基于禁忌退火粒子群算法的火力分配

火力分配问题是典型的NP完全问题,传统的求解算法存在指数级的时间复杂度。给出具体实用的防空火力分配模型,提出一种基于禁忌搜索与退火粒子群优化的新算法,并针对多种空袭规模的实例进行计算机仿真。仿真结果表明,与禁忌搜索、标准粒子群优化、退火粒子群优化等智能算法相比,新算法在解决火力分配问题时具有更优良的收敛精度和时间性能。     

单机多目标火力/电子战攻击综合决策

针对单机多目标攻击时的火力/电子战综合决策,提出了一种考虑电子干扰效果的火力打击目标排序算法。该算法根据目标雷达辐射源对载机的威胁程度,建立了机载有源压制干扰的能量分配方法,利用有源压制干扰对目标雷达的压制距离引入距离削弱因子,可获得有源干扰效果对目标威胁级别的影响程度,改进只考虑敌我双方火力威胁程度时的目标打击排序结果。给出了该算法的具体步骤,通过仿真实验证明了该算法的有效性。仿真结果表明,考虑有源干扰效果后的火力攻击目标排序,可以使飞行员首先攻击毁伤概率最大的目标,提高整体的作战效能。     

基于模糊机会约束双层规划的动态火力分配建模与实现

针对现有动态火力分配模型未考虑不确定因素及复杂约束的问题,引入不确定规划理论,建立了基于模糊机会约束双层规划的动态火力分配模型.首先,以最大化效费比和尽早拦截分别作为模型的上下层目标函数,并考虑复杂战场环境下的模型约束.在此基础上,构建了一种针对双层多约束动态火力分配问题的递阶结构粒子编码方案,并将带审敛因子的离散变邻域粒子群算法及带怀疑因子及斥力因子的粒子群算法有效结合,利用模糊模拟技术,提出一种分层递阶的混合模糊粒子群算法.仿真实例表明,该算法具有更强的全局寻优能力和更快的收敛速度,能够满足大规模动态火力分配问题对时效性的高要求.     

基于Nash均衡的地空导弹兵混编群火力运用策略

建立了地空导弹兵混编群作战模型。该模型是一个离散、带有战斗力损耗的战斗状态向量空间模型。在混编群作战模型的基础上,给出地空导弹兵混编群火力运用目标函数,明确地空导弹兵混编群最优火力运用策略是混编群内各火力单位的最优射击策略组合,称为混编群火力运用的Nash均衡策略。针对求解地空导弹兵混编群火力运用问题的特点,改进了免疫粒子群算法,并验证了算法正确性。通过仿真得到地空导弹兵混编群火力运用策略,并给出战术解释。     

基于改进单亲GA的多波次攻击最优火力分配

多波次攻击是现代空袭中的重要作战模式,而多波次对地攻击的火力分配问题属于有序组合优化问题,至今尚无有效算法.针对一类多波次对地攻击火力分配问题提出了一种改进单亲遗传算法,该算法不采用交叉算子,而代之以换位算子,但保持了交叉算子的进化功能.通过对仿真实例的分析表明,该算法与标准遗传算法相比更加有效和简便.     

基于分解进化多目标优化算法的火力分配问题

战前制定合理的火力分配方案,可以优化资源配置,用最小的代价获取最大的战场收益。综合考虑攻击、资源和毁伤概率等约束条件,建立了火力分配多目标优化数学模型。提出了一种求解火力分配模型的分解进化多目标优化算法,并设计了不可行解修复方法。仿真实验得出两个结论,一是不可行解修复方法可以显著提高算法的收敛性;二是在解决火力分配优化问题上,所提算法具有较好的收敛性和分散性,采用合适的分解方法可以有效提高算法的性能。     

LDPC码最优化译码算法

为了提高离散高斯信道下二进制低密度奇偶校验码（low-density parity-check code, LDPC）最优化译码算法的性能和效率,提出了一种改进的LDPC码最优化译码算法。首先,通过理论分析和数学推导,构建了译码问题的数学模型;然后,论证并给出了针对该模型的最优化译码算法;最后,基于VC6.0平台进行了译码的性能和效率仿真并与其他算法进行比较。仿真结果表明,在误码率性能和译码效率上,新算法优于改进前的算法;在误码率性能上,新算法也优于常用的最小和译码算法。仿真结果与理论分析吻合。     

