基于遗传算法的二维最大熵图像分割算法

二维最大熵图像分割算法充分利用了图像象素的灰度分布信息和各象素间的空间相关信息 ,因此具有很好的分割效果。但该算法的计算复杂度高、计算时间长。为解决这一问题 ,本文提出了一种基于遗传算法的二维最大熵法。该算法充分利用遗传算法的特点 ,极大地减少了计算量和存储空间。实验结果证明了该算法的快速性、有效性和稳定性。     

一种基于遗传算法的防空兵火力分配方法

在建立了防空兵火力分配的遗传算法模型基础上,阐述了遗传算法在防空兵火力分配中的应用情况,并通过在计算机上仿真运行实例,得出了火力分配方案。分析了此方法与威胁估计模型火力分配方法的优缺点,是一种有益的尝试与探索,对防空兵指挥决策和理论研究有一定的参考价值。     

引入变异算子的SAA求解数据关联问题

将遗传算法中的变异算子引入模拟退火算法,来求解雷达数据处理过程中的数据关联问题。与传统的遗传算法和传统的模拟退火算法相比,新算法在解的质量,寻优速度和CPU占用时间等方面有较大的优势,更贴近实际应用的要求。     

基于ANFIS的制导炸弹智能控制系统

针对目前制导炸弹命中精度低的问题,首次提出一种基于自适应神经模糊推理系统(ANFIS)的制导炸弹智能控制系统.该系统不基于数学模型,用独特的空间分层方法建立若干模糊推理系统,依靠专家经验来获取控制信息.规则库是通过分析训练数据,用Levenberg-Marquardt优化方法改进的BP神经网络对训练数据自学习而建立的.通过计算机仿真,该智能控制系统具有精度高、泛化功能强且调整灵活等优点.可以预见,这种智能控制系统在军事上有很好的应用前景.     

基于卫星云图历史资料反演云团非线性预测模型

针对线性预测方法难以有效描述云团的非线性、非平稳变化的困难,基于经验正交函数分解(EOF)和遗传算法参数优化结合的思想,提出了一条云团非线性预测模型反演的方法途径。首先将卫星云图序列作EOF的时、空分解;在此基础上,引入遗传算法对EOF的时间系数序列进行了动力模型重构和模型参数反演,建立了EOF时间系数的非线性微分方程组;再通过时、空函数合成,构造了云团演变的动力预报模型。试验结果表明,反演的云团预报模型能较为合理地描述特定季节区域内云团演变的基本趋势,预测结果与实际云图的主要特征基本相符,尤其是实现了云图3h以上的中、长时效的客观预测。     

军事能力到装备系统的双层规划模型及其求解算法

阐述了基于能力的军事规划新思路,提出了从军事能力到系统项目的两层规划模型。该模型上层以效果和效果-成本比值最大化为目标,通过资本规模来约束下层决策。下层以各种能力最大化为目标,在成本约束下寻求不同系统项目的最佳组合,并将结果返回上层影响最终的决策。应用了多目标遗传算法来求解该规划模型。算例结果表明,所建立的双层规划模型及其求解算法对于国防资源分配问题是有效的。     

用于时空综合被动定位的种子分裂算法

针对传统TMA方法的局限性,运用时空综合被动定位(STI)理论,探索如何利用拖线阵列声纳的基阵探测信息估算目标运动要素。采用种子分裂算法(SDA)原理,通过选取合适的初始种子,进行高效率的穷举,从而得出最优解。经过仿真计算及分析发现,与遗传算法相比较,计算量大大缩小;本艇不机动时,即使在低信噪比的情况下,该算法既满足了可靠性的要求,又缩短搜索迭代过程。     

地面无人武器站中的模块划分方法

提出了一种新的基于个体寻优策略的模块划分方法,从模块聚类的内在驱动因素出发,建立相应的规则约束个体的聚合与分离.与遗传算法相比,该算法无需构建目标函数和多次迭代就能获得更好的划分结果,操作流程简洁,容易收敛至全局最优解,计算时间缩短.对比了其他文献提出的算法,表明该算法在解决模块划分问题时的有效性和通用性.     

基于改进卡尔曼滤波方法的机动目标跟踪研究

针对在机动目标跟踪中当目标作高度机动飞行时卡尔曼滤波可能会出现严重发散的情况,提出利用BP神经网络校正其滤波结果,并将遗传算法应用于BP网络的训练过程,以解决BP网络训练速度慢的缺陷,提高算法的实时性。仿真表明该方法是可行的、有效的。