法的求解方法。改进的果蝇优化算法利用分类演化、步长因子得到新的种群个体。通过仿真实例验证了果蝇优化算法的可行性和有效性。     

军事资源匹配多目标建模与求解算法

针对军事资源匹配问题的多目标特点,建立了军事资源匹配多目标优化模型,并结合模型特点,设计了一种改进的非支配排序遗传算法对问题进行求解。最后,通过仿真算例对提出的模型和算法进行验证,仿真实验结果证明模型和算法能够有效求解多目标军事资源匹配问题。     

基于改进粒子群优化算法的微电网孤岛选址定容

分析了在重要孤立系统中采用微电网供电的必要性,在此基础上提出了采用由非支配排序法和拥挤距离排序法改进的粒子群算法进行微电网选址定容,其目的是改进多目标微电网规划问题的优化结果。通过改进算法与基本算法算例结果的对比分析,验证了改进算法在求解孤岛选址定容问题上具有较强的寻优能力、较高的收敛精度和较稳定的最优解,为进一步研究微电网孤岛选址定容问题提供了思路。     

一种大扭矩制动器优化设计方法

为解决大惯量飞轮储能系统应急制动器优化设计的难题,提出了适用于多目标、多约束问题的改进粒子群算法。该算法利用加权算法将多目标优化问题转换为单目标优化问题,并通过罚函数方法将多约束问题转化为普通约束问题,再采用粒子群寻优算法进行求解。样机试验验证了大容量飞轮储能系统制动方案的可行性与摩擦制动器优化算法的优良性能。     

基于遗传模拟退火算法的空袭兵力分配及优化

对遗传模拟退火算法中的交叉、变异操作进行了改进,并实施了最优保留策略,形成了改进遗传模拟退火算法.以突击效果最大化和兵力损失最小化为目标函数,以空袭兵力总量的限制、空袭兵器挂载类型的限制等为约束条件,建立了空袭兵力分配及优化模型.在考虑兵力分配模型特点的基础上,利用改进遗传模拟退火算法求解.通过与多目标数学规划和标准遗传算法优化进行的比较表明,该方法能够有效地解决带约束的多目标优化问题.     

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.     

多目标的分布式协同进化MDO算法

通过引入非优超排序和排挤的多目标处理机制 ,将分布式协同进化MDO算法的能力扩展到多目标的多学科设计优化问题。多目标的分布式协同进化MDO算法在保持各学科充分自治和各学科并行设计优化协同的基础上 ,通过一次运行即可获得具有良好分布的多个Pareto最优解 ,逼近整个Pareto最优前沿。应用于导弹气动 /发动机 /控制三学科两目标设计优化问题 ,与约束法计算结果的对比表明算法能够有效逼近该问题的Pareto最优前沿 ,为设计决策提供了丰富的信息     

基于NSGA-Ⅲ算法的多目标分配方法研究

传统的任务分配算法主要解决特定问题下的单目标优化问题,难以适应真实战场协同打击任务下复杂的态势.为此,考虑无人机协同打击任务中航迹长度、目标打击效果、目标价值收益、武器成本等因素构建无人机任务分配多目标优化模型,并基于非支配排序遗传算法(non-dominated sorting genetic algorithm,N...     

一种基于混沌粒子群改进的果蝇优化算法

针对基本果蝇算法在优化过程中收敛速度慢,无法解决复杂的优化问题,引入混沌搜索和粒子群算法(PSO)来修正基本果蝇算法(FOA)。利用混沌搜索初始化果蝇群位置,提高了初始解的随机性和遍历性,从而提高FOA初始种群的多样性;引入PSO算法以减少最优解更新过程中的盲目搜索;选取5种不同的非线性函数作为测试函数,并将改进后的果蝇算法(IFOA)与其他算法相比较,实验结果表明,IFOA的鲁棒性较强,且收敛速度与收敛精度有了明显的提高。     

