发射与制导分离的编队协同防空目标分配决策

为解决舰艇编队协同防空中发射和制导分离时的动态目标分配问题,以编队生存概率最大、目标突防综合威胁值最小和制导单元分配效益最优为最优函数,建立了动态多目标优化分配决策模型及状态的动态更新方式.采用多项改进措施设计了动态多目标粒子群优化求解算法及流程.仿真结果表明,所建立的目标分配模型能较好地解决舰舰协同防空中火力通道固定和分离时的不同分配问题,并得到了一些有益结论.     

一种高效的通信电台测试点优化故障诊断策略

针对通信电台的测试诊断问题,通过建立“故障一测试”相关性矩阵,提出了一种GADPSO算法与最大诊断信息量准则结合进行通信电台故障诊断的方法．GADPSO算法收敛速度快、计算精度高,既避免了陷入局部最优和早熟收敛,又提高了优化效率;最大诊断信息量准则能全面评判测试点,快速有效地获得测试顺序．该方法为通信电台故障诊断提供了一种高效诊断策略．     

基于直觉模糊和证据理论的装备研制立项评估

针对混合型多属性装备研制立项评估决策问题,将所有评价信息转化为直觉模糊数形式,用Pignistic概率距离表示证据的冲突度,根据信息熵原理确定专家权重,利用Dempster组合规则对专家权重修正后的证据进行组合。算例说明了该方法的有效性。     

自由漂浮空间机器人关节故障锁定位置辨识

针对自由漂浮空间机器人在关节故障情况下关节锁定位置的辨识问题,根据其线动量守恒和角动量守恒特性,建立了关节故障锁定位置辨识的误差模型,提出了利用混沌粒子群优化(CPSO)搜索关节故障位置的辨识算法。最后采用虚拟样机技术,建立了空间机器人系统的虚拟样机,对空间机器人系统进行动力学仿真,获取了运动数据,采用此数据对提出的关节故障位置辨识算法进行了有效性验证。     

基于PSO-RBF神经网络的雷达目标识别

为提高雷达系统目标识别能力,对粒子群算法及RBF神经网络进行了分析。针对离子群算法(PSO)易陷入局部极小的缺陷,提出了基于自适应时变权重和局部搜索算子的改进PSO算法,并将该算法应用到RBF神经网络核函数参数的优化学习中,进行了雷达目标识别仿真实验。仿真结果表明,相对于标准PSO-RBF神经网络,改进算法不仅收敛速度快,且误差精度高,特别在干扰较强时,目标的识别率有较大提高。     

可分解阿贝尔多重群商集对构造法

魏万迪教授提出了群商集对的概念,并进行了一系列的研究。在此,我们进一步推广,引入了可分解阿贝尔多重群商集对的概念,并且研究了几种特殊类型的可分解阿贝尔多重群商集对的构造方法。     

基于群决策赋权TOPSIS的军航空域使用效能评估

针对军航空域使用效能评估的问题,以某军航机场空域为研究对象,根据军航特殊的运行体系和空域使用需求,考虑参训要素对空域使用的影响,建立了包含任务、装备、指控、保障等4个因素的评估体系。在此基础上依托群决策赋权法综合确定各专家权重,并结合TOPSIS方法对军航空域使用效能进行评估。结果显示,此法能够充分结合军航特点,为军航空域使用效能评估提供了可量化的参考依据,具有较好的实用性。     

水下传感网基于节点权重的地理位置路由

水下传感网络采用声波进行通信,具有长时延、高错误率和低能耗要求等技术挑战。为此,提出基于节点权重的地理位置路由（weight of node-based routing,WNBR）。在WNBR路由中,当源节点需要转发数据包时,依据深度适度因子构建候选下一跳转发节点集,利用节点剩余能量、距离和链路质量信息计算下一跳转发节点集中每个节点的权重。最后,选择具有最大权重的节点作为源节点的下一跳转发节点。仿真结果表明,提出的WNBR路由能够有效均衡能耗,降低端到端时延,提高了数据包传递率。     

基于兹-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（兹-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。     

求解武器目标分配问题的改进粒子群算法

在建立多种类型武器目标分配模型的基础上,提出了一种求解该模型的改进粒子群算法。首先,定义粒子聚焦距离变化率,使惯性权重依据聚焦距离变化率自适应调整;其次,采用速度最大值线性递减的策略平衡算法收敛精度与全局寻优能力之间的矛盾;最后,粒子替换策略使算法改善了因自适应惯性权重的引入而造成收敛速度变慢的问题。仿真结果表明,提出模型和算法合理有效,算法收敛快,适合求解各种种群规模的武器目标分配问题。