多目标跟踪器分配算法的设计和分析

为了解决武器平台多目标跟踪器分配问题,用数学表达式描述了问题和评价跟踪器分配方案的规则,分析了多目标跟踪器常用的几种分配算法的效率,包括穷举法、顺序法和全排列顺序法等几种算法.提出了一种新的基于综合分析的分配算法,算法利用上述问题描述和评价规则推导的结论简化了算法,对算法的空间复杂性和时间复杂性进行了分析,并对算法的正确性进行证明.     

改进Dijkstra算法在雷达突防中的应用

飞行器雷达突防是现代战争中自我保护的重要手段.综合考虑了雷达威胁和航程的影响,建立了关于雷达威胁模型和航程的代价函数.针对传统的Dijkstra算法搜索空间大,搜索效率低的问题,进行了改进,并考虑飞行器的偏航角约束,提出了基于栅格的Dijkstra算法.对简单雷达突防和复杂雷达突防进行了仿真验证.仿真结果表明:该算法不仅能较好地回避雷达威胁,而且较好地提高了搜索速度.     

基于蚁群算法的被动目标定位算法

通过对蚁群算法的研究,用蚁群算法成功解决了无源测向定位中消除虚假点,对真实交点进行正确聚类的难题.并通过Matlab 仿真实验证明了该算法的有效性.同时该算法具有目标关联确率高、计算速度快、鲁棒性强等优点.     

基于Holtrop公式与遗传算法的船型参数优化

针对方尾水面舰船,采用Holtrop阻力计算公式,以总阻力为目标函数,据遗传算法,对主要的船型参数进行了优化计算,进而得出了在一系列速度下主要船型参数的最优解及相应的由Holtrop公式计算得到的总阻力,并绘制了在各最优解下由Holtrop公式计算的总阻力随速度的变化曲线,结合Holtrop公式相应图谱对所得优化计算结果进行了分析.结果表明,该方法对于水面舰船的主尺度比等船型参数优选具有较强的实用性.     

基于改进蚁群算法的战时不确定性路径规划模型求解

战时路径规划的不确定性包括参数、约束条件和决策目标等的不确定性。以基本蚁群算法为基础,结合随机模拟和模糊模拟技术,提出了一种改进蚁群算法来求解战时不确定性路径规划问题,并通过仿真示例与其他算法进行了比较。结果表明：该算法求解效率更高,求解过程更为直观,能够满足战时不确定性路径规划问题的研究。     

排课中合班问题的探讨

基于排课的实际需要,分析了合班对排课的影响,结合遗传算法在排课中的应用,建立了针对班级上课时间分布均匀性以及课程上课时间分布均匀性的适配值函数.在对课程表进行编码后,把合班问题的解决方案应用于排课算法,使用合班信息与课表编码信息的双表操作,从而能在遗传基因中判断出非法个体,并能进行合理化调整.算例结果表明本算法能有效解决排课中的合班问题.     

最优Hamilton圈的一种新算法

提出了一种行之有效的执行算法——换顶算法,对无向图权值矩阵的数据进行有效处理,通过交换顶点来寻找一条较优Hamilton圈。在整个过程中,权值矩阵的上三角数据为有效数据,只需要按一定的顶点交换规则对这部分数据进行调整就可以达到优化Hamilton圈的目的。提出了交换规则的思想,且通过选择适当的规则,先判定可行性再执行交换算法,节省了大量的运算时间,降低了算法的时间复杂性。该算法也适用于Hamilton链的情况。     

基于遗传算法的MIL-STD-188-220c标准最佳转发树的构造

针对MIL-STD-188-220C标准的路由协议多目的地址最佳转发树问题,提出一种基于遗传算法的优化算法,仿真结果表明,该算法具有收敛快,寻路成功率高的优点。     

基于MBB对应关系的视频中多物体快速跟踪

针对视频监控应用中对视频物体跟踪算法实时性、容错性要求高的特点,提出了一种基于MBB对应关系的快速跟踪算法。该算法放弃了传统的点匹配跟踪算法,从对相邻两帧物体MBB的重叠特性的分析出发,快速确定物体与物体间、物体与场景间的复杂对应关系,并综合利用直方图匹配等方法,解决物体重复出现后的标识问题。通过对NUDT和PETS视频数据的实验分析证明,该算法能够对复杂场景中多个物体同时进行跟踪标识,准确检测处理物体进入、离开场景,以及物体间的合并、分离和遮挡,对复杂环境和预处理造成的错误有较好的容错性。该算法参数设置简单易行,结合预处理快速算法,整个检测跟踪算法耗时大大低于同类算法。     

光纤陀螺惯性导航算法及其仿真

针对角速率和比力输入时的惯性导航算法进行了深入的研究。对高动态环境下的不同的姿态更新算法进行了对比研究,提出了一种新的速度和位置更新中的转动补偿算法,它将低动态和高动态(划船效应和涡卷效应)转动效应合二为一进行修正。并对系统算法进行了计算机仿真研究,最后给出了仿真结果。