基于多群体改进萤火虫算法的装配序列规划

为了解决机械产品装配序列优化问题,提出了一种基于多群体改进萤火虫优化算法的装配序列规划方法。建立了装配序列规划的数学模型,针对萤火虫算法收敛效率低的不足,借鉴混合蛙跳算法族群划分思想对萤火虫算法进行了改进,引用局部搜索与全局信息交换机制提升了算法性能;根据装配序列规划问题离散型的特点,定义了新的离散编码方式和粒子更新策略。通过实例仿真结果表明,改进后的萤火虫优化算法简单有效、稳定性好、求解精度高,能够稳定快速地给出装配序列最优方案。     

面向像斑的高分辨率遥感影像自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市QuickBird和WorldView影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度（82%与82.67%）、常规支持向量机分类总精度（87.33%与88%）、最小二乘支持向量机分类总精度（88%与89.33%）相比,精度有明显提升,分类效果较好。     

基于毁伤概率的反钻地弹火炮阵地优化配置研究

针对地面火炮武器末端拦截大壁厚钻地弹的作战需求,在对火炮武器系统拦截钻地弹毁伤概率多种影响因素计算分析的基础上,提出了基于拦截毁伤概率计算的火炮数量和部署位置的优化方法,给出了典型的火炮阵地部署方式和相对防护点的部署半径建议,可为反钻地弹火炮武器系统的论证和设计提供技术参考。     

基于MPC方法无人机避障路径规划研究

无人机大多依靠规划好的航路飞行,面对复杂的、不可预知的飞行环境,有效的自主障碍规避能力对提高飞行安全十分必要。针对无人机飞行过程中机动障碍物的避障问题,提出了一种MPC避障路径规划方法。构造障碍物预测模型、一阶指数参考轨迹生成方法、并提出了能力-时间组合最优为目标的滚动优化模型,有效解决了在运动障碍物作用下,无人机运动轨迹安全、平滑的动态规划问题。二维和三维空间仿真结果表明,所提方法是有效的。     

基于混合算法的巡飞无人机轨迹优化策略

提出大型空中侦察无人机作为控制中继来控制陆基发射的巡飞无人机作战模式。以多脉冲固体火箭发动机为动力的巡飞无人机的航程末端速度大,可以有效提升无人机的战场生存能力;为使巡飞无人机末速最大,有效提高巡飞无人机飞行轨迹优化求解的鲁棒性和精度,提出了遗传算法与高斯伪谱法相嵌套的混合优化方法。同时与单脉冲推力模式的无人机进行了对比仿真,验证了该混合优化算法的实用性和有效性。     

直升机扫雷航路动态优化建模与仿真

针对预案作战方式在扫雷作战过程中无法兼顾作业区面积和自然条件一致性的缺陷,提出了直升机扫雷航路动态优化的方法,建立了直升机扫雷航路动态优化数学模型;在扫雷作战过程中,每当直升机进入下一搜扫线路前,结合水雷障碍区地形起伏和海流情况,根据所建模型可由扫爆水雷灵敏度和扫雷具磁场特性给出优化的直升机扫雷速度和扫雷宽度。仿真结果表明,该方法在扫雷作战过程中能优化扫雷线路,从而能减小局部误差,提高了扫雷效率。     

基于θ-QPSO的战斗机机动规避优化方法

规避导弹攻击对于提高战斗机生存能力具有重要意义。首先,建立战斗机和导弹的运动模型及导弹导引律模型,采用直接多重打靶的参数化方法,将机动规避最优控制问题转化为非线性规划问题;采用相位角编码量子粒子群优化算法(θ-QPSO)实现参数寻优,并结合滚动优化的思想,利用模型预测控制得到规避轨迹闭环解和战斗机的实时控制量。最后仿真验证了该方法的合理性和算法的有效性。     

基于两级库存的装备备件配置优化模型

备件库存配置优化是提高装备战备完好性、降低装备寿命周期费用的重要途径。分析了基地级仓储中心、基层级仓库两级装备现场可更换单元(Line-Replacement Unit,LRU)库存系统,提出了备件初始配置方案下库存缺货模型,建立了基于备件隶属关系的两级库存系统配置优化模型。该模型以装备可用度和库存费用为优化目标,通过优化备件库存配置结构,形成合理的备件库存配置方案,从而降低备件配置费用,避免资源浪费。     

混合离散粒子群的任务调度算法及应用

针对粒子群算法存在易陷入局部极值、精度差的缺点,引入了模拟退火的思想,研究了一种混合粒子群优化算法,防止早熟现象的产生,使种群在更新迭代中保持了多样性,并将混合算法应用到典型的任务规划调度问题求解中,通过仿真验证了混合算法的有效性,与单一的离散粒子群算法相比,提高了调度问题的求解效果。     

遗传神经网络在保障资源需求预测中的应用

针对现代战争条件下装备保障资源需求变化快,保障资源预测困难的问题,首先分析了影响装备保障资源需求的因素,根据实际情况选取了平均维修间隔时间(MTBM)、平均修复时间(MTBR)等8项影响装备保障资源需求的关键指标,然后将基于遗传算法(GA)优化的反向传播(BP)神经网络应用于保障资源需求预测中,构建了基于遗传神经网络的需求预测模型,最后利用1980年～2010年实际保障资源需求数据对模型进行了验证.验证结果表明,基于GA优化的BP神经网络预测模型有较快的收敛速度、较强的适应性和较高的预测精度,适用于装备保障资源需求预测.