考虑随机回放的卫星数传调度问题的一种求解方法

针对考虑随机回放的卫星数传调度问题,从置换空间到调度解空间的映射方法和置换空间的搜索算法两方面进行了研究.提出了一种时间窗优先的置换序列映射算法,并证明该映射算法可以将置换序列映射到调度解空间上的最优解.提出了一种遗传随机搜索算法,基于有记忆功能的随机邻域搜索,在置换空间上搜索产生优化调度的置换序列.仿真计算表明,遗传随机搜索算法可以增强遗传算法的局部搜索能力,在搜索结果上平均获得了2.72%的改进.     

贪心遗传算法解决一般武器-目标分配问题

一般武器-目标分配问题,是使武器发挥最大效能而使目标遭受最大毁伤的最优化问题.遗传算法广泛用于解决最优化问题.提出一种具有贪心优化机制的局部搜索方法,以提高遗传算法的搜索效率,从而迅速找到全局最优解.应用于炮兵武器-目标分配问题的仿真试验结果表明,此算法比现有的其他搜寻算法具有更好的求解效率.     

基于混合训练神经网络的武器系统效能评估

本文采用将遗传算法和神经网络相结合的混合训练神经网络模型 ,分析了其基本思想方法、具体实现过程 ,以及在武器效能评估中的具体应用。实例分析表明 ,该模型用于武器系统效能评估可较好地克服人为因素和模糊随机性的影响 ,使评估结果更为合理可信。     

遗传算法在野战通信网络路由算法研究中的应用

针对野战通信网络的特点以及军事业务对它的QoS需求,建立了相应的数学模型。针对该问题的NP-完全特性,采用全局搜索能力强的遗传算法进行求解。算法采用自然数编码,有效地提高了搜索效率。进行了相应的仿真,仿真结果表明该算法是有效的,能够满足军事业务的QoS需求。     

面向连通性的空中分层网络中继航线规划方法

针对飞机编队执行任务的通信保障问题,依据空中网络分层环境特点,采用增加中继节点的方式实现网络的连通性。提出一种空中分层网络中继航线规划方法,以飞机任务航线为输入,通过比较最小生成树(minimum spanning tree,MST)中边顶点的连通分量是否与前一时刻相同,进行生成树优选;将中继段向量顶点的度和中继节点在2个中继段向量间的运动时间作为联合权重,进行中继段向量连接。仿真结果表明,该方法能够实现中继节点在时间和空间上的复用,相比传统算法,有效减少了中继节点个数,实现了中继节点航线优化。     

电磁发射系统以太网拓扑结构建模优化

拓扑结构优化模型是网络中的一类重要模型,可以有效地优化系统整体链路性能。针对电磁发射系统以太网拓扑结构中部分节点和链路的负载过大,一旦发生堵塞,将会影响网络中关键链路性能的问题,建立网络拓扑结构优化的多目标规划模型,并提出一套基于基因环操作的遗传算法对其进行求解,通过仿真得出最优的网络拓扑结构。根据仿真结果修改实际网络节点默认配置参数,结果显示该模型和算法能有效均衡负载,降低网络冲突率,且不需要改变电磁发射系统以太网的物理链路,不会增加额外成本,对电磁发射类系统具有普适性的意义。     

基于改进二维熵-量子遗传算法的图像多阈值变化检测方法

针对二维熵法阈值分割中精度和时间性能较差的问题,提出了基于改进二维熵-量子遗传算法的多阈值图像分割方法。定义了二维阈值量子染色体的编码方式,解决了传统遗传算法优化二维最大指数熵阈值过程中速度慢、多样性小的缺点;在产生阈值解时,提出了半随机策略来代替传统的完全随机策略,加快寻优速度;改进了量子门旋转角度方式,提出了一种新的自适应旋转角度的方法,提高了算法的精度和收敛速度。并进行了分割实验和SAR图像变化检测实验。结果表明:该方法比基于一维熵的图像分割算法具有更高的抗噪性;其寻优速度较完全随机产生阈值解的量子遗传算法提高了3倍～5倍;避免了算法发散或过早收敛。与其他基于阈值分割的变化检测算法相比,性能更好。     

蚁群算法的路径规划改进策略

研究了潜艇路径规划问题,基于遗传算法变异策略,提出了针对蚁群算法路径规划问题的改进策略,分别以威胁概率和路径长度作为代价指标构建了仿真分析。仿真结果表明,改进的算法从算法收敛速度和收敛性较改进之前更具优势,研究成果可为潜艇路径规划问题提供解决方法和途径。     

基于双层Voronoi图的常规导弹多波次打击模型

着眼未来常规导弹实战化需求牵引,针对常规导弹多波次作战期间的波次转换问题,为尽可能缩减发射装置机动距离,降低算法复杂性,通过构建双层Voronoi图模型,对导弹发射阵地按照转载阵地进行动态聚类。在此基础上构建了双波次打击问题的双层规划模型,设计了针对于此问题的遗传算法。通过算例验证了模型及算法的有效性。     

联合防空目标分配方案优化研究

目标分配是联合防空作战指挥决策的核心内容,是各级联合防空指挥中心的重要工作,其模型的合理性与可信性会对作战结局产生重大影响。为提高目标分配的合理性与可信性,对联合防空作战混合部署下的目标优化分配问题进行了详细分析,建立了相应的数学规划决策模型。为了有效获得问题的全局最优解,将改进遗传算法(GA)应用于数学规划决策模型的求解过程中,并给出了模型求解的方法和步骤,经实例应用,取得了满意的结果。