对多波次目标直接分配到弹的反导火力规划方法

火力规划是反导力量作战运用的重中之重,对多波次目标的反导火力安排与分配是一个复杂的不确定多约束优化问题。在对反导火力规划问题分析的基础上,给出了弹 目分配时机、模型思路和假设。分拦截任务分配和弹-目分配两步建立了反导火力规划模型,拦截任务分配中,通过时间段分解将同时需要求解的多个问题转换为多个子时间段的一个问题;弹-目分配中,基于航路捷径、目标落点的不同,拦截弹拦截有利度计算是关键环节。模型突破以往研究目标不考虑时间约束的局限,建立起弹-目-时间对应分配关系,提供一种新的、动态的反导火力规划方法,仿真实例体现了模型较好的工程应用前景。     

网络化防空导弹体系集中式拦截联盟形成方法

集中式拦截联盟(CIC)形成是网络化防空导弹体系(NADMS)中的新问题,旨在确定目标、火力节点以及制导节点三者之间的最优匹配关系,以使得体系整体作战效能最大.根据问题背景,建立了CIC的约束优化问题模型,并选择收敛速度较快的粒子群优化(PSO)算法对模型进行求解.针对PSO的局部收敛问题,从认知心理学角度将人类特有的创造性思维(CT)引入粒子速度更新公式中,通过提升单个粒子的搜索能力来提高整个群体的寻优质量.基于CT过程经典的四阶段模型构建了算法框架,改进了PSO的速度更新公式.根据CIC问题特点,制定了编码策略及相关变量的离散化运算规则.实验结果证明了算法在CIC问题求解质量和收敛速度方面的优越性.     

一种自适应粒子群优化算法及其仿真研究

分析了粒子群优化(PSO)算法易于发生早熟收敛的原因。在此基础上提出的自适应粒子群优化(APSO)算法根据群体早熟收敛程度和个体适应值自适应地调整粒子的惯性权重,使群体在进化过程中始终保持惯性权重的多样性,在算法的全局收敛性和收敛速度之间做了一个很好的折衷。对两个经典函数仿真的结果表明APSO算法能够有效地避免PSO算法的早熟收敛问题,而且具有较快的收敛速度。     

基于粒子群算法的多目标车辆调度模型求解

车辆调度问题是具有复杂约束条件的组合优化问题,在理论上属NP-hard问题.考虑车辆数目最少和车辆运行时间最短,建立了具有时间约束的多目标车辆调度模型.并采用粒子群算法（PSO）求解车辆调度问题,以寻求最优车辆调度方案.在实例中通过运用粒子群算法和遗传算法进行比较分析,结果表明,PSO算法简单可行,在优化性能、收敛速度及鲁棒性等方面优于遗传算法,能较好地解决组合优化问题.     

反导预警作战资源调度方法

针对反导预警作战中多部预警资源协同探测多批弹道导弹目标的问题,根据反导预警作战资源调度的特点,提出了反导预警作战任务分解策略,并以调度效益、交接次数和资源负载均衡度为目标建立了多目标优化模型。通过重新设计粒子编码方式以及对重新定义粒子群优化算法中的位置更新公式,使其适用于求解离散变量优化问题。针对粒子群优化算法容易过早收敛的缺点,在进行局部搜索时使用变邻域搜索算法,从而增强算法的寻优能力。通过仿真实验验证,将两种算法相结合能够快速有效地解决反导预警作战资源调度问题。     

城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

基于粒子群算法的无人机舰机协同任务规划

无人机舰机协同任务规划技术是指充分利用无人机与舰艇的优势互补,协同进行作战任务规划的新技术,它是无人机任务规划问题的研究新热点,对于提升海军海上作战能力具有重要意义。针对该问题提出了相应的数学模型,并利用自适应的粒子群算法(self adaptive particle swarm optimization, APSO)进行了求解,该算法能够自适应调整粒子群的惯性权重,更好的防止粒子群陷入局部最优。实验表明,在给定的实验样本中APSO相对于标准粒子群算法和带有压缩因子的粒子群算法能更有效的求解。     

基于改进粒子群算法的多UCAV任务分配仿真研究

针对多无人作战飞机(UCAV)协同任务分配问题,提出了一种基于改进粒子群算法的任务分配方法.分析了影响任务分配的关键战技指标,考虑单架UCAV任务载荷限制的情况,建立了对地攻击任务背景下多UCAV协同任务分配模型.采用连续粒子群算法对问题进行求解,建立离散问题空间与连续粒子运动空间映射,通过位置饱和策略及买卖合同机制有效地解决多约束条件下粒于寻优.最后通过仿真实验,对模型和算法的有效性进行了验证.     

