一种吞吐量优化的无人机飞行轨迹规划算法

基于无人机(Unmanned Aerial Vehicle,UAV)协作通信已成为满足下一代蜂窝用户需求的有效技术.UAV的飞行轨迹对通信服务质量有直接影响.为此,提出吞吐量优化的UAV飞行轨迹规划(UAV Trajectory Planning to Maximize Throughput,TPMT)算法.TPMT算...     

基于改进GA-BP神经网络的目标毁伤效果评估

针对事后的目标毁伤效果评估时效性一般、主观性较强的问题,提出了一种基于改进GA-BP神经网络的毁伤评估方法.该方法以飞机系统为例,分析了系统目标特性后,按照目标系统层、功能毁伤层、物理毁伤层的结构顺序,构建目标毁伤树并划分毁伤等级;引入遗传算法,对其选择算子、交叉和变异概率加以改进,以获取BP神经网络最优权重值,增强了...     

基于改进二进制蝙蝠算法的装备资源保障规划

针对联合作战环境下的装备资源精确保障协同规划问题,考虑以所有保障任务完成时间最短为目标,以保障任务的执行时序和资源需求、保障编组占用冲突,以及资源平台能力更新机制等复杂条件为约束,构建数学模型,提出了基于动态列表调度(Dynamic List Scheduling,DLS)和自适应进化变异二进制蝙蝠算法(Adaptiv...     

基于改进粒子群算法的岛礁孤立多能源军事供电系统运行优化研究

为更好地发挥岛礁孤立多能源军事供电系统的保障效能,合理使用储能蓄电池,尽量延长蓄电池使用寿命,提出了一种蓄电池折旧成本模型,建立了包括发电成本和蓄电池折旧成本的多能源供电系统运行优化模型.针对传统粒子群算法求解优化模型易出现"早熟收敛"的缺点,提出了改进的粒子群算法.该算法利用最大速度线性递减方法,早期采用惯性权重自适应来平衡全局寻优能力和算法收敛精度之间的矛盾,后期增加压缩因子来加强算法的收敛速度.最后,以某岛礁孤立多能源军事供电系统为例,验证了模型的有效性和算法的性能,可为岛礁多能源供电系统运维人员制定系统运行策略提供指导.     

基于Millington方法的ASF数值计算软件设计与实现

为了对罗兰C信号传播过程中的附加二次相位因子(ASF)进行预估,针对ASF的数值计算软件进行了设计与实现.首先,采用米林顿方法为核心算法,建立了罗兰C信号在单传播介质和混合传播介质中的传播模型,并采用C++Builder5进行实现;然后,利用该软件的计算结果,对几种典型路径上的信号传播场强和时延分布规律进行了分析,验证...     

基于改进模糊逻辑的VAV系统GPC控制策略研究

为了提高多输入多输出变风量(VAV)空调广义预测控制(GPC)系统控制性能,提出一种新型GPC控制策略。该方法通过考虑系统的输出绝对误差和基于误差变化率获得输出初次达到设定值的时间等指标,建立了一个新型二型模糊逻辑模型来在线整定GPC控制器中的加权系数。同时,采用天牛群算法(BSO)来明确二型模糊逻辑输出区间范围,使其可以更贴切地反应系统当前时刻的输出状态。此外,在前述BSO的基础上,提出通过线性以及事件触发地衰减种群规模的方法,缩短BSO的收敛周期,以进一步提升GPC控制策略的性能。实验结果表明：基于二型模糊逻辑整定的GPC控制器性能显著优于已有GPC控制器。     

改进的聚类算法在入侵检测系统中的应用

K-中心点聚类算法是几种经典的聚类算法之一。但传统的K-中心点聚类算法的效率以及稳定性较低,聚类的过程缓慢,容易陷入局部最优解,使得聚类最终结果的准确性不能得到保证。为此,提出了一种基于数据的"密度"信息有效地改进K-中心点聚类算法并应用于入侵检测模型。该算法很好地克服了传统的K-中心点聚类算法过分依赖初始中心点选择的弊端,并且用实验分别验证,以这种方法来进行数据的聚类相比于传统的K-中心点聚类算法,显著提高了数据集聚类的效果,在入侵检测系统的应用中也有效地提高了检测率和降低了误检率,具备一定的实用价值。     

基于改进人工鱼群算法的反TBM目标分配策略

反TBM目标分配是防空反导作战指挥决策的关键问题,限制影响因素多,实时准确度要求高。为提升反TBM目标分配效能,构建了目标分配模型,通过引入交叉变异算子,并结合模拟退火算法,对人工鱼群算法进行改进,仿真分析表明,算法的搜索能力和收敛速度得到了提高。     

组网雷达协同干扰资源分配模型及算法

针对多干扰机协同作战(Multi-Jammers Cooperative Combat,MCC)问题,研究如何在干扰资源有限的情况下对其进行充分的利用,从而获得最优的干扰收益。将雷达的威胁等级和几何精度因子(GDOP)结合作为目标函数,建立以干扰机时间利用率为约束条件的MCC问题优化模型。运用熵权法计算雷达脉宽、带宽、载频和重频的权重,并根据灰色关联相对贴近度确定雷达的威胁等级,采用离散的粒子群算法对模型进行求解。通过MATLAB仿真表明,该算法可以快速找到目标函数的最优解,得到最佳的分配方案,通过对结果的分析,进一步验证该算法的有效性和模型的可行性。