遗传算法的均匀圆阵DOA估计

为了精确估计移动目标方位角,通过用遗传算法对均匀圆阵进行目标的估计,引入确定性最大似然准则确定遗传算法中的适应度函数,并利用模式空间变换方法将均匀圆阵转换为虚拟线阵;列出了遗传算法基本步骤.通过计算机仿真对遗传算法与MUSIC算法以及遗传算法迭代次数与信噪比的关系进行了比较,验证了在低信噪比的情况下有很好的收敛性和稳定性.     

坦克目标分配建模与分析

科学地分配火力是正确地动用火力的基础,是完成作战任务的前提,火力分配的依据包括作战意图和任务、地形、目标情况、各火力单元的情况及友邻情况等.为了提高火力分配方案的科学合理性,有效组织和使用所属火力,使用遗传算法解决目标分配问题,最大限度地发挥了武器火力单位效能并达到最大毁伤.火力分配要以战法为指导,真正体现指挥员的作战意图,对于充分发扬火力和提高整体作战能力具有重要指导意义     

改进蚁群算法的无人机航路规划

蚁群算法是基于生物界群体启发行为的一种随机搜索寻优方法,其正反馈性和协同性使其可用于分布式系统,隐含的并行性更使其具有极强的发展潜力,在解决组合优化问题上有着良好的适应性.基于两种改进蚁群算法,分别将遗传算法的交叉操作和Dijkstra算法结合到蚁群系统的无人作战飞机航路寻优过程中,使无人作战飞机以最小的发现概率与可接受的航程到达目标点,并提高了无人作战飞机的航路寻优能力.     

留空式通信干扰弹最优分布覆盖的设计与仿真

为了采取有效措施对敌通信系统进行干扰,一般采用地面电子干扰方式或机载电子干扰方式,而留空式通信干扰弹是近年来发展的一种新型投掷式干扰设备.在通信干扰应用中,经常需要使用多枚通信干扰弹对目标区域进行分布式无缝干扰覆盖.通信干扰弹如何分布才能使干扰弹数量最少,干扰覆盖面积最大,干扰信号的收信功率最强,这是一个比较复杂的多目标优化问题.采用遗传算法求解留空式通信干扰弹最优分布覆盖问题,并进行了算法的仿真.仿真结果表明,算法能够找到符合分布覆盖要求的干扰弹分布方案,并且算法本身具有较好的收敛性和稳定性.     

目标打击任务中多弹型的火力配置模型及优化计算

目前对于单弹型火力配置问题的解决方法比较成熟,但在现代战争中,经常是多种弹型联合使用,因此需要对多类型的导弹火力配置进行探讨。这里针对多种不同类型的导弹毁伤多个目标的问题进行具体分析,建立了导弹突击目标火力配置的数学模型。根据模型的特殊性,灵活运用遗传算法对模型进行了最优化求解。实例的计算结果表明该算法对于模型的求解具有较好的收敛性。     

不确定多属性决策的单目标优化方法研究

运用神经网络的非线性映射和遗传算法的寻优特性,建立了不确定多属性决策的单目标优化模型。把属性值区间作为遗传算法染色体的搜索范围,用训练好的神经网络计算适应度。用不同的适应度函数来计算综合属性值区间数的下界和上界,然后对方案进行排序。算例结果表明,该方法是可行的。     

威胁联网下低空突防航路规划研究

分析了威胁联网下信息交流和资源共享对飞行航路规划的影响;针对威胁联网,制定相关的威胁体相互支援表,采用遗传算法进行低空突防航路规划.通过仿真计算证明,此方法规划出的飞行航路能有效提高威胁联网下的战斗机低空突防安全性,为航路规划提供了一种新思路.     

基于自适应遗传算法的配送型多级库存优化研究

研究了由1个战役仓库、多个战术仓库组成的配送型系统的优化问题,建立了战术仓库使用经济订货批量策略和战役仓库采用4种不同订货策略时的模型,并采用自适应遗传算法实现了模型的求解,实例验证了模型及算法的有效性。     

基于GA的城市轨道交通客流分配问题

轨道交通均衡分配问题研究是轨道交通规划与管理领域的重点.现有的配流模型未考虑车站拥挤导致乘客无法上车的现象,基于此通过建立包括延误时间在内的客流出行阻抗函数,构建了拥挤条件下的城轨均衡配流模型,并针对经典的Frank-Wolfe算法无法给出有效路径解的不足,给出了利用遗传算法求解模型的步骤.最后通过算例验证了模型和算法的有效性.     

基于改进遗传算法的反舰导弹航路规划模型研究

针对传统遗传算法在进行复杂的大范围优化问题时容易陷入局部最优和收敛速度慢的局限,提出采用基于混沌的遗传算法进行反舰导弹航路优化问题的求解。在遗传算法操作时加入混沌操作,扩大了搜索范围,提高了优化速度,有效地解决了解空间巨大带来遗传算法的上述局限性。