四种智能算法的比较研究

随着智能算法的研究深入,一些新的智能优化算法不断被提出,包括从遗传算法、蚁群算法、粒子群算法、人工鱼群算法等。这些算法都是从自然界的自然生物的特性启发而研究出来的,由于这些算法在求解时不依赖于梯度信息,因而特别适用于传统方法解决不了的大规模复杂问题。通过这些算法的介绍和分析,并通过测试函数测试了四种算法的收敛性、收敛速度和精度,评价了这些智能算法在求解函数优化问题的能力。最后对优化算法今后的发展方向进行了评述与展望。     

复杂网络影响力极大化快速评估算法

分析复杂网络中影响力极大化问题,设计一种新的启发式算法框架。针对信息传递中节点的交互方式进行分析,给出节点在任意时刻处于信息接收态的概率。通过期望计算得到种子节点集传播影响力的近似估计,实现集群影响力快速计算,进而得到基于序列采样的影响力极大化快速评估算法。特别地,对于六个来自不同领域的真实网络上的影响力极大化问题进行了研究,仿真结果表明：该方法能够高效识别网络中具有重要传播影响力的节点集,在三种常见度量准则下的表现均明显优于三种影响力极大化问题基准算法。     

无人机集群任务规划研究热点与发展趋势分析

利用定量化与可视化的方法宏观地分析了无人机集群在任务规划领域的研究情况。使用信息可视化软件CiteSpace和Tableau,分别从WOS和CNKI学术数据库中获取从2000—2022年国内和国际上无人机集群任务规划领域相关文献124篇和1 321篇,绘制本领域的科学知识图谱。用文献计量学的方法分析国内外无人机集群任务规划领域的关注情况、研究现状、热点和发展趋势。研究发现,在物联网环境下、利用区块链技术的无人机集群等新兴应用,微分博弈和移动边缘计算等新算法的改进和如何与新需求相结合为无人机集群任务规划的热点,无人化智能平台、多种群体智能算法的优化和商用物流运输等方向为未来潜在的研究趋势。     

多无人机系统协同侦察规划算法研究

基于蚁群算法研究多无人机系统在协同侦察复杂目标群的集群协作问题,通过去交叉策略局部优化蚁群算法,提高算法求解精度,形成较优的航迹方案和合理调度策略.该问题的求解不仅能深化多任务分配及多目标协同领域的研究,还能为部队执行作战任务提供辅助决策.     

果蝇算法和5种群智能算法的寻优性能研究

截止到目前为止进化式算法主要有遗传算法、蚁群算法、鱼群算法、免疫算法、粒子群算法.这些算法已经被广泛地用于寻优,但都有各自的缺点,导致其不易被用于解决实际问题.某学者提出了一种新群智能算法——果蝇算法.对该算法的起源进行分析,并将该算法与其他算法对比,通过仿真分析各个算法寻优性能.重点分析果蝇算法的寻优性能,得出果蝇算法简单、参数少、易调节、计算量小、寻优精度较高,从而较容易被用于解决实际问题,对于复杂问题算法可能不稳定.指出该算法的缺点,提出应改进的地方,对其应用前景作了概括.     

基于偏好联盟博弈的导弹集群分布式任务分配模型

在空空导弹拦截大规模集群的场景中,由于集中式算法求解大规模任务分配问题的性能面临通信能力和实时性的限制,研究使用分布式算法求解任务分配问题具有重要的现实意义.以偏好联盟博弈模型为基础,设计了分布式导弹集群任务分配模型,并使用博弈学习算法中的空间自适应博弈(spatial adaptive play,SAP)算法求解最优...     

