对潜搜索的灰色整数规划模型

在对潜搜索中,针对搜索兵力武器装备战技性能的优劣、指挥人员的军政素质的高低、水文气象条件的好坏等因素均会随着时间的推移而发生变化的特点,为了取得最佳的搜潜效果,需要根据时间变化给不同的作战单元分派不同的作战任务.将整数规划与灰色模型相结合,建立了对潜搜索的灰色整数规划模型,给出了检验方法和求解步骤,并举例分析说明.经验证,该模型精度等级较高,且能使各作战单元的搜索效率达到最佳,因此,可资对潜搜索兵力分配时借鉴.     

基于TOPSIS法与灰色关联度法的故障样本分配方法

针对故障率作为维修性试验验证故障样本分配的主要影响因素,而使故障样本分配结果的合理性与可信性不足的问题,提出了一种基于TOPSIS法与灰色关联度法的维修性试验验证故障样本分配方法。构建了故障样本分配影响因素体系,采用残缺判断矩阵法确定了各影响因素的权重,基于TOPSIS法与灰色关联度法构建了故障样本分配的数学模型。以某型装甲车辆加温器的维修性试验为例,验证了所提故障样本分配方法的可行性,结果表明:相比按比例分层抽样的故障样本分配方法,所提方法的故障样本分配结果的合理性与可信性明显提高,更适用于装甲装备维修性试验验证工程实践。     

基于先验目标概略航向的双机搜潜方法

针对在反潜直升机执行应召搜潜任务时,已知目标潜艇概略航向,当出动两架反潜直升机执行应召搜潜任务时,反潜直升机采取的双机搜潜方法,声纳投放位置及使用时机问题和难点,提出了反潜直升机的一种新搜潜方法"前堵后追"法,即一架反潜直升机在潜艇目标丢失点位置沿潜艇逃离的概略方向执行扇形搜索,另一架反潜直升机在所确定概略方向的远界投放声纳浮标,充分利用吊放声纳与声纳浮标执行对潜搜索任务,发挥反潜直升机高机动性能的优势,提高发现概率。最后,进行了仿真实验,仿真实验结果表明反潜双机"前堵后追"法能较好地解决双机搜潜情况下,对已知概略航向目标潜艇的搜索问题,反潜直升机发现潜艇的概率相对于其他双机搜潜方法有较明显的改善。     

基于反正切函数的测试性分配方法

针对现有主流测试性分配方法存在的分配指标过低和过高等不合理问题,分析认为其根源在于现有方法采用线性分配函数,而该函数不符合测试性指标提升规律,为此,构造了一种基于反正切函数的测试性分配函数,设计故障检测率与故障隔离率指标的分配算法,开展案例应用并与经典故障率分配法和综合加权分配法进行对比分析,结果表明随着分配权重(故障率)的变大,本方法分配指标的增幅逐渐减小,不会出现极低指标和超1指标的不合理情形。     

飞机运动态势对航空深弹入水点散布影响分析

航空自导深弹具有结构简单、可靠性高、不受水文条件限制等特点,而且还具有自导捕获和跟踪目标能力,对于提高航空兵部队反潜能力具有重要作用。反潜机投放高度、投放速度等运动态势关系到使用航空自导深弹对目标实施准确打击。针对航空自导鱼雷攻潜实际过程,建立其入水点的散布误差模型和空中弹道模型,并仿真分析反潜机投弹高度、投弹速度对航空自导深弹入水点的影响。     

分布式遗传模拟退火算法的火力打击目标分配优化

根据火力打击规则,建立了多目标函数的目标分配模型,提出了分布式遗传模拟退火算法对模型进行求解。分布式遗传模拟退火算法基于经典遗传算法进行改进:将单目标串行搜索方式变成多目标分布式搜索方式,适用于多目标寻优问题求解;采用保留最优个体和轮盘赌相结合的方式进行个体选择,在交叉算子中引入模拟退火算法,使用自适应变异概率,较好地保持算法广度和深度搜索平衡。最后,通过仿真实验验证了算法的有效性和可靠性。     

合成分队火力分配协同决策模型研究

针对合成分队火力分配效率和科学性不高的问题,采用协同决策思想对合成分队火力优化分配方法进行了研究。针对合成分队的作战特点提出了3种模型:建立了攻击力量类型相同的多种准则的火力分配模型,建立了攻击力量类型不同的基于双层规划的火力分配模型,建立了具有上级指定任务的分队内和分队间的火力协同分配模型,并对相关模型进行了实例仿真验证。提出的这3种模型能够解决合成分队在火力分配中的协同决策问题,可提高作战指挥决策的实时性和科学性。     

装备器材保障资源调度决策模型及算法

装备器材保障资源调度问题是一个非常复杂的问题,根据其优化目标要求,从保障时间最短、保障耗费最低、安全性最高3个方面建立了该问题的多目标优化模型,并通过目标优先度决策将其转化为单目标模型;接着,采用两阶段法进行求解,将其分为最优路径决策、器材分配决策两个阶段进行决策优化,在明确资源点到需求点之间的最优路径后再进行器材资源的分配;并分别采用基于小生境的自适应遗传算法和基于生成树的遗传算法进行求解。通过实例分析,求解结果能够满足装备器材保障的要求,表明所构建的决策模型和算法是有效的。     

一种改进的量子粒子群算法

量子粒子群算法是将量子计算与粒子群算法相结合的一种新的优化方法。首先利用相位角进行实数编码,将动态量子旋转门引入到粒子群算法中,采用自适应变异,提出了一种改进的量子粒子群算法。然后运用Pe-nalized函数和Ackley函数测试了该算法的性能。最后将该算法应用到武器目标分配模型中,获得了最优的分配方案。仿真研究表明,该算法具有收敛速度快、搜索能力强和稳定性高的特点。     

一种多阶段对抗博弈的合成火力分配方法

如何进行贴近实际的合成火力分配是一个极具挑战性的课题。考虑到实际作战任务的多阶段特性,提出了一种新的回合制对抗策略及博弈模型,并设计了高效的确切解算法。红方对抗策略的首要目标设计为每一回合均最大化蓝方的损失,且最小化己方的损失。其次,针对战术目标的优先级问题,引入了权重系数分别表示蓝方和红方不同兵力的重要性,其值越高代表其被打击或保护的优先级越高。此外,首次引入了表征红方对自身损失敏感程度的超参数,其值小即对损失不敏感,意味着可采取较激进的战术。针对相应的整数线性规划模型,设计了分支定价算法。实验结果不仅表明了数学建模的正确性与合理性,而且验证了分支定价法相较于遗传算法的优越性。对抗策略设计、优先级量化方案以及损失敏感程度度量的合理性也得到了充分验证。此外,该新颖的对抗博弈模型及算法部分表现出了与传统兰彻斯特作战模型的一致性;而可调节的损失敏感参数,使得模型具有较好的兵力分配的灵活性,在达成战役目的的前提下,可实现兵力的阶段性投入并避免某一阶段无某一类型兵力可用的情况。