基于保障时间窗的油料调拨运输模型

通过引入保障时间窗,同时考虑油料保障的时间约束和运力约束,建立了基于保障开始时间最早,并尽可能满足保障需求量的调度模型。针对问题的多目标性,基于理想点法将初始模型转化为单目标优化模型。采用粒子群算法对模型进行求解,并设计了算法编码和求解步骤。通过算例验证了模型和算法的可行性及有效性。     

基于改进粒子群优化算法的微电网孤岛选址定容

分析了在重要孤立系统中采用微电网供电的必要性,在此基础上提出了采用由非支配排序法和拥挤距离排序法改进的粒子群算法进行微电网选址定容,其目的是改进多目标微电网规划问题的优化结果。通过改进算法与基本算法算例结果的对比分析,验证了改进算法在求解孤岛选址定容问题上具有较强的寻优能力、较高的收敛精度和较稳定的最优解,为进一步研究微电网孤岛选址定容问题提供了思路。     

基于粒子群算法的WSN多目标跟踪能量均衡算法

为了满足无线传感网络下多目标跟踪对于跟踪精度与网络寿命的需求,提出一种基于粒子群算法和势均衡多目标多伯努利滤波（cardinality balanced multi-target multi-bernoulli filter,CBMeMBer）的多目标跟踪能量均衡算法。算法通过粒子群算法计算网络能量中心,围绕能量中心形成传感器簇从而改善网络结构,在CBMeMBer滤波的基础上,借助Cauchy-Schwarz散度作为评价函数优化传感器节点量测更新顺序,以保证多目标跟踪精度。通过仿真结果证明算法在多目标跟踪精度与网络能量均衡性上的优势。     

基于改进PSO算法对榴弹最佳杀伤面积的计算

为了获得榴弹在空中爆炸时的最佳杀伤参数,提出了一种最优参数计算方法。以卧姿人员为杀伤目标,建立了杀伤面积与落速、落角和炸高的数学模型和优化模型,利用随机惯性权重法对标准粒子群优化算法（particle swarm optimization,PSO）算法中的惯性权重进行改进,采用改进后的算法对榴弹最佳杀伤参数进行计算。结果表明：改进的算法对比传统计算方法,计算精度更高,最大炸高改进误差超过0.1 m,对比标准PSO算法需要的粒子数量更少,收敛速度更快。为榴弹最佳杀伤参数的设计提供了一种高效计算方法。     

一种基于关联脉冲对的动态直方图分选算法

针对现有分选算法在复杂电磁环境下准确性与效率降低的问题,提出了一种基于关联脉冲对的动态直方图分选方法。该方法首先对到达时间差进行固定箱长统计,将高于检测门限的相邻箱进行合并,得到动态直方图统计结果,估计出潜在PRI(pulse repetition interval)。对潜在PRI对应的关联脉冲对进行分析,剔除虚假PRI并估计出真实PRI的抖动量。最后,再依据PRI参数完成脉冲序列搜索,实现对雷达信号的分选。仿真实验表明,该方法在较低的到达时间差级数条件下,对多部复杂PRI调制信号的分选准确率达到95%,能够对复杂电磁环境下的雷达信号进行有效分选。     

异构无人平台不规则区域协同侦察部署方法

针对未来无人化陆战场有人/无人混合编队中异构平台携带多型侦察装备的协同侦察部署问题,提出自适应粒子群-区域最优匹配（PSO-ROM）算法。采用参数自适应和局部变异方法对粒子群优化算法进行改进,并对异构平台中探测性能最优的多个同类型传感器进行优化部署;针对异构平台中的多个其他类型传感器,采用区域最优匹配算法,依次对尚未覆盖的空白区域进行优化部署,直至达到侦察部署目标。实验结果表明,采用PSO-ROM算法进行异构传感器不规则区域部署时,算法执行时间相对于传统粒子群算法平均缩短91%,覆盖率平均提升14.9%,各节点移动距离平均缩短0.65 km。采用PSO-ROM算法开展重要区域的多频谱覆盖时,雷达波段、可见光波段和红外波段的平均覆盖率分别为91.0%、94.3%和96.1%。当覆盖比F达到1.2时,待部署传感器资源的利用率已接近饱和,再增加更多的传感器资源将不会对覆盖率产生明显的改善效果。     

基于改进粒子群算法的地空导弹使用保障设备优化配置

地空导弹使用保障过程复杂,很难有效地对使用保障设备进行优化配置。结合地空导弹使用保障需求以及其使用保障作业流程的特点,构建地空导弹使用保障设备优化配置模型。该模型属于典型的NP难问题,基于此提出以改进的粒子群优化方法对模型进行求解。新的粒子群优化方法中,将粒子线性移动改进为非线性移动方式,有效提高粒子的全局搜索能力。粒子的编码方案首次采用位移向量表达方式,并提出一种新的粒子修复策略,有效地简化了模型的求解过程。给出算例并且设计了对比实验。实验结果表明本文方法能够解决地空导弹使用保障设备的优化配置问题,并且对于其他资源配置问题求解也具有重要的参考意义。     

基于改进粒子群算法的复杂地况下雷达布站优化

针对现有雷达布站数学模型不能解决复杂地况下的雷达布站问题,提出了一种复杂地况下的雷达布站数学模型,该模型解决了雷达在复杂地况下布站位置受限的问题。在此基础上,提出了基于改进粒子群算法的复杂地况下的雷达布站优化算法,该算法改善了现有粒子群算法中期搜索性能不强的缺陷。仿真结果验证了提出的改进雷达布站数学模型的可行性和基于改进粒子群算法的复杂地况下雷达布站优化方法的有效性。     

基于稀疏表示的数字调制模式识别

通过分析稀疏表示在模式识别应用的基础上,提出了一种基于稀疏表示的特征提取方法。该方法首先引入主成分分析对新的样本进行降维,然后利用降维后的训练样本构建稀疏线性模型,通过范数最优化求解测试样本的稀疏系数,根据稀疏系数的分布提取特征值。最后利用支持向量机分类器进行信号的分类识别。并在求解最小范数优化问题中,提出一种通用的解决方案,利用粒子群算法确定最优惩罚系数。新方法提取的特征值经计算机仿真研究证明,该算法具有较好的有效性和一定的工程应用性。     

一种新的重频调制类型自动化识别方法

针对雷达重频调制类型模式识别中存在的问题,提出了一种可以自动化识别PRI调制类型的算法,易于工程化实现。该算法通过对脉冲序列提取特征向量完成调制类型的识别,并给出特征参数的描述。实验仿真和实际应用均表明该方法正确识别率高,可有效地识别PRI调制类型并输出特征参数。