基于改进TOPSIS法和蚁群算法的反TBM 目标群目标分配研究*

基于改进的TOPSIS法和蚁群算法,以弹道导弹目标群为研究对象,研究了反导指控系统对目标群的目标分配问题。首先通过改进的TOPSIS法确定TBM目标群威胁排序并基于拦截排序准则确定拦截排序;其次使作战效能最大化,基于蚁群算法确定目标的最优分配方案;最后通过仿真实例验证了在考虑目标威胁值排序前提下采用此算法,可使目标群分配方案更加科学有效和符合反导作战实际。     

重点目标防空作战中多预警机协同探测空域配置

针对重点目标防空作战中预警机空域配置问题,构建了多预警机阵位选择和架数优化配置模型.通过分析重点目标预警线划分,确定预警机防空作战具体任务,从而构建其阵位选择量化模型,并以此为基础,提出了一种在确保自身安全且充分发挥预警机固有探测威力前提下的多预警机并立航线和串接航线空域配置量化模型.实例运算结果表明,该模型能够对比分...     

无人机辅助通信网络中基于强化学习的用户速率优化算法

无人机辅助地面蜂窝基站,形成混合的通信网络有望成为提升用户速率的一种重要手段。针对无人机辅助基站的通信网络,提出基于多臂赌博机的用户速率优化算法（multi-armed bandits-based rate optimization,MBRO）。先建立联合优化问题,再分别利用改进后K-means聚类算法和多臂赌博机算法求解。MBRO算法利用K-means聚类算法实现无人机的部署,并利用多臂赌博机算法完成信道分配和无人机的传输功率分配。仿真结果表明,相比于同类的基准算法,MBRO算法提高用户端速率。     

基于粒子群算法的装备预防性维修策略研究

为解决实战化条件下装备损耗严重和装备完好率之间的矛盾,立足实际提出加大预防性维修力度.根据装备可靠性理论和寿命分布理论,对装备故障率和役龄进行分析,并引入役龄回退因子进行修正.以装备服役期内预防性维修成本最低为目标函数,以可靠性为约束条件,建立预防性维修策略优化模型.采用粒子群算法对模型求解,并进行算例分析,得到装备在服役期内的最优预防性维修次数和时间间隔,证实了预防性维修模型的可行性和实用性.     

基于改进融合算法的交通网络节点重要性评估

交通目标体系在作战中是打击目标选择的重点,在目标选择前需要对交通网络的节点及关联关系的重要性进行准确评估.交通目标体系是一种多层复杂网络模型,目前的评估方法没有考虑到路径的权重和对网络整体价值,造成评估模型与实际网络不符合的问题.针对该问题,提出一种改进的融合算法对多层网络进行评估.该方法构建的节点关联度矩阵考虑了各层网络中边的权重和网络整体价值,再将每层的节点关联度进行融合.通过仿真分析和对比,该方法能够准确有效地评估多层交通网络节点的重要性,对目标选择具有一定实用价值.     

移动WSNs中基于跳数矢量的节点定位算法

针对节点定位精度以及安全性,提出跳数矢量的节点定位算法(Hop Vector-based Node Localization Al-gorithm,HVLA).通过控制包的交互,获取跳数信息.然后,锚节点依据跳数信息构建跳数矢量,再利用质心定位算法估计未知节点的位置.同时,利用未知节点反馈控制包的响应时间,丢弃一些发布虚假数据的节点,进而实现定位数据的安全性.仿真结果表明,相比于同类算法,HVLA算法的平均定位误差得到有效控制,并且平均定位时延下降了约30.22％,剩余能量率也提升了13.33％.     

基于GeoHash索引的A算法优化

A*(A Star)算法进行最短路径计算时,一般采用曼哈顿函数作为最优邻接点的评估标准,在算法执行的过程中,需要对每一步每个邻接点进行计算,判断出当前最优邻接点,然后迭代执行下一步,在数据量较大的情况下,算法的时间复杂度呈几何增长.使用GeoHash索引算法代替曼哈顿函数作为评估标准,在有地理坐标信息的网络拓扑中进行最短路径查找,直接以GeoHash编码索引值作为判断标准,进行快速查找.GeoHash值是经纬度经过一系列编码转换后的实际值,能够拓扑网格中的属性值,减少算法的计算时间,优化算法的时间复杂度.提高A*算法在道路规划、运行调度、无人驾驶路径分析时的最短路径计算时间,可增加实际应用广泛性.     

合成作战单元抢滩阶段作战编波冲击及方案优化模型

如何科学、量化进行编波冲击是影响和制约合成作战单元抢滩阶段战斗的焦点问题、瓶颈所在.通过分析研究影响编波冲击的主客观因素,建立了合成作战单元抢滩阶段作战编波冲击模型,提出了基于"和数分解"的多目标优化搜索算法,并结合算例对模型的有效性和可信性进行了验证,对编波方案的价值进行了评价和优化分析.     

基于改进粒子群算法的火炮内弹道多参数符合计算

为了研究火炮在发射过程中膛内火药燃烧规律以及弹丸运动规律,需要建立火炮内弹道数学模型并进行数值求解,在此过程中对部分内弹道参数进行符合计算是优化内弹道模型的重要途经之一.在经典内弹道方程组的基础上,阐述了经典内弹道计算原理,并对基本粒子群算法进行了改进,使改进后的粒子群算法在迭代初期有较大的惯性权重ω和学习因子c1以及较小的学习因子c2,而在迭代后期有较小的惯性权重ω和学习因子c1以及较大的学习因子c2,从而有效地避免粒子群陷入局部最优而导致收敛精度低的缺陷.将改进后的粒子群算法应用于火炮内弹道多参数符合计算,算例结果表明该方法完全满足工程实际要求,具有收敛速度快、符合精度高的特性,是火炮内弹道多参数符合计算的理想算法之一.     

基于改进蜂群算法的无人机路径规划

人工蜂群算法存在初始蜜源具有随机性,后期收敛速度慢,易早熟等问题.运用最大最小距离积法处理初始蜜源,把K均值聚类算法与人工蜂群算法相结合,提出改进的人工蜂群算法,用于解决无人机路径规划问题.仿真结果表明改进的人工蜂群算法收敛速度更快,得到的解的适应度更好.