一种基于麻雀搜索算法的空中目标意图预测方法

针对BP神经网络（BPNN）的分类性能和遗传算法（GA）的参数寻优能力难以满足空中目标意图预测需求的问题,提出了一种基于麻雀搜索算法（SSA）优化支持向量机（SVM）的空中目标意图预测方法。利用SVM和SSA分别取代BPNN和GA,构建了SSA-SVM空中目标意图预测模型,并对模型的预测性能进行了仿真检验。结果表明,SSA-SVM比GA-SVM具有更快的收敛速度和更高的适应度值,比BPNN具有更高的预测准确性和更稳定的预测结果。因此,SSA-SVM可以准确、稳定地预测空中目标意图,能够满足意图预测在准确性和稳定性上的需求,提升了预测性能。     

侦控打评一体化时间优化与控制技术

侦(侦察)-控(控制)-打(打击)-评(评估)是一个复杂的目标打击过程,侦控打评一体化的关键是时间指标的优化和控制,结合图论技术,研究了基于图论的侦控打评一体化时间指标优化和控制方法,提出了目标打击全过程的一体化监视与控制的新思路,从目标打击过程的整体性和全局性寻求解决措施,提升打击时间敏感目标的能力,对察打一体等方面研究应用有较好的参考价值,对打击时间敏感目标技术研究有较好的指导意义。     

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.     

基于改进布谷鸟搜索算法的多传感器调度方法

针对以往战场环境中目标跟踪背景下多传感器调度算法收敛性差、求解精度低的问题,在CS算法(布谷鸟搜索算法)的基础上,提出了一种基于差分进化的布谷鸟搜索算法.在跟踪目标模型的基础上,以跟踪精度、任务完成率以及传感器资源能源消耗为指标,建立多传感器调度模型;借鉴差分进化思想,对布谷鸟搜索算法进行改进;利用改进后的布谷鸟搜索算法(DE-CS算法)求解传感器调度模型.将DE-CS算法与基础CS算法进行仿真比较,仿真结果表明,改进后的算法在收敛速度和精度方面都得到了有效改善,证明改进后的算法有较好的求解质量.     

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.     

车材配送调度优化问题的一种改进禁忌搜索算法

针对车辆配送调度优化问题的容量和时间窗约束,提出了一种改进的禁忌搜索算法,并用惩罚函数表示约束条件,经过实例检验,证明算法可行、高效。     

格论在图分解中的应用研究

具有编序的多树组集合是多树格。多树格是几何格。多树组和其多树格的元素之间的有一一对应的关系。一个混合子图的全部树可以由能构成最大独立集的子图的多树组的Ｃａｒｔｅｓｉａｎ乘积的并集得一而勿需用制方法求出。这样在格率和图论之间建立了联系,对图的分解问题提供了一种直观的几何方法。     

关于图的一个边重构性定理之证明

若图Ｇ存在一个次为δｐ＋ｋ的顶点至少和ｋ＋１个小次顶点相邻,则Ｇ是边可重构的（δｐ为某小次,ｋ≥０为整数）。文（１）并没有证明,本文给出其证明方法,且得到一个推论。     

基于群集的多机器人编队控制

利用图论表示机器人编队模型,用改进的邻接矩阵表示机器人之间的位置关系,用人工势场法对多机器人编队群集运动进行控制,改进的控制律可以使多机器人达到希望的队形,并共同以预定的速度行进。然后用李亚普诺夫稳定性理论进行分析,得出在此控制律下的多机器人系统可以进行稳定的编队群集运动。     

基于图论的防空节点攻击价值研究

应用图论将防空系统抽象成二维网络的拓扑结构图,综合考虑防空节点在防空网络中的分布特性及武器系统的性能指标,选取防空节点的火力自由通道数作为权值参数,建立了防空系统的加权网络模型,提出了节点攻击价值计算公式,并以实例进行了分析,结果表明了该方法的有效性,为航空兵突袭目标的选择提供了一种新的思路和方法。