基于免疫遗传算法的无人机航路规划

基于免疫遗传算法的原理,建立了一种在三维复杂地形下,协同考虑地面等待和任务执行两阶段的无人机航路规划模型.首先,使用了生成三维等效地形图的方法;其次,根据所得的地形图,提出了一种改进的分组寻优免疫遗传算法用于搜索最优航路,提高了搜索效率.该算法先用预处理解空间和免疫记忆特性的方法来产生初始解群体,再用免疫遗传算法的特性搜索满足无人机机动特性约束的航路点集,最后使用准均匀B样条曲线,将航路点连接起来的有向线段进行修改、光顺,使航路安全可飞.仿真的结果证明采用的模型是合理有效的.     

飞机总体参数多目标优化设计方法

提出飞机总体参数多目标优化的设计方法,并建立了相应的计算机程序.该方法可避免单目标优化的片面缺陷,从而更加合理地评价飞机总体参数的最佳组合.以起飞总重、燃油重量、航程和最大升阻比为优化设计目标对飞机总体参数多目标优化进行了研究.最后通过算例进行验证,获得了较好的结果,为实际应用提供了有力依据.     

遗传算法的泛函极值求解与应用

路径规划可以描述为泛函极值模型.针对传统的变分法、最大值原理等求解泛函目标函数类型有限的局限性,考虑遗传算法在解空间中进行随机优化搜索的特点,引入遗传算法对泛函极值问题进行求解,给出了求解过程.该方法具有广泛适应性,数值仿真结果表明了该算法的有效性和合理性.最后得到了飞行器飞行的最优控制规律和最优路径.     

联合空时抗干扰天线阵的快速实现方法

联合空时抗干扰方法,性能优于单纯的空域或单纯的时域抗干扰,但是由于其计算复杂度大,实际应用受到一定限制.针对这一矛盾,在MSNWF基础上,通过分析抗干扰天线阵观测信号协方差矩阵的Toeplitz特性,构造高维Toeplitz矩阵,利用FFT技术,提出一种联合空时抗干扰天线阵的快速实现方法.计算量的比较结果表明该方法可以大大降低STAP的计算量,使得联合空时抗干扰技术的实际应用变得更容易.     

地面防空作战中敌空袭规模预测模型

地面防空作战中,为有效地实现资源的优化配置,达到量敌用兵的目的,有必要对敌空袭规模进行预测.在遗传算法与BP神经网络结构模型相结合的基础上,利用遗传算法训练并优化神经网络权重,并对敌空袭规模进行预测.同时与BP算法和灰色系统理论模型进行了比较,经实例检验,计算结果与战场统计结果接近,并优于BP算法和灰色理论模型,具有良好的预测效果.     

遗传算法的均匀圆阵DOA估计

为了精确估计移动目标方位角,通过用遗传算法对均匀圆阵进行目标的估计,引入确定性最大似然准则确定遗传算法中的适应度函数,并利用模式空间变换方法将均匀圆阵转换为虚拟线阵;列出了遗传算法基本步骤.通过计算机仿真对遗传算法与MUSIC算法以及遗传算法迭代次数与信噪比的关系进行了比较,验证了在低信噪比的情况下有很好的收敛性和稳定性.     

坦克目标分配建模与分析

科学地分配火力是正确地动用火力的基础,是完成作战任务的前提,火力分配的依据包括作战意图和任务、地形、目标情况、各火力单元的情况及友邻情况等.为了提高火力分配方案的科学合理性,有效组织和使用所属火力,使用遗传算法解决目标分配问题,最大限度地发挥了武器火力单位效能并达到最大毁伤.火力分配要以战法为指导,真正体现指挥员的作战意图,对于充分发扬火力和提高整体作战能力具有重要指导意义     

改进蚁群算法的无人机航路规划

蚁群算法是基于生物界群体启发行为的一种随机搜索寻优方法,其正反馈性和协同性使其可用于分布式系统,隐含的并行性更使其具有极强的发展潜力,在解决组合优化问题上有着良好的适应性.基于两种改进蚁群算法,分别将遗传算法的交叉操作和Dijkstra算法结合到蚁群系统的无人作战飞机航路寻优过程中,使无人作战飞机以最小的发现概率与可接受的航程到达目标点,并提高了无人作战飞机的航路寻优能力.     

留空式通信干扰弹最优分布覆盖的设计与仿真

为了采取有效措施对敌通信系统进行干扰,一般采用地面电子干扰方式或机载电子干扰方式,而留空式通信干扰弹是近年来发展的一种新型投掷式干扰设备.在通信干扰应用中,经常需要使用多枚通信干扰弹对目标区域进行分布式无缝干扰覆盖.通信干扰弹如何分布才能使干扰弹数量最少,干扰覆盖面积最大,干扰信号的收信功率最强,这是一个比较复杂的多目标优化问题.采用遗传算法求解留空式通信干扰弹最优分布覆盖问题,并进行了算法的仿真.仿真结果表明,算法能够找到符合分布覆盖要求的干扰弹分布方案,并且算法本身具有较好的收敛性和稳定性.     

目标打击任务中多弹型的火力配置模型及优化计算

目前对于单弹型火力配置问题的解决方法比较成熟,但在现代战争中,经常是多种弹型联合使用,因此需要对多类型的导弹火力配置进行探讨。这里针对多种不同类型的导弹毁伤多个目标的问题进行具体分析,建立了导弹突击目标火力配置的数学模型。根据模型的特殊性,灵活运用遗传算法对模型进行了最优化求解。实例的计算结果表明该算法对于模型的求解具有较好的收敛性。