分布式遗传模拟退火算法的火力打击目标分配优化

根据火力打击规则,建立了多目标函数的目标分配模型,提出了分布式遗传模拟退火算法对模型进行求解。分布式遗传模拟退火算法基于经典遗传算法进行改进:将单目标串行搜索方式变成多目标分布式搜索方式,适用于多目标寻优问题求解;采用保留最优个体和轮盘赌相结合的方式进行个体选择,在交叉算子中引入模拟退火算法,使用自适应变异概率,较好地保持算法广度和深度搜索平衡。最后,通过仿真实验验证了算法的有效性和可靠性。     

光电跟瞄平台稳定控制器设计

以考虑光电跟瞄平台三轴环架间的耦合所建立的数学模型为基础,对光电跟瞄平台的稳定回路分别设计了基于线性矩阵不等式(LMI)的状态反馈H∞控制器和多输入系统极点配置控制器;分别建立基于所设计两种控制器的跟瞄平台稳定控制系统,并对其控制效果进行对比研究,结果表明,二者皆能实现对光电跟瞄平台的稳定控制,都具有一定的鲁棒性能。其中H∞控制器的设计更简单,超调更小且达到稳定的时间短,更适合于光电跟瞄平台的稳定控制。     

一种改进的量子粒子群算法

量子粒子群算法是将量子计算与粒子群算法相结合的一种新的优化方法。首先利用相位角进行实数编码,将动态量子旋转门引入到粒子群算法中,采用自适应变异,提出了一种改进的量子粒子群算法。然后运用Pe-nalized函数和Ackley函数测试了该算法的性能。最后将该算法应用到武器目标分配模型中,获得了最优的分配方案。仿真研究表明,该算法具有收敛速度快、搜索能力强和稳定性高的特点。     

一种武器-目标分配模型及求解算法

武器-目标分配是拟制作战计划的一项重要内容,是合理运用现有武器系统,充分发挥其作战效能的关键.依据火力分配的基本要素,针对多种武器对多个目标的分配问题,运用一种基于模糊优选技术的多目标混合优化理论,建立了武器-目标最佳分配模型,然后用遗传算法来求解,并在计算机条件下对求解的效果进行了检验.     

预警机指挥多机群空战的协同战术决策

分析了预警机指挥下的多机群协同空战的战术决策方法,建立起了它的战术编队、威胁评估以及目标分配模型,并进行了仿真计算,结果表明此战术决策方法对于提高多机群协同空战的作战效能有着显著的作用,对于未来无人作战飞机多编队协同作战也具有很好的参考价值.     

先期毁伤原则下武器单元的射击时机分配

以先期毁伤为原则,首次对武器单元的射击时机分配问题进行数学建模。提出一种使毁伤概率密度在时间上靠前分布的武器单元射击时机分配模型,在保证指定瞬时之前以期望概率毁伤目标的前提下,合理分配各武器单元的射击时机,实现对目标的尽早毁伤。根据射击时机分配模型中约束函数的单调性特点,提出一种改进的连续域蚁群算法,使算法自变量满足约束条件的"优良区域"开始搜索,采用搜索窗口平移的方法逐步寻找最好解,提高了算法的搜索速度。实例分析验证了模型和算法的有效性。     

火灾等级标准问题的数量化研究

在定性分析现有火灾等级标准的基础上,做出了火灾等级标准的数量化探讨。将D-S证据理论方法应用到火灾等级的综合评价中,将死亡人数、重伤人数、直接财产损失三个重要指标作为评定证据进行信息汇集,将汇集结果作为评定标准,针对中国消防年鉴中530起重、特大火灾进行实例计算,并做出总体分析、特例分析和边界值分析。结果表明该方法克服了单因素评价的不足,使评价更加科学、合理。     

基于模型转换的异步空间配准算法

在分布式融合系统中,融合中心在对传感器发送过来的航迹数据进行融合处理前,需要采用空间配准算法来消除航迹数据中可能存在的系统误差.已有的空间配准算法未考虑滤波处理中的状态方程对配准过程的影响.对不同传感器具有不同状态方程条件下的异步空间配准实现进行了研究,采用将模型误差和系统误差合并处理的思路,提出了基于模型转换的异步空间配准(AMCBA)算法.仿真结果表明AMCBA算法能够实现对模型误差和系统误差的准确估计.     

基于ADUC831的坦克火控系统控制盒的改进

用功能强大的ADUC831芯片代替原控制盒的87C51芯片,为引入各种先进算法,改进坦克炮控系统的控制品质,打下了软硬件基础。新系统用C语言编程,简化硬件设计,实现与上位机通信,便于数据采集、在线参数调试和性能分析。     

Scheduling and due‐date quotation in a make‐to‐order supply chain

We consider a manufacturer, served by a single supplier, who has to quote due dates to arriving customers in a make‐to‐order production environment. The manufacturer is penalized for long lead times and for missing due dates. To meet due dates, the manufacturer has to obtain components from a supplier. We model this manufacturer and supplier as a two‐machine flow shop, consider several variations of this problem, and design effective due‐date quotation and scheduling algorithms for centralized and decentralized versions of the model. We perform extensive computational testing to assess the effectiveness of our algorithms and to compare the centralized and decentralized models to quantify the value of centralized control in a make‐to‐order supply chain. Since complete information exchange and centralized control is not always practical or cost‐effective, we explore the value of partial information exchange for this system. © 2008 Wiley Periodicals, Inc. Naval Research Logistics, 2008