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MPSO的地面防空群维修任务规划研究

针对地面防空群的维修任务规划问题,建立维修任务规划流程,以维修任务的优先级、维修时间和维修保障资源消耗为目标,建立了地面防空群维修任务规划模型,根据战场环境特点,基于置信度法确定多目标参量的权重,将多目标优化问题转化为单目标问题,并采取改进的自适应粒子群优化算法对模型进行求解。通过实例验证,该方法在收敛速度及求解结果质量上均优于传统粒子群算法,可以有效解决地面防空群的维修任务规划问题,对部队维修保障决策具有一定的参考价值。     

基于改进遗传算法的平流层飞艇定点悬停控制(英文)

平流层飞艇定点悬停控制是飞艇应用领域的关键技术。该控制问题可以转化为非线性多目标优化问题来求解。遗传算法是解决现代非线性多目标优化问题的一种重要方法。但是基本遗传算法在解决定点悬停飞艇实际控制问题时,具有易陷入局部最优解、在遗传进化过程中随机性较强、搜索效率低下及耗时多等缺陷。通过借鉴并行遗传算法、模拟退火算法和向量评价遗传算法的基本思想,在基本遗传操作中添加切断算子和拼接算子,设计一种改进遗传算法来改善上述缺陷。仿真结果表明该方法是有效可行的。     

基于果蝇算法优化LSTM的雷达波束扫描行为预测

在认知电子战体系下,更为智能的算法才能适应日益复杂的电磁空间。针对相控阵雷达的波束扫描行为预测问题,在正弦坐标系下将波束扫描位置数据抽象为网格数据,利用果蝇优化算法寻找最优的LSTM网络超参数,提出了一种基于果蝇算法优化LSTM的波束行为预测方法。仿真实验表明所提算法在果蝇算法调参的支撑下,相较NAR神经网络算法和普通的LSTM算法而言,预测精度和鲁棒性更强。     

基于NSGA-Ⅱ的WTA多目标优化(英文)

将多目标遗传算法NSGA-(改进的非支配排序遗传算法)应用于求解武器-目标分配(WTA)问题。首先,针对以往在建立防空型WTA问题的优化模型上的片面性,把WTA问题看做多目标优化问题,建立了综合考虑作战效能和防御效能的WTA双目标优化模型。然后在此基础上,研究和应用了NSGA-来求解WTA问题。最后由仿真算例验证了NSGA-在WTA问题中的应用可行性,表明了NSGA-可以快速地搜索到WTA多目标优化的Pareto最优解集,从而为求解WTA问题提供了一条有效途径。     

基于多目标优化的任务计划建模及方法

针对任务计划在进行多目标优化时采用进化算法求解效率较低的问题,设计了一种结合分组策略的非支配排序遗传(NSGA-Ⅱ)算法,可以快速有效地得到合理的分组结果。基于分组结果,调整NSGA-Ⅱ算法的步骤,灵活地进行种群初始化,使最终分配结果各优化的目标有了明显的改善,提高了算法的效率。通过实验分析,验证了所提方法的可行性和有效性。     

岸舰导弹作战单元多目标投送模型及解算方法

为了解决战时岸舰导弹作战单元投送定量决策问题,针对复杂多变的战场环境,构建了具有时变运输网络特征及动态需求约束的多型岸舰导弹作战单元投送优化模型;基于该模型,从种群初始化、粒子更新等环节对多目标粒子群算法进行了改进,设计了岸舰导弹作战单元投送优化算法,仿真结果表明模型及算法可以提供多个兼顾安全性和时效性的高质量投送方案,能够支持作战单元投送的快速、精准决策.     

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。     

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.     

面向多平台多目标协同跟踪的指派问题

针对多平台多目标协同跟踪中要求多个无人地面平台尽可能均匀地协同跟踪多个目标的特点,提出了改进的离散粒子群优化算法。首先采用连续型粒子群优化算法中的速度和位置迭代公式,然后对粒子位置进行离散编码,使粒子编码对应于可行的指派方案;其次,在优化算法中引入局部搜索,提高算法寻优性能。最后将所提算法应用于多平台多目标协同跟踪中的指派问题,并与未加入局部搜索的粒子群优化算法比较,仿真结果表明,加入局部搜索后的离散粒子群优化算法具有较好的寻优性能。