基于PSO-AFSA算法的典型集群目标瞄准点选择

利用粒子群算法快速的局部收敛性和人工鱼群的全局收敛性,提出了基于粒子群的人工鱼群混合优化算法,并用于求解常规导弹打击集群目标瞄准点选择优化问题。仿真结果表明:此算法在求解常规导弹打击集群目标瞄准点选择问题时,可以较少的迭代次数取得比较满意的瞄准点。     

超启发式传感器选择算法

在传感器管理中,传感器的选择算法计算是目前需求量最大的问题,采用超启发式算法降低传感器选择算法的复杂度计算.依据协方差控制提出的传感器选择目标,从启发式的贪婪算法入手,研究贪婪/均匀和贪婪/次序两种超启发式算法在传感器选择算法中的应用,以提高传感器管理的运算效率,降低其计算复杂度.最后对这两种方法进行了仿真比较.     

浅谈航空货物装载优化问题

为解决航空货运装载优化问题,提高航空货物运输效率,本文从介绍航空货物装载优化问题角度出发,详细列举了解决该问题的算法,并做了分类。最后,针对航空货物装载过程中应注意的问题着手进行阐述,以提高航空货物装载的高效性和安全性。     

基于平均度的树分解启发式算法

很多树宽较小的NP难问题能用树分解技术在多项式时间内求解,寻找无向图的树宽有助于提高求解效率。因此,基于图的平均度提出了两种新的树分解启发式算法。这两种算法根据树分解与图三角化之间的关系,利用顶点度与平均度的偏差和填边数构造顶点消除序列,快速得到树分解的宽度。在随机正则图和DIMACS图着色实例上的测试结果表明:这两种算法简单易实现,与最小填边法相比能找到更优的树宽上界。     

基本粒子群算法和遗传算法用于航路规划的比较

优化问题有两个主要问题：一是要求寻找全局最小点,二是要求有较高的收敛速度。遗传算法和粒子群算法作为启发式算法和群智能算法,因其良好的搜索性能而在飞行器航路规划中得到了广泛的应用。分析了两种算法各自的特点和相互之间的异同点,并在给定相同的作战环境和威胁空间条件下分别进行了航路规划仿真实验,实验结果表明基本粒子群算法在搜索...     

“算法战”及其在空战领域中的应用

随着战争从体能较量、技能较量发展为智能较量,"算法战"与人工智能和指挥控制系统相关联并在其中占据关键地位,是实现智能化作战和建设智能军队的技术基础。通过梳理与总结美军在落实"算法战"研究方面所进行的开创性工作,理清"算法战"发展的脉络,重点对"算法战"产生背景、基本概念与内涵以及发展现状进行了探讨,结合课题组在航空集群作战领域的研究基础,探讨"算法战"在空战领域的落脚应用的可鉴之策,为我空军装备的信息化升级和智能化转型奠定基础。     

微分博弈在无人机集群攻防中的应用研究

为了解决传统微分博弈理论的局中人规模受限问题,针对固定翼无人机目标-攻击-防御三方集群对抗场景,提出了一种基于微分博弈的集群攻防决策算法。该集群攻防决策算法利用基于Dubins路径价值函数的拍卖算法将集群攻防对抗问题解耦为目标-攻击者-防御者三方微分博弈问题,并且融入载体坐标系转换以及自动驾驶仪控制模型等约束,实现三维空间中以加速度为控制输入的集群决策,为等规模三方集群对抗问题提供协同决策控制。仿真实验结果证明,提出的集群攻防决策算法对于多种规模的无人机集群均能生成攻防角色对应的决策控制,实现包括目标-攻击-防御三种角色的三方集群攻防空战决策,在优化个体决策的同时,兼顾集群内无人机间的协同性。     

基于航迹消除与策略迭代的无人机集群区域目标搜索方法

无人机集群区域搜索在军事领域以及民用领域的搜救、巡逻、监测、环境勘测等方面有着广泛的应用,但如何保证不同场景下无人机集群搜索方法的效率问题依然是个难题。为了更好地解决搜索目标先验信息已知的无障碍区域内多无人机集群搜索航迹规划问题,提高无人机集群搜索效率,本文根据目标区域热度以及传感器探测概率等先验信息,提出了一种基于无人机航迹消除策略的概率计算方法,并在此基础上结合策略迭代算法动态规划无人机航迹,找到单个无人机航迹覆盖率最优策略;进而通过适当组合顺序实现无人机集群区域目标搜索整体覆盖率最优;最后,通过仿真计算验证了算法的有效性。     

