基于DEM数据和遗传算法的对海雷达部署优化研究

针对当前雷达组网部署优化问题缺少对海探测研究,以及基于实际地形数据的遗传算法(GA)求解复杂度高的问题,开展了基于数字高程模型(DEM)数据和遗传算法的对海探测部署优化研究。基于预先阵地和对海探测雷达威力模型,所提的算法可有效减少遗传算法寻优空间,极大提高优化求解速度。仿真表明,该算法可获得和遍历法近似的最优结果,随着部署规模的增大,具有明显的速度优势。     

基于改进遗传算法的舰载机保障调度方法

舰载机保障作业过程受到多资源约束,同时可能存在着突发事件的干扰;针对此特点,分析并制定干扰情况下的模型修正策略。在遗传算法中引入禁忌搜索算子改进传统遗传算法的变异操作,并通过具体实例进行仿真验证,其结果证明改进后的遗传算法在优化含干扰事件的多机保障问题时效率更高,并通过甘特图直观地反映重调度方案。为真实情况下有效处理舰载机保障过程中的干扰事件奠定理论基础。     

基于GA-Elman神经网络的水下集群作战效能评估

在现代化海战中,大力发展水下作战集群是海军信息化发展的必然途径,针对这种新的作战样式,对其作战效能进行准确可靠的评估至关重要。Elman神经网络能克服传统评估方法依赖于专家经验的缺点,但其自身的权值更新方法易陷入局部极小,为此,采用遗传算法(Genetic Algorithm,GA)对Elman网络进行全局优化,构建基于GA-Elman神经网络的水下集群作战效能评估模型,并应用实例对模型进行仿真验证。仿真结果表明该模型可以准确有效地对水下集群作战效能进行评估。     

基于深度强化学习的兵棋推演决策方法框架

针对兵棋推演的自动对抗问题,文章提出基于深度学习网络和强化学习模型来构建对抗策略。文章结合深度强化学习技术优势,立足多源层次化的战场态势描述,提出面向智能博弈的战场态势表示方法;将作战指挥分层分域的原则同即时策略游戏中的模块化和分层架构相结合,提出一种层次化和模块化深度强化学习方法框架,用于各决策智能体与战场环境交互的机制以及对抗策略的产生;为满足实际作战响应高实时特点,提出压缩的深度强化学习,提升模型输出速度;为改善对不同环境的适应性,提出利用深度迁移学习提升模型泛化能力。     

对装备可计量性的思考

本文在提出可计量性的定义与对可计量性理解的基础上,梳理了可计量性与装备"五性"的关系,分析了可计量性研究对计量保障的作用,以及可计量性在武器装备全系统全寿命周期中的作用,并对如何开展在研和现役武器装备的可计量性研究提供了思路。     

遗传算法在导弹火力分配中的应用

遗传算法(genetic algorithms)是一种借鉴生物界和自然遗传机制的随机、高度并行、自适应搜索算法.由于该算法简单易实现,可调参数少,目前已经得到广泛研究和应用.详细介绍了一种遗传算法,将其应用于火力分配优化模型的求解,通过算例比较,证明遗传算法更能有效快速地找到最优火力分配方案.     

计算机辅助加工工件变形分析方法研究

为迅速、准确、合理地确定切削加工的工艺参数 ,将有限元方法、人工神经网络和遗传算法运用于计算机辅助加工工件变形分析中。通过合理的系统设计 ,实现了对工件切削加工变形量的准确预报和对加工参数的正确优化。实际生产证明 ,采用本方法优化确定加工参数 ,达到了预期的迅速、准确、合理的目标 ,有效地降低生产成本 ,提高生产率     

基于遗传算法的目标分配问题研究

通过对地空导弹部队射击指挥中目标分配问题的分析,建立了目标优化分配数学模型。在此基础上,给合遗传算法对模型进行求解。通过在具体实例中的应用表明,采用遗传算法为有效地解决这一复杂组合优化问题提供了一种新途径。     

一种面向复杂系统的模糊可靠性分配方法

针对系统研制初期的不确定的约束条件与设计目标 ,进行了复杂系统模糊可靠性分配建模 ;结合遗传算法理论 ,考虑了一般系统的求解 ;实例分析验证了所提出方法的性能和可行性 .