协同反潜指控决策建模及优化研究

介绍了多目标优化模型.建立了协同反潜作战中目标威胁度和射击有利度模型,将遗传算法引入到指控决策优化过程中.设计了基于遗传算法的指控决策优化算法,并对算法作了适应度值乘幂变换和保存最优个体策略方面的改进.以编队协同防御为例,得到了未改进的遗传算法和改进的遗传算法的优化结果,并对两种方法的优化效果进行了比较,比较结果表明:无论是从算法的收敛速度还是寻优率方面,做过改进的算法都较未改进的算法优越.通过选择不同的初始种群进行多次试验的方法,验证了优化结果的正确性.     

基于候选轨迹统计模型的红外弱小点目标检测(英文)

建立候选目标轨迹集合,以候选目标轨迹集合为样本空间,利用沿候选轨迹的能量积分构造此空间上的概率分布,从而建立候选轨迹的概率统计模型.以此模型为基础,设计了一种弱小点目标检测方法.通过蒙特卡罗实验方法调节模型参数,使得算法的检测性能达到所提出的指标.该算法规避了以往算法中需要获得解析形式的候选轨迹密度函数的限制,因此能检测出沿任意方向作直线运动的点目标.最后,针对给定的弱小点目标观测图像序列,利用所提出的算法进行检测,仿真结果证明此算法是有效的.     

雷达网实际探测概率分布模型与仿真算法

基于综合考虑各种外界因素影响的雷达实际平面探测区域,建立雷达网实际探测概率分布模型,是一个有待深入探讨的问题.考虑地物遮蔽、顶空和波瓣间盲区的具体影响,首先讨论了雷达单元实际平面探测威力模型,进而提出了一种雷达网实际探测概率分布模型与仿真算法.实例仿真结果表明该模型和算法实用高效.     

一种基于轮廓自扩展的GVF算法

针对Snake算法及GVF算法对初始轮廓覆盖区域敏感性的缺陷,提出一种轮廓自扩展方法,从而使初始轮廓能够有效地覆盖目标所在区域,达到对目标的完整搜索;将其应用到目标跟踪中,根据下一帧中目标与当前帧设置的轮廓的交叉,通过自扩展初始轮廓可以很快将目标划为搜索区域之内.实验表明,基于轮廓自扩展方法的GVF方法可以实现对目标轮廓的完整提取;在目标跟踪中可以自动、有效地跟踪目标.     

基于蚁群算法和禁忌搜索的部队机动路径选择

高技术条件下的现代战争对部队机动路径选择问题提出了新要求,一方面道路网的扩大使问题求解的规模大大增加,另一方面作战环境和任务的变化使得问题本身不得不从多角度进行综合评价.增加了问题的复杂性.针对问题建立了数学模型,引入信息熵理论作为目标评价准则,借助改进的蚁群算法、禁忌搜索算法相结合的启发式方法对问题进行求解,得到了令人满意的结果.仿真结果分析认为,算法是切实有效的,并且具有良好的稳定性.     

粒子群算法的弹道参数辨识方法

提出一种基于粒子群算法的航空武器气动参数辨识算法,该算法采用粒子群算法计算航空武器气动参数分段函数的分段边界点马赫数值,在此基础上采用实数编码遗传算法计算分段函数的多项式系数.采用该算法进行某型炸弹阻力系数辨识计算,计算结果表明:该算法可行,且计算的阻力系数精度高.计算结果已成功应用于某型航电火控系统的设计中.     

无人机协同攻击的混合粒子群算法

针对协同空战中多目标的攻击问题,综合考虑杀伤概率、毁伤率、战役价值3个因素,分别制定评价函数.采用线型加权的方法,确定总的代价函数.使用混合粒子群算法(Heuristic Particle Swarm Optimization, HPSO)优化攻击分配方案,找到使我方以最小代价获得胜利的分配方案.最后仿真,3架我机对阵8架敌机,分析了8种不同的交叉变异策略对攻击分配结果的影响,并与蚁群算法进行比较,在代价函数基本不变的前提下,速度提高了近10倍,表明了采用HPSO算法优化攻击分配方案的快速性和正确性.     

基于蜂群算法的战时毁伤装备维修任务调度研究

现代战争中,装备的战损率大大提高,装备维修任务十分繁重,如何在最短的时间内将损坏的装备修复好,是装备维修决策的重要内容之一[1]。鉴于蜂群算法在任务调度特别是动态随机任务调度中的优势,将蜂群算法引入装备维修任务调度研究,并进行了仿真实验,通过测试案例的仿真结果表明,蜂群算法对于动态随机任务调度具有很强的优势。最后对蜂群算法中的各参数对于仿真结果的影响进行了分析。     

反辐射无人攻击机过载参数分析

基于反辐射无人攻击机导引头控制原理,在建立反辐射无人机末制导系统数学模型的基础上,根据反辐射无人机的作战环境和特点,分析了反辐射无人攻击机攻击弹道预定过载参数的影响,并依据反辐射无人攻击机的弹道运动方程进行了仿真运算,选取了最佳的攻击弹道.     

测向交叉定位中基于最小距离的二次聚类算法

针对现有测向交叉定位系统中聚类算法存在的计算量大、求解最优解困难等问题,提出了一种基于最小距离的二次聚类算法.即先通过最小距离法对每条测向线上的交点进行聚类分析,得到几个聚类程度较高的交点集合,再对这些交点集合通过取交集的方法进行二次聚类,得到少数的几个交点集合,最后再对这几个少数的交点集合进行选优,从而消除虚假交点集合,得到真实交点集合.通过交点回归计算,保证了真实交点集合具有很高的关联正确率.计算机仿真结果表明,该算法具有很高的关联正确率,且计算量较小,实时程度较高,并且适应于多传感器存在漏测的情形.