针对无人机集群对抗的规则与智能耦合约束训练方法

基于无人机集群智能攻防对抗构想,建立了无人机集群智能攻防对抗仿真环境。针对传统强化学习算法中难以通过奖励信号精准控制对抗过程中无人机的速度和攻击角度等问题,提出一种规则与智能耦合约束训练的多智能体深度确定性策略梯度(rule and intelligence coupling constrained multi-agent deep deterministic policy gradient, RIC-MADDPG)算法,该算法采用规则对强化学习中无人机的动作进行约束。实验结果显示,基于RIC-MADDPG方法训练的无人机集群对抗模型能使得红方无人机集群在对抗中的胜率从53%提高至79%,表明采用“智能体训练—发现问题—编写规则—再次智能体训练—再次发现问题—再次编写规则”的方式对优化智能体对抗策略是有效的。研究结果对建立无人机集群智能攻防策略训练体系、开展规则与智能相耦合的集群战法研究具有一定参考意义。     

启发式算法的防空武器系统可靠性优化

针对复杂武器系统可靠性分配最优化问题,以系统的可靠度最大为目标函数,综合考虑系统的费用、质量等约束条件,建立了武器系统的可靠性冗余分配最优化模型,提出了基于启发式方法的求解算法,通过改进各级子系统的可靠性从而使总的系统可靠性最大.算法设计比较简便,易于编程实现.通过对防空武器系统的可靠性分配优化问题进行实例分析,结果表明算法是有效、实用的.为大型复杂武器系统的可靠性设计和优化研究提供了科学有效的方法.     

基于多智能体强化学习的无人机集群对抗方法研究

针对复杂动态不确定环境下的无人机集群对抗问题,基于多智能体强化学习开展了对抗决策方法的研究。首先,基于MaCA环境构建了无人机集群对抗模型;其次,引入集中训练网络的混合架构模式,改进了传统DDPG算法,设计了面向无人机集群对抗的MADDPG算法,分别采用基于规则的对抗策略和基于DQN的对抗策略对算法进行了训练,提升了对抗算法的鲁棒性、适应性和泛化性;最后,通过搭建对抗仿真环境,验证了所设计方法的有效性和可靠性。     

装备维修器材生产路径决策的两阶启发式算法

当前装备供应保障系统中维修器材存在短缺、积压以及配送系统效率低下等问题,亟须对生产、库存和配送作业环节进行集成优化。为客观反映各个决策环节,将该问题公式化为一个混合整数线性规划模型,针对该模型多变量、多约束的特点,提出了一个基于数学规划的两阶启发式算法对其进行求解。结合算例,检验模型的可行性,并选取求解器CPLEX和一个类似的迭代算法与该算法在求解质量和运算时间方面进行对比与分析。结果表明,提出的模型是合理可行的,该算法在求解不同规模实例时表现出优异的性能。     

弹药装载的构造型启发式算法研究

多约束条件下的弹药装载问题是一个复杂的组合优化问题,属于NP-完全问题,其求解是很困难的,所以在实际应用中,往往采用一些启发式算法来求解。本文在考虑弹药装载中各类约束条件的情况下,构建了弹药装载优化模型,提出了一种弹药装载的构造型启发式算法。该算法考虑了装载方向、重量、弹药箱装入顺序和装载位置以及运输工具装载平衡等因素,并通过算例检验,说明了该算法在弹药装载中应用的有效性。     

基于CPSO算法的海空跨域无人航行器集群协同作业路径规划

针对海空跨域无人航行器集群在复杂水域环境下协同作业以追踪水下目标的任务,提出一种基于协同粒子群(CPSO)的协同作业路径规划算法.考虑不同无人航行器集群特性优势,合理分解并分配远距离追踪水下目标任务过程,并利用CPSO算法进行路径规划.在CPSO算法中,首先为无人机(UAVs)集群规划飞行路径,UAV飞行过程中探测水面...