UPF算法及其在目标跟踪问题中的应用

针对传统粒子滤波(PF)算法的缺陷,提出了一种改进的粒子滤波(UPF)算法。该算法以UKF方法生成替代分布并从中采样,解决了传统PF算法中以转换先验密度函数作为替代分布所引发的各种问题。对UPF算法进行了深入的分析研究,并给出了一个纯方位目标跟踪问题的仿真算例。理论分析与仿真结果均表明,改进算法提高了滤波的稳定性和精确性,具有较高的实用价值和广泛的应用前景。     

末段反TBM火力目标匹配优化及APSO求解算法

末段反导作战火力任务分配建模是一个复杂的不确定多约束问题建模,首先建立了末段双层反战术弹道导弹火力〖CD*2〗目标匹配模型,其次对传统粒子群优化算法（particle swarm optimization,PSO）进行改进给出了一种吸引子PSO（attractor PSO,APSO）,APSO引入吸引子,在保持群体多样性的基础上,将粒子聚集在最优值附近,增加相应区域的粒子密度。其中,为了方便问题求解,将火力目标匹配优化任务进行分解,转化成多个子时间段,再用APSO对多个子时间段进行求解。仿真实例表明,APSO有更加优良的收敛精度尤其是收敛速度,满足了反TBM作战火力任务分配的高时效性要求。     

一种改进的半定量仿真算法

由于基于区间的半定量仿真算法都是针对参数区间的边界值进行的，所以导致仿真精度不高，状态轨迹过宽等现象。为了克服这一缺陷，提出一种改进的半定量仿真算法。首先简述了半定量仿真算法，然后以数字区间仿真为研究对象提出了一种随机半定量仿真算法。该算法用参教的概率密度函数代替区间进行半定量仿真．首先利用参数区间以及先验知识确定概率密度函数．根据概率密度函数在一定的置信水平下产生一组随机参数值，经过处理后确定其边界值作为新区间，然后将其用于相应的半定量仿真算法。理论分析和仿真实例表明，改进的半定量仿真算法的仿真精度高于传统半定量仿真算法。     

Solving algorithm for TA optimization model based on ACO-SA

An ant colony optimization (ACO)-simulated annealing (SA)-based algorithm is developed for the target assignment problem (TAP) in the air defense (AD) command and control (C2) system of surface to air missile (SAM) tactical unit.The accomplishment process of target assignment (TA) task is analyzed.A firing advantage degree (FAD) concept of fire unit (FU) intercepting targets is put forward and its evaluation model is established by using a linear weighted synthetic method.A TA optimization model is presented and its solving algorithms are designed respectively based on ACO and SA.A hybrid optimization strategy is presented and developed synthesizing the merits of ACO and SA.The simulation examples show that the model and algorithms can meet the solving requirement of TAP in AD combat.     

求解多峰函数优化的小生境克隆选择算法

分析了传统的用于多峰函数优化问题的小生境遗传算法的特点和不足,基于免疫系统中的克隆选择原理,运用记忆算子、抑制算子和重组算子等技术对克隆选择算法进行了改造,并引入一种新的小生境技术,提出了一种解决多峰函数优化问题的小生境克隆选择算法。最后,实现了该算法对单无人作战飞机（unmanned combat air vehicle, UCAV)多航路规划这类多峰函数优化问题的优化仿真,结果表明该算法简单有效。     

基于免疫粒子群算法的组合预测方法

给出了基于粒子群算法的组合预测方法,并引入免疫算法对其进行了改进:一方面利用免疫算法的免疫记忆和自我调节机制提高其全局搜索能力,避免算法陷入局部最优解;另一方面利用免疫算法的接种疫苗和免疫选择机制增强其性能,防止算法在优化过程中可能出现的退化现象。实例证明,基于免疫粒子群算法的组合预测方法可操作性强,通用性好,误差明显小于各个参与组合的预测模型,并优于基本的粒子群算法和加速遗传算法。     

A Quantum Computing Based Numerical Method for Solving Mixed-Integer Optimal Control Problems

Mixed-integer optimal control problems (MIOCPs) usually play important roles in many real-world engineering applications. However, the MIOCP is a typical NP-hard problem with considerable computational complexity, resulting in slow convergence or premature convergence by most current heuristic optimization algorithms. Accordingly, this study proposes a new and effective hybrid algorithm based on quantum computing theory to solve the MIOCP. The algorithm consists of two parts: (i) Quantum Annealing (QA) specializes in solving integer optimization with high efficiency owing to the unique annealing process based on quantum tunneling, and (ii) Double-Elite Quantum Ant Colony Algorithm (DEQACA) which adopts double-elite coevolutionary mechanism to enhance global searching is developed for the optimization of continuous decisions. The hybrid QA/DEQACA algorithm integrates the strengths of such algorithms to better balance the exploration and exploitation abilities. The overall evolution performs to seek out the optimal mixed-integer decisions by interactive parallel computing of the QA and the DEQACA. Simulation results on benchmark functions and practical engineering optimization problems verify that the proposed numerical method is more excel at achieving promising results than other two state-of-the-art heuristics.