一种具备协作机制的市场化无人战斗机任务分配方法

当多无人战斗机编队需要对多个目标的敌方阵地进行攻击时,如何在有限的无人战斗机中选择最优的任务分配方案是UCAV编队能够有效完成任务的关键.首先提出了的方案优劣判定定理,然后将目标看作优化对象,根据UCAV的数目和目标的数目之间的差别制定了相应的任务分配策略.其次,基于相应的任务分配策略提出了具备合作机制的市场化的任务分配方法.该方法通过市场上买卖的方法和优化目标之间的相互协作,可以求出满足帕累托优化条件的最优任务分配方案.最后将本方法和基于粒子群的任务分配方法进行了对比分析并且进行了仿真验证.仿真结果表明使用本方法可以消除使用粒子群算法给帕累托最优方案的求解带来的不确定性.在局部代价和收益发生变化时,通过局部协调就可以获得最佳任务分配方案.     

自适应差分进化算法求解多平台多武器-目标分配问题

针对水面舰艇编队防空反导作战中的武器-目标分配问题,建立了编队防空火力分配模型,将自适应差分进化算法应用到模型的求解与仿真中,并根据参数优化,改善了问题求解的收敛特性。针对模型求解的特殊要求,采用适当的编码方案,使种群个体编码满足约束条件,利用混沌序列初始化种群,加强种群的搜索多样性,变异、交叉参数的动态自适应策略和混沌序列扰动避免算法陷入局部最优等方法对算法进行优化改进,较方便快捷地解决了多平台多类型武器-目标分配问题。实例证明,该方法能够获得满意的结果,与其他智能算法相比,在优化性能上有较大改进。     

基于蜂群算法的坦克阵地部署与火力分配模型

为了解决坦克分队进攻战斗中的兵力部署和火力协同问题,提出坦克阵地部署模型和坦克火力分配模型,前者解决坦克分队从集结区域到作战区域的兵力分配问题,后者解决坦克接敌后的火力协同问题.针对坦克作战中的对抗特性,建立确定型火力对抗模型,在火力分配模型中体现敌我动态对抗过程.为了求取坦克阵地部署和火力分配最优方案,采取双层迭代策...     

双层火力协同反导作战中的火力调度

双层火力协同反导作战中的火力调度是一个动态的复杂决策过程,运用静态调度和单纯的在线调度算法都无法得到最优的结果。根据双层协同火力反导的原理,分析拦截窗口,并构建火力调度的模型。针对时间、资源以及来袭战术弹道导弹(tactical ballistic missile,TBM)弹头威胁系数等约束条件,提出在线调度中的重调度的拦截火力调度算法,给出计算步骤和流程。〖JP2〗仿真结果表明,该算法能有效地对双层协同火力反导进行火力调度,同时与单纯的在线调度火力分配方法相比,该方法的分配结果在要地生存能力、时效比、费效比等方面都占优。     

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.     

单机多目标攻击逻辑的对策型决策

攻击逻辑的优化决策对于机载多目标攻击系统具有重要意义。在分析对策型决策机理的基础上 ,构造了攻击逻辑的问题模型 ,给出了目标威胁判断和攻击条件评估的手段 ,提出了一种用于机载多目标攻击系统的攻击逻辑的对策型决策方案。该方案能实现导弹火力的优化分配 ,并给出了仿真实验算例的结果与分析。     

基于改进AGD-分布式多智能体系统的目标优化分配模型

由于现代化战场环境动态多变、作战实时性高,针对当前防空作战中武器目标分配(weapon target assignment, WTA)约束多且复杂、传统建模无法真实反映战争过程、模型可信度不高等问题,提出一种在分布式约束优化问题(distributed constraint optimization problem, DCOP)背景下,基于多智能体系统(multi-Agent system, MAS)理论的武器目标优化分配模型,并利用改进的加速梯度下降(accelerated gradient descent, AGD)算法进行求解。通过实验证明了该算法具有良好的收敛性和低复杂度,能够适应现代化防空作战的需求,满足大规模寻优问题的需求,高效解决多智能体目标优化分配问题。     

火力分配的最优剖分与投掷点的全局优化

火力分配的最优剖分与投掷点的全局优化李彦君，顾基发，汪寿阳（中国科学院系统科学研究所，北京１０００８０）ＯｐｔｉｍａｌＰａｒｔｉｔｉｏｎｓａｎｄＧｌｏｂａｌＯｐｔｉｍｉｚａｔｉｏｎｆｏｒＡｉｍｉｎｇＰｏｉｎｔｓｉｎＦｉｒｅＡｌｌｏｃａｔｉｏｎｓＹａｎ...     

基于m-best算法与rollout策略的平台任务关系优化设计方法#br#

在平台任务关系优化设计中,考虑单个任务资源分配过程中平台资源冗余度对后续任务分配的影响,分析优化设计过程的约束条件,构建了以最大任务执行精度与最小资源冗余度为综合目标函数的平台任务关系设计的问题模型,并使用基于m-best算法与rollout策略的方法对问题模型进行求解。m-best算法生成单个任务的m个平台分配方案,rollout策略用于均衡不同优先级任务之间的任务执行精度。最后,分别通过特殊算例和一般算例验证所提优化设计方法的优越性,算例的结果表明,使用该优化设计方法能够使高优先权任务的资源冗余度降低,从而使得整体任务执行精度提高。