基于分合粒子群算法的多无人机任务重分配

多UAV在执行任务过程中,战场环境以及UAV编队状态的改变将导致原有的分配计划失效或效率降低,因此有必要重新分配任务。针对多无人机任务重分配问题,首先建立了相应的数学模型。其次运用分组基础上的任务重分配策略进行任务分配,提出了改进的K均值聚类算法进行初步分组,再在分组的基础下,提出了分合粒子群优化算法进行组内任务分配。最后进行实验仿真。实验结果与分析表明基于分合粒子群算法的任务重分配方法能有效地满足多变的战场环境要求。     

信息熵和判断矩阵的专家聚类赋权法

为了降低专家聚类赋权过程中由排序向量引起的不确定性和判断矩阵引起的矛盾性,提高权值分配的精确性,提出了基于信息熵和判断矩阵相结合的专家聚类赋权法。该方法采用聚类分析原理,对排序向量进行分类,根据分类结果、信息熵值和一致性比率确定专家权重系数。实例分析表明:基于信息熵和判断矩阵相结合的专家聚类赋权法在具体应用中得到的结果离期望值更近,说明该算法有效可行。     

粘弹性界面裂纹相似界面单元聚缩解

提出了粘弹性界面裂纹分析的相似界面单元聚缩解法。该方法在裂纹尖端附近划分相似界面单元,多层相似单元形成一个子结构;然后利用相似界面单元具有类似刚度矩阵的特点,将子结构内的大量自由度聚缩后再求解。作为算例,求解了双粘弹性材料和弹—粘弹性材料矩形板单边裂纹的拉伸问题。     

面向大规模交互数据空间划分的Voronoi图生成算法及应用

传统Voronoi图对大量点集进行Voronoi划分时会产生Voronoi单元格数过多的现象,导致难以适用于地理信息系统、生物医学等诸多领域.为了解决这个问题,提出一种自适应基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBS...     

基于改进NSGA-III算法的动态武器协同火力分配方法

针对防御场景下的动态武器协同火力分配问题,将其转化为多目标约束组合优化问题,在考虑资源约束、可行性约束的前提下,以我方损失最小、消耗资源最小为原则,对敌方目标造成最大的伤害.基于此,在NSGA-III算法的基础上提出基于A-NSGA-GKM算法的动态武器协同火力分配方法,通过遗传K均值聚类算法对初始参考点进行自动分组聚类,用聚类中心代替原参考点,引入基于惩罚的边界相交聚合函数代替原垂直距离,进一步提升原始算法的收敛性能,引入自适应机制保证优秀的解结构.最后,通过实验仿真表明所提优化算法具有较高的收敛性,该方法能够有效地解决动态武器协同火力分配优化问题.     

基于非合作博弈的动态人机系统功能分配法

在复杂多功能人机系统中,合理的人机功能分配非常重要.设计可靠的系统功能分配方法是对人机系统功能合理、高效分配的关键.基于非合作博弈的思想,将系统功能分配目标视为博弈方,运用模糊聚类算法将人机功能聚类,确定各博弈方的策略集,从而提出一种新的人机系统功能动态分配方法.并以民航运输机执行某次飞行任务下的系统功能进行分配为案例,验证了该方法的有效性.     

基于谱聚类的扇区划分

为了使有限的空域资源得到合理的利用,同时平衡管制员的工作负荷,研究了基于谱聚类的扇区划分问题.提出了点的靠近程度,结合对实际航迹数据的检测,建立了带有权重的空域网络结构模型;利用谱聚类算法对空域中的关键点进行聚类,解决了管制扇区划设时协调负荷过大的问题,通过voronoi图生成扇区边界并进行几何修正;利用提出的方法,以太原地区的空域为例进行分析,并结合了TAAM仿真,验证了该扇区划分方法的有效性和合理性.     

聚碳硅烷纤维的空气不熔化反应动力学研究

以高压法聚碳硅烷(Polycarbosilane,PCS)纤维的空气不熔化为例,采用多曲线积分法研究了PCS纤维空气不熔化反应动力学。结果表明,高压法PCS纤维的空气不熔化反应活化能约60~70 kJ/mol。通过研究不同的机理函数的对数与温度倒数的关系,结果表明,PCS纤维空气不熔化过程由随机成核和生长机理(n=3)的表面反应控制,根据该反应机理,同样得到高压法PCS的空气不熔化反应活化能约60~70 kJ/mol,指前因子A约为77.64。     

雷达组网作战效能的灰色聚类评估模型

在网络化作战条件下,雷达组网作战是地空导弹武器系统发展的必然。针对其效能评估指标的模糊性和相关性,提出了雷达组网作战效能评估指标体系,结合主观和客观权重来求取指标的组合权重,利用三角白化权函数来评价对象所属的灰类,建立了基于相邻优属度熵权的灰色聚类效能评估模型。通过对雷达组网作战效能的实例分析,验证了该方法的科学性和实用性。其效能评估结果可为雷达组网的优化部署和辅助决策提供一定的参考。     

变分自编码器结合聚类算法在空战态势评估问题上的应用

针对传统态势评估方法确定权值的主观性强、处理大数据能力弱、特征提取能力不足等问题,提出基于改进变分自编码器和聚类算法的无监督空战态势评估方法。根据态势变化连续性特点,提出基于时间段的空战态势分类方法,将敌我双方态势划分为四类。在变分自编码器的基础上,提出了VAE-WRBM-MDN特征提取模型,即使用混合密度网络优化变分自编码器的特征提取能力和生成数据的相似度,使用权值不确定限制玻尔兹曼机优化网络的初始权值。将提取的特征分别输入到两种典型的聚类算法中进行聚类,并结合态势函数和实际战场情况修正聚类结果,形成正确的态势分类标准。在实验部分,分别进行了最优参数调整、关键特征提取、聚类以及修正实验。实验结果表明,模型态势分类正确率和运行时间均满足应用需求,实例评估结果与客观态势一致性强,所提方法具有实际应用价值。