     

混沌克隆选择算法及其收敛速度分析

克隆选择算法收敛速度的研究是免疫计算理论领域中一个复杂而重要的问题,但是目前有关收敛速度的研究结果还相对较少。在克隆选择原理的基础上,引入混沌机制和基于抗体浓度和亲和度矢量矩的选择技术,提曲了一种混沌克隆选择算法（CCSA）。该算法比传统的克隆选择算法具有更好的种群多样性保持机制和全局优化能力。取代传统的齐次Markov过程分析,采用一种新的纯概率方法,对CCSA算法的收敛速度问题进行了,分析,并给出了一种估计CCSA算法的收敛速度的方法。对多模态函数优化的仿真实验表明,该算法能有效地抑制早熟,具有更好的全局收敛性。     

基于免疫克隆选择算法的多用户检测技术研究

为了解决最佳检测器计算复杂度较高的难题，提出一种精简有效的克隆选择算法。把人工免疫系统和神经网络系统的信息处理机制引入到CSA提出了免疫克隆选择算法。所提ICSA通过使用随机Hopfield神经网络制备疫苗构成新的免疫算子，把新的免疫算子结合到克隆选择算法中，不仅加快了克隆选择算法的收敛速度，并提高了克隆选择算法的全局收敛能力。然后在CDMA系统利用此算法设计了新的多用户检测器。仿真结果证明了ICSA检测器能够快速收敛到全局最优解，并且无论抗多址干扰和抗远近效应能力都优于传统方法和一些应用优化算法的多用户检测器。     

基于RCS特征的谐振区舰船目标识别

利用谐振区RCS特征对舰船目标进行识别.深入研究了频率预先优化选择问题,提出了一种新的基于最小分类错误准则的频率选择方法,用以改善目标识别性能.给出了一种基于多类目标假设检验理论的带有拒绝判定目标出现门限的近邻分类器.对五类舰船目标识别的仿真结果表明,新的选频方法显著提高了识别性能;扩展的近邻分类器表现出较为理想的拒判能力.     

Lazy learner text categorization algorithm based on embedded feature selection

To avoid the curse of dimensionality, text categorization (TC) algorithms based on machine learning (ML) have to use an feature selection (FS) method to reduce the dimensionality of feature space. Although having been widely used, FS process will generally cause information losing and then have much side-effect on the whole performance of TC algorithms. On the basis of the sparsity characteristic of text vectors, a new TC algorithm based on lazy feature selection (LFS) is presented. As a new type of embedded feature selection approach, the LFS method can greatly reduce the dimension of features without any information losing, which can improve both efficiency and performance of algorithms greatly. The experiments show the new algorithm can simultaneously achieve much higher both performance and efficiency than some of other classical TC algorithms.     

大规模MIMO系统的智能天线选择与功率分配方法研究

为了满足大规模多输入多输出(multiple input multiple output, MIMO)系统的数据传输需求并降低系统能耗,提出一种基于量子化学反应优化的智能天线选择与功率分配方法。根据大规模MIMO系统不同时段的用户传输需求建立智能天线选择与功率分配模型,推导出其最大能效方程。为有效求解该非线性、多约束的混合优化难题,结合量子计算和化学反应优化机制的优势设计了量子化学反应优化算法,可得到最佳的天线选择与功率分配方案。仿真结果表明,所提的智能天线选择与功率分配方法能实时满足用户的信息传输需求,显著提高系统能效。针对不同的仿真场景,所提方法与现有的智能算法与分配策略相比均可得到最高的系统能效。     

大规模MIMO系统的智能天线选择与功率分配方法研究

为了满足大规模多输入多输出(multiple input multiple output, MIMO)系统的数据传输需求并降低系统能耗,提出一种基于量子化学反应优化的智能天线选择与功率分配方法。根据大规模MIMO系统不同时段的用户传输需求建立智能天线选择与功率分配模型,推导出其最大能效方程。为有效求解该非线性、多约束的混合优化难题,结合量子计算和化学反应优化机制的优势设计了量子化学反应优化算法,可得到最佳的天线选择与功率分配方案。仿真结果表明,所提的智能天线选择与功率分配方法能实时满足用户的信息传输需求,显著提高系统能效。针对不同的仿真场景,所提方法与现有的智能算法与分配策略相比均可得到最高的系统能效。