面向预警监视任务的雷达组网智能化资源调度

针对当前预警监视任务中雷达组网资源调度方法难以与太空目标数量井喷式增长、太空武器多样化发展的趋势相适应,而资源调度具有场景复杂、计算量大、精度要求高等特点的问题,在对反导预警与空间目标监视2类任务中资源调度原则分析的基础上,引入层次分析法与人工智能算法对资源调度问题进行求解,在任务和雷达2个层面实现了面向预警监视任务的雷达组网智能化资源调度。在任务层面,基于层次分析法对任务优先级进行了划分,为面临多个任务冲突时的任务优先选取提供了解决途径;在雷达层面,通过构建2类任务场景下的资源调度模型,在模拟退火算法和粒子群算法的基础上进行改进,提出了面向目标分配排序作业的模拟退火混合离散粒子群算法,对资源调度方案优化中的计算时间、资源节省率、算法合格率等3个指标进行了提升,有效提高了预警监视任务中雷达组网的探测效能。     

混合离散粒子群的任务调度算法及应用

针对粒子群算法存在易陷入局部极值、精度差的缺点,引入了模拟退火的思想,研究了一种混合粒子群优化算法,防止早熟现象的产生,使种群在更新迭代中保持了多样性,并将混合算法应用到典型的任务规划调度问题求解中,通过仿真验证了混合算法的有效性,与单一的离散粒子群算法相比,提高了调度问题的求解效果。     

基于改进QPSO算法的云计算资源调度策略研究

资源调度问题是云计算研究的一个重要方向。针对传统量子粒子群算法的不足,提出了一种改进量子粒子算法,并将其应用于云计算资源调度策略。首先,建立了云计算资源调度问题的模型,并将资源调度任务完成的时间作为适应度函数。随后采用自适应机制,通过改变粒子位置更新的惯性权值,提高了算法的全局搜索能力,加快了收敛速度。最后通过实验仿真对该算法进行了测试。实验表明,该算法能更好更快地找到云计算资源调度方案,使资源分配更加合理高效。     

基于混合粒子群优化的多目标决策新方法

多目标优化问题中的一个关键在于合理地评判各有效解的优劣。通过引入灰色系统理论中灰色关联度的概念作为评判准则,结合粒子群优化算法进行有约束多目标规划问题的研究。提出了一种新的不可行解的保留策略,进化过程中以此策略保留适量的不可行解,有利于增强对约束边界附近可能的最优解的搜索,同时,针对粒子群优化算法的容易陷入局部最优的缺点,实现了以粒子群优化为载体的混合算法:即对全局极值邻域进一步混沌搜索寻优。仿真结果表明改进的算法对多目标决策问题是有效的。     

一种改进的粒子群算法与遗传算法的比较

在求解非线性规划问题,进化算法已经逐渐呈现出其优越性,对粒子群算法进行了改进,同时还介绍了遗传算法,并通过测试函数对比分析了改进后粒子群算法和遗传算法的寻优性能。     

基于微分进化算法的盲源分离

将微分进化算法的优点引入到盲源分离中,提出了基于微分进化的盲源分离算法。该算法以混合信号的峰度为代价函数,采用独立分量分析的方法对瞬时混合的信号进行盲分离。盲源分离中常用的自然梯度算法是一种局部寻优算法且收敛速度较慢,而微分进化算法是一种全局寻优算法且具有并行性、易实现等优点。分别用无噪仿真信号和有噪仿真信号对提出的算法进行仿真实验,比较了基于微分进化算法的盲源分离、基于粒子群优化算法的盲源分离和基于自然梯度算法的盲源分离的分离结果。结果表明:基于微分进化的盲分离算法收敛速度快,分离效果也比较好。     

基于混沌双扰动的CDDP SO-BP目标威胁估计方法?

