自适应人工蜂群优化的混沌系统参数估计

为了对混沌系统未知参数进行准确估计,改进了人工蜂群优化算法,提出自适应人工蜂群算法的混沌系统参数估计方法。将混沌系统参数估计问题转化为多维变量数值优化问题,利用人工蜂群算法对未知参数进行导向随机搜索。在搜索过程中,通过种群优化程度和解的质量自适应地调整更新步长和解的尝试次数。以Lorenz混沌系统为例进行的仿真实验表明,该方法在无噪声和噪声强度较大的情况下均能够获得较好的估计结果,表现出较强的鲁棒性。     

基于人工势场的潜艇搭载AUV回收路径规划

紧密结合未来无人作战侦察对潜艇搭载自主水下航行器(AUV)水下自主回收的需求,对水平面内基于水声定位的AUV的自主回收对接技术进行了研究。运用了基于人工势场的导引方法规划了AUV的回坞路径,然后基于AUV的运动方程设计了滑模跟踪控制律来解决AUV在复杂的回收环境下的避障问题,并通过引入"填平势场"来引导AUV走出局部极小点。最后采用了REMUS AUV的模型参数对水下回收进行了仿真试验研究,仿真结果验证了方法的有效性。     

磷虾群免疫粒子滤波的机载单站无源定位算法

为了进一步提高机载单站无源定位的精度,将磷虾群优化思想引入到粒子滤波的重采样阶段,提出了一种磷虾群免疫粒子滤波算法。该算法利用磷虾的受诱导运动、觅食以及随机扩散行为,将粒子导向高似然区域,有效缓解了粒子退化问题。同时,其采用了人工免疫算法的变异操作,避免了早熟现象的出现,提高了粒子的多样性,克服了粒子贫化问题。仿真结果表明,新算法改善了机载单站无源定位的定位精度以及收敛速度。     

针对应急救援路径规划的一种改进蚁群算法

针对不返回起始点、多个待救援点的应急救援路径规划问题,提出了一种应急救援路径规划的改进蚁群算法,设计了一种新的路径构造方法,为蚁群算法求解该类问题打下了基础。为提高收敛性,改进了信息素更新规则,构造了一种与蚁群算法有效结合的局部搜索算法,提高了算法快速寻优的能力。仿真结果表明:改进蚁群算法能够快速找到一条从救援中心到多个待救援点的优化路径,且收敛速度和最短路径较同类算法更优。     

“算法战争”的概念、特点与影响

分析了"算法战争"的概念,考察了美军围绕筹划"算法战争"所展开的相关举措,讨论了"算法战争"的潜在影响,并指出了其局限性所在。建议跟踪研判"算法战争"的未来演变趋势,依托军民融合加强算法储备,重视反制措施的研究和伦理探讨。     

动态WTA问题的混沌人工鱼群算法

针对不同作战平台上多个武器单元对一批目标进行射击时的武器目标分配问题,建立了该问题的数学模型。采用混沌人工鱼群算法对动态条件下的武器目标分配问题进行求解,并设计一个实例进行仿真实验。仿真结果表明,在时间约束条件下该算法较遗传算法更具优越性,验证了混沌人工鱼群算法用于动态武器目标分配的有效性。     

基于蚁群算法的模糊控制规则优化设计

为了避免设计模糊控制系统时遇到的“规则爆炸”问题,提出基于模糊相容系数的模糊规则优化方法．该方法定义了模糊规则的相容程度,得出的相容系数矩阵作为蚁群算法的启发式因子．采用蚁群算法优化模糊规则进行仿真,结果显示该方法生成的模糊规则具有较好的相容性和控制性能．     

求解面向进攻的武器-目标分配问题的蚁群算法

面向进攻的武器-目标分配问题是军事运筹学研究中的重要课题,旨在制定合理的打击策略以最大程度摧毁敌方目标。采用一种融合局部搜索和信息素控制的蚁群算法,兼顾控制解的局部收敛速度和全局收敛质量。在解的构造过程中直接处理约束条件,提高生成解的可行性,并大大缩小了搜索空间,提高了算法效率。通过采用多种算法对不同规模的武器-目标分配问题进行实验,结果表明改进的蚁群算法在收敛速度和求解质量上表现优异。     

模拟退火优化BP神经网络在航向控制系统中的应用

目前,广泛运用于神经网络中的误差反向传播算法(BP算法)训练时间较长,且易陷入局部最优.为了克服BP算法的固有缺陷,文中提出了在BP算法中加入模拟退火算法权因子.在航向控制系统中进行了仿真,数据显示该算法比单纯BP算法更能优化控制器性能参数和全局搜索能力,收敛速度更快,精度提高比较明显.     

低气压环境下柴油机涡轮增压器转速实车估算方法

针对涡轮增压器转速实车测量中存在安装困难、精度低的问题,提出了利用RBF神经网络和BP神经网络估算涡轮增压器转速的方法。分别建立了基于RBF神经网络和BP神经网络增压器转速估算模型,通过与台架试验测试样本比较,模型误差分别2.25%和2.27%。同时,RBF神经网络较BP神经网络,具有训练次数少,收敛速度快、结果稳定的优点,更适合实车涡轮增压器转速估算。