基于改进差分进化算法的多无人机航迹规划

针对已知三维环境下的多无人机动态路径规划问题,在多无人机协同方面基于参考路径长度以及威胁距离进行任务点规划,并根据实际环境设定了约束函数和适应度函数。在航迹规划算法方面则采用改进差分进化算法,将种群基于种群个体的适应度均分为两个子种群,选择不同的变异策略。仿真验证结果显示,改进差分进化算法得到的规划路径在路径长度、适应度值优于传统差分进化算法,可以生成路径更短且适应度值更优的航迹。     

基于叠合度的维修性多源数据融合方法

针对装备维修性试验数据样本量不足的问题,采用了数据融合方法进行扩充数据样本量,通过建立折合模型对多源先验数据进行转换,解决了与现场数据差异较大难以实现数据融合的问题,采用了改进的Bayes Bootstrap法对多源数据的分布参数进行拟合,建立基于叠合度的数据融合模型,对装备维修性多源先验数据进行融合,结合某型坦克试验数据进行算例分析,证明了该方法的可行性。     

基于直觉梯形模糊信息的目标优先级排序方法

针对地面防空作战中空中目标的优先级排序问题,提出了一种基于直觉梯形模糊信息的优先级排序方法。使用直觉梯形模糊数来描述空中目标的属性参数,分析了目标优先级的影响因素,并利用熵权法确定了影响因素的权重;针对传统TOPSIS方法的缺陷,提出了一种利用相对熵作为距离测度的优先级排序方法;最后结合算例仿真验证了方法的合理性和可行性。     

基于分层目标任务网络的作战任务规划方法

为提高复杂非结构化作战环境下作战系统规划能力,提出一种新的分层任务网络智能规划方法 HGTN(Hierarchical Goal-Task Network),给出了HGTN的形式化定义,研究了HGTN规划算法,以及启发式搜索算法和目标推理规划算法。HGTN在HTN(Hierarchical Task Network)规划方法基础上,增加了目标任务和相关处理方法,具备基于目标的逆向推理机制。通过作战任务规划实例分析,HGTN规划方法相对HTN,能够提高规划的适用性和求解效率,符合作战决策推理的思维模式。     

潜艇使用机动搜索鱼雷攻击水面舰艇方法

发挥鱼雷航程远,能够根据线导指令按指定搜索策略对位置散布目标实施机动搜索的特点,潜艇利用特殊海洋环境远距离发现目标。在目标方位不连续、不准确的情况下,建立对目标运动要素的概略解算,根据概略目标运动要素,进行鱼雷机动搜索策略规划,对目标距离进行粗判,定下攻击决心,发射并控制导引鱼雷在目标散布区域实施机动搜索。在目标运动要素更新后,可重新规划鱼雷搜索策略,通过导引线发送至鱼雷,鱼雷实施新的机动搜索,提高鱼雷发现目标概率。     

炮射子母弹对均匀分布集群目标射击效率计算

将子弹均匀散布椭圆区域等效转换为均匀散布矩形区域,在适宽射向射击条件下,通过对单个目标条件毁伤概率的分析,导出了子母弹对矩形地段上均匀分布的集群目标射击效率计算数学模型。为提高计算效率,采用积分变量代换方法,将子母弹对集群目标射击效率计算由四重积分转化为二重积分。在将母弹散布近似看成正态散布和均匀散布下,给出了射击效率计算的两种对应的近似计算方法。算例表明,模型与方法计算精度较高。     

基于果蝇算法优化LSTM的雷达波束扫描行为预测

在认知电子战体系下,更为智能的算法才能适应日益复杂的电磁空间。针对相控阵雷达的波束扫描行为预测问题,在正弦坐标系下将波束扫描位置数据抽象为网格数据,利用果蝇优化算法寻找最优的LSTM网络超参数,提出了一种基于果蝇算法优化LSTM的波束行为预测方法。仿真实验表明所提算法在果蝇算法调参的支撑下,相较NAR神经网络算法和普通的LSTM算法而言,预测精度和鲁棒性更强。     

延时下基于事件触发的多智能体系统一致性

研究了通信延时下基于事件触发的一阶多智能体系统一致性问题。针对有向固定拓扑,设计了通信延时下基于事件触发机制的控制器。利用李雅普诺夫稳定性理论提出了能够使系统稳定和一致的事件触发函数和时延上界,并利用该事件触发规则求取两次触发之间的最小间隔,证明了该系统不存在Zeno行为。事件触发机制的引入有效减少了控制器的更新次数和智能体之间的通信频率,节约了资源,最后通过仿真实例验证了该理论方法的可行性与有效性。     

一种基于混合算法的火力规划方法

针对战场上火力单元与目标数量较多的具有多约束的火力规划问题,提出一种采用贪心策略和改进遗传算法的混合算法求解不同复杂程度的火力规划方法。贪心策略用于优化初始种群以加快遗传算法收敛及在短时间内求解较复杂的火力规划问题。采用改进编码方式、杂交与变异算子的遗传算法处理约束条件,提高搜索效率,加快算法运行速度。仿真实验结果表明,混合算法可以在平衡求解时间与结果满意度的情况下求解不同复杂程度的火力规划问题。     

未知新生目标强度的多目标概率假设密度滤波算法

针对标准概率假设密度滤波器要求,新生目标强度作为先验信息需已知的工程限制,提出一种未知新生目标强度的多目标概率假设密度算法。该算法以概率假设密度滤波器为基础,通过充分利用目标运动信息及其与监视区域的相对关系来获取源于潜在新生目标的量测,并以此建模下一时刻滤波器所需的新生目标强度。仿真结果表明,所提算法在含有未知新生目标跟踪场景具有鲁棒的滤波性能,且其跟踪精度和计算代价均优于相关多目标PHD滤波器。