信息化条件下的战场环境对目标威胁估计技术提出了越来越高的要求。提出一种基于混沌双扰动的CD?DPSO?BP目标威胁估计方法,该方法针对粒子群算法在进化过程中易出现早熟和寻优结果不稳定的缺陷,基于Tent映射提出混沌双扰动的思想,并加入粒子群算法的进化过程,实现对粒子群算法的改进;之后,利用该新算法训练BP神经网络的初始权值和阈值,建立目标威胁估计模型和算法;最后,将该方法应用于实例中进行仿真,结果表明该目标威胁估计新算法具有较高的准确度。     

基于改进粒子群优化算法的发动机故障仿真

为对发动机的稳态故障特性进行有效分析,提出了一种基于改进粒子群优化算法的故障仿真方法。首先将描述系统性能的非线性方程组,转化为带约束的最优化形式,通过设置式中参数可以仿真不同状况下的系统故障。并且提出运用一种改进的粒子群优化算法来为解决描述系统的高维、非线性函数,该算法在初始化时,运用混沌的思想,使得粒子分布遍历所有状态;在进化时,运用的免疫的思想,设置了基于适应度的克隆算子与变异算子增加粒子的多样性;在免疫选择之后,对各个粒子的速度也进行了重新设置,增加了粒子寻找全局最优的能力。实验结果表明,改进的粒子群优化算法能够有效地求得最优解。     

基于成本分析的装备维修调度优化模型

针对装备维修保障任务量大、保障资源有限,维修调度组织粗放、保障效益低等问题。利用作业成本法分析装备维修资源投入与效益关系,建立装备维修成本模型,精准核算装备维修成本,以维修装备数量最多和平均单装维修成本最低为目标,建立了多目标装备维修优化模型。针对模型参数多、运算复杂的特点,融合粒子群算法和遗传算法,设计了改进的混合嵌套式粒子群算法,并以某维修机构为例,进行实例仿真计算,对模型和算法进行验证,效果良好,为装备维修调度决策提供了一定的理论依据。     

再入高超声速滑翔飞行器轨迹快速优化

介绍了基于熵的改进粒子群算法在再入高超声速滑翔飞行器轨迹快速优化问题中的应用。首先给出再入轨迹优化问题模型,选取三自由度的再入运动模型,性能指标为航程最远,约束条件包括过载、动压、热流密度、攻角等过程约束以及速度、高度等终端约束,控制变量为攻角。其次,设计了用于求解再入轨迹优化问题的改进粒子群算法,引入编码熵和系统熵的概念,在种群产生和进化的过程中,通过不断调整编码熵和系统熵的关系,防止种群陷入局部最优解。最后通过仿真对算法进行了验证。仿真结果表明算法对初值不敏感,并且能很好的满足攻防两端在轨迹优化时对算法时效性的要求。     

基于改进粒子群算法的多机协同目标分配

针对多机协同空战目标分配的问题,提出了一种改进的粒子群算法,设计了新的粒子群位置和速度更新过程。充分利用粒子群算法的全局搜索能力以及利用贪婪策略的局部最优搜索能力进行混合搜索,显著地提高了搜索能力。仿真结果表明,改进的粒子群算法能够快速解决多机协同作战的目标分配问题,能够找到逼近全局最优点的解。     

装备集群预防性维修计划的粒子群仿真优化

针对同类装备构成的集群预防性维修计划问题,综合考虑了装备的使用和维修过程,分析了装备动用与维修计划之间的相互关系,刻画了装备使用和维修的触发机制,提出了一个包含离散事件仿真和粒子群优化算法的混合模型,并描述了模型的结构和数学表示。该模型基于离散事件仿真对给定的预防性维修计划进行评估,并以该评估值为基础利用粒子群演化进行优化,从而通过多次迭代进化可逐步逼近可能的全局优化结果。由于模型中考虑了装备使用过程中的不确定性,并且粒子群优化可从任意初始值开始,因而可用作维修系统效能评估以及维修方案优化的决策工具。     

改进柔性资源约束项目调度模型与粒子群算法

在资源受限项目调度问题中,将可再生资源进一步拓展为具有能力差异的柔性资源,建立考虑能力差异的柔性资源受限的多模式项目调度问题模型,该模型是对传统资源约束项目调度问题(RCPSP)更接近实际的拓展。提出了基于粒子群算法的求解算法,粒子群算法求解该模型的思路为,利用蒙特卡洛方法根据资源-能力矩阵与活动模式-能力矩阵得到活动模式-资源矩阵,将考虑能力差异的柔性资源受限的多模式项目调度问题转换为常规的多模式项目调度问题,然后利用基于任务序列与模式表示的粒子群算法对该多模式项目调度问题进行求解。用数值实例说明了模型的合理性与算法的有效性。     

