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。     

无线传感器网络动态汇聚节点调度算法研究

移动汇聚节点调度是传感器网络中一个新的研究热点.通过建立一个普适的多目标优化模型,提出了贴近实际的汇聚节点循环路径规划模型,采用以连续时间离散化为理论基础的时域-空域转化方法,将时域中的优化模型无损地转至空域中,从而大大减少了所涉及的变量数量,降低了求解的复杂度.通过实验可以看出,调度移动汇聚节点可以有效扩展网络的生命周期.     

威县经济开发区:为军民结合产业园打造一流环境

<正>威县军民结合产业园,位于威县省级经济开发区,规划面积6平方公里。军工企业保持着良好的发展态势,企业生产经营指标不断增长,产业园区已初具规模。为军民结合产业园打造一流环境2011年2月威县经济开发区被河北省政府批准为省级经济开发区。总规划面积31平方公里,分为南区和北区,其中北区规划面积21平方公里以电子信息、装备制造及汽车零部件产业为主;南区规划面积为10平方公里,以精细化工产业为主。截至2012年底,开发区入驻企业达到147家(投产企业91家,总投资338亿元,规模以上企业11家,拥有独立进出口权企业4家),拟上市企业1家,省级企业技术中心2个。     

针对应急救援路径规划的一种改进蚁群算法

针对不返回起始点、多个待救援点的应急救援路径规划问题,提出了一种应急救援路径规划的改进蚁群算法,设计了一种新的路径构造方法,为蚁群算法求解该类问题打下了基础。为提高收敛性,改进了信息素更新规则,构造了一种与蚁群算法有效结合的局部搜索算法,提高了算法快速寻优的能力。仿真结果表明:改进蚁群算法能够快速找到一条从救援中心到多个待救援点的优化路径,且收敛速度和最短路径较同类算法更优。     

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。     

鱼雷目标定位跟踪技术

对鱼雷目标进行定位跟踪是舰艇反鱼雷的关键,报警声纳能够给出水下鱼雷目标的方位信息,但仅利用方位信息对鱼雷目标进行定位跟踪是不够的。对本水面舰艇舰壳声纳和拖线阵声纳纯方位协同探测可行性进行分析,并对协同探测条件下鱼雷目标定位跟踪算法进行探讨,建立可应用于鱼雷目标定位跟踪的滤波算法模型,对其定位精度进行分析,并与最小二乘算法进行比较,通过仿真比较,最终确定出可用于鱼雷目标定位跟踪的算法模型。     

改进型卡尔曼算法解算小型弹箭姿态角研究

弹箭飞行姿态参数的准确获取是实现精确高效打击敌方的重要前提。其中最重要的关键环节是姿态角的算法解算,决定着最后的精确导航。卡尔曼滤波算法是组合导航中最常用的解算算法,然而仍不能满足精度要求。为了进一步提高解算精度,提出通过BP神经网络对误差建模,进而修正卡尔曼滤波增益矩阵系数的改进算法。实验证明,应用于高速旋转弹姿态角测试,改进后的卡尔曼算法较传统卡尔曼算法精度提高了3°左右。     

要地防空阵地网低空补盲部署模型及优化

以中高空防空武器为主构建的防空网对于防御低空突袭目标存在较大盲区,需要部署低空防空武器补充防御。根据中高空、低空防空武器杀伤区特性及防空阵地部署的战术需求,将低空补盲部署问题转化为扇形部署问题并结合阵地地形影响因素,建立了优化模型。应用基于遗传算法(GAs)和爬山算法(HC)分别作为全局搜索和局部搜索的memetic算法(MAs)对优化部署求解。最后应用仿真算例验证了提出的模型及应用的算法能够较好解决该工程问题。     

基于间接互惠理论的合作生成算法研究

在快速变化的战场环境下,时间是制约作战效果的因素,能否尽快地寻找到最佳的合作伙伴是协同作战的关键。通过对现代战场时限的需求分析,建立了以时间为量化指标的战场作战单元合作模型。为了解决名誉值机制的合作生成算法产生的“马太效应”问题,运用合作博弈理论和间接互惠理论,提出了一种“好”“坏”直接评判机制的合作生成算法。仿真结果表明,“好”“坏”直接评判机制的合作生成算法比名誉值机制的合作生成算法稳定性更高。     

应用单亲遗传算法进行大规模UCAVs任务分配

在应用GA求解大规模无人作战飞机(UCAVs)任务分配这个典型组合优化问题时,需要使用描述问题直观的序号编码方式,但由于传统的交叉、变异算子操作复杂,因而进化效率不高.针对上述的不足,提出了一种单亲遗传算法,采用序号编码,使用基因换位等遗传算子,简化了遗传操作.通过对单亲遗传算法、传统遗传算法求解该问题所得的结果作了详细的比较,证明了单亲遗传算法在寻优效率上的优越性.