基于改进NSGA-II算法的多目标无人机路径规划

路径规划是无人机自主智能飞行的关键技术之一。以路径长度和受威胁程度为优化指标,提出无人机路径规划的多目标优化模型。为找出一组分布多样化的最优路径,提出改进的NSGA-Ⅱ算法,该方法在经典智能多目标优化算法NSGA-Ⅱ的基础上,引入增加、删除算子使规划的路径能避开威胁区、引入最大拐弯角约束缓解变异操作导致的航路突变、引入混合目标空间和决策空间信息的新型拥挤距离算子提高路径的多样性。仿真实验表明,对比NSGA-Ⅱ和传统的GA算法,改进的NSGA-Ⅱ算法能够有效找到一组收敛性好且分布多样化的路径。     

基于时段优化拼接的多传感器协同探测任务规划

针对存在信息保障时间等约束的多传感器协同探测问题,提出一种基于时段优化拼接的多传感器协同探测任务规划方法。将作战过程中多个时间段上的传感器-目标分配问题,转化为“传感器-目标”空间上的传感器工作时段优选与拼接问题,在满足传感器资源限制、对目标探测连续性、传感器接力探测交接班过渡时间等约束下,生成多传感器协同探测计划,使对各目标的探测时段满足信息保障时间要求。在假设的条件下,验证提出的方法,结果表明该方法生成的多传感器协同探测计划满足各项约束,且有助于快速规划多传感器的协同探测任务,方法有效。     

空中目标威胁的ABC-RVM评估方法

为改善防空作战中对空中目标威胁的判断决策能力,提出了一种基于蜂群（ABC）算法和相关向量机（RVM）的空中目标威胁评估方法。从防空作战的实际出发,依据数理统计分析构建空中目标威胁指标体系;采用ABC算法优化多核RVM的相关参数,构建空中目标威胁评估模型。仿真分析表明,该方法是一种精度较高的空中目标威胁评估方法,在各项精度指标上均优于单一Gauss核或单一Sigmoid核的RVM方法,从而证实它的有效性和可行性。     

并行程序中同步瓶颈的检测和优化方法

针对并发程序中锁的不当使用可能导致性能瓶颈的问题,提出检测和优化并发程序中同步瓶颈的方法IdeSync。IdeSync使用静态分析方法获取同步方法和同步块,构建静态同步依赖图,采用基于执行路径的动态分析技术进行同步依赖关系分析,构建同步依赖图。为了暴露性能瓶颈,在同步依赖图上通过增加程序工作负载的方式,监测临界区的性能变化,并针对检测到的同步瓶颈给出优化建议。在实验中通过HSQLDB、SPECjbb2005和RxJava等12个大型实际应用程序对IdeSync的有效性进行验证,共检测到72个同步瓶颈,根据优化建议进行优化后程序性能均有所提升。实验表明,IdeSync能够有效地检测和优化同步瓶颈。     

军队项目预算权力优化配置研究

相对于标准经费而言,项目预算单项投入额度大,是统筹配置资源的重点。由于信息不对称和权力配置不够合理,军队项目预算在运行过程中,容易出现“所有者缺位”、权力“部门化”及“碎片化”、短期行为和攀比行为等问题。规范项目预算权力运行,要从优化权力配置着手,强化总控制权,缩小准预算权,加强基层正向激励,匹配各方权力与责任。     

兵力部署优化方法综述

归纳了目前对兵力部署优化问题的两个主要认识,即作为对多个兵力部署方案的优选问题和作为某种约束条件下的优化与决策问题;研究了静态和动态兵力部署优化问题的技术准备过程与技术实施重点;提出了兵力部署优化方法的新思路;总结了研究现状并提出了下一步研究建议。     

混合蚁群遗传算法的树枝型铁路取送车问题优化

针对树枝型部队后勤货运铁路专用线的特点,建立了树枝型专用线取送车模型,提出了一种混合蚁群遗传算法,对取送车作业进行优化。该算法融合了蚁群算法和遗传算法的特点,对蚁群算法进行改进,提高了蚁群算法的收敛速度。同时在遗传算法的交叉操作前,参考蚁群算法产生的种群,提高了遗传算法的求解精度。实验仿真结果证明,该方法能有效地优化铁路取送车作业问题。     

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。     

军事资源匹配多目标建模与求解算法

针对军事资源匹配问题的多目标特点,建立了军事资源匹配多目标优化模型,并结合模型特点,设计了一种改进的非支配排序遗传算法对问题进行求解。最后,通过仿真算例对提出的模型和算法进行验证,仿真实验结果证明模型和算法能够有效求解多目标军事资源匹配问题。     

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。