应用离散粒子群-郭涛算法分配多无人机协同任务

针对以往考虑时间窗约束的多无人机协同任务分配问题模型不能反映在有效时间窗内,任务执行时间对任务收益的影响及求解算法效率较低的问题。建立了将任务收益和任务执行时间直接联系起来的任务分配模型和可行解到粒子整数编码方式的映射,设计了混合离散粒子群-郭涛算法的组合优化问题求解策略。借助粒子群算法利用粒子自身信息和种群有用信息指导种群进化的本质特点,优化郭涛算法的适应性序列倒置操作;设计了可变的学习选择概率来选择个体的学习粒子,改进了序列倒置算子。仿真实验验证了该方法处理复杂任务分配问题的有效性。     

基于空间约束的舰载机出库调度

舰载机在航母上的调度问题是制约舰载机出动和回收的重要因素,以往研究主要集中在飞行甲板调度方面。针对舰载机在航母上的出入库问题进行研究,着力解决舰载机在航母上二、三波次的出动能力。首先对舰载机出库的流程进行分析,梳理制约因素。其次,应用柔性流水车间调度理论对空间约束条件下的舰载机出库调度问题进行建模。再次,对智能粒子群算法应用于舰载机出库调度问题进行分析,对编码进行设计,并给出算法流程。最后,对出库流程进行仿真,计算出最优出库方案及时间,验证了模型的准确性。     

基于粒子群算法的多基地雷达优化布站方法

为提高多基地雷达探测及"四抗"能力,提出了一种基于混沌变异粒子群算法的多基地雷达优化布站方法.定性分析了多基地雷达的布站原则,并对其量化,建立了优化布站的数学模型.为加快求解速度,结合混沌理论对标准粒子群算法进行了改进,给出了混沌变异粒子群算法在该优化问题中的设计方法,并与标准粒子群算法和遗传算法进行了仿真对比.结果表明,该方法能够快速有效得出多基地雷达优化布站方案.     

基于模糊聚类的粒子群算法在雷达组网优化布站中的应用

提出了一种基于模糊C-均值聚类的粒子群算法,将其应用于雷达组网优化布站.定性分析了雷达组网布站原则并对其量化,建立了优化布站的数学模型.为加快求解速度,结合模糊C-均值聚类对标准粒子群算法进行了改进,给出了基于模糊C-均值聚类的粒子群算法在该优化问题中的设计方法,并与标准粒子群算法和遗传算法进行了仿真对比.结果表明,该方法能够快速得出雷达组网优化布站方案,验证了雷达组网布站模型的可行性和改进算法的有效性.     

进化粒子滤波算法在雷达目标跟踪中的应用

进化粒子滤波算法通过模仿生物进化体制,以牺牲大量的计算量为代价增加样本集的多样性,从而较好地缓解了样本贫化现象.将进化粒子滤波算法应用于雷达目标跟踪过程中,变异强度的选择参考系统噪声与观测噪声性质,并通过粒子匮乏现象的强弱选择是否应用进化算法,从而大大减少了计算量.仿真结果显示所提出的算法对雷达目标跟踪有较好的应用价值.     

基于GAPSO-TS的多基地无人机航路-时间协同规划

针对多基地无人机协同规划航迹计算复杂、容易陷入局部最优的问题,在遗传粒子群算法(GAPSO)的基础上,引入禁忌搜索算法(Tabu-Search)混合为GAPSO-TS算法,通过与PSO、GAPSO算法对比,表明GAPSO-TS算法能够提高全局寻优性能,同时相对于GAPSO算法,加快了收敛速度.在多无人机时间协同三维航路规划里应用GAPSO-TS算法可以更快的收敛,同时设计以时间协同为约束的适应度函数,函数具有简单易行的特点,保证了不同基地的无人机都可以在同一时间内最快到达目的地,实验结果验证了算法的可行性.     

改进粒子群算法在移动机器人路径规划中的应用

针对机器人路径规划的复杂性和粒子群算法搜索后期易陷入停滞的缺陷,把差分进化算法引入到粒子群算法中,提出了改进粒子群算法的移动机器人路径规划方案。当粒子群算法出现停滞时,通过引入差分进化算法来动态调整变异概率和缩放因子,增加种群中个体的多样性,扩大算法的搜索范围,避免局部最优路径的产生。通过仿真实验,验证了所提方案的有效性和可行性。