基于半约束随机搜索的空舰导弹目标分配方法

空舰导弹在反舰协同作战中发挥着重要作用。在传统蚁群算法基础上,通过改进其搜索机制及信息素更新范围,提出了一种改进的半约束随机蚁群(semi restraint stochastic ant colony system, SSACS)算法,并将其应〖JP2〗用于空舰导弹作战多目标分配中。基于舰艇编队战术价值和动态拦截威胁因素,建立了空舰导弹突防舰队防御威胁数学模型,优化了空舰导弹多目标分配算法。最后通过对比改进的半约束随机蚁群算法和传统蚁群算法,证明了改进的蚁群算法克服了传统蚁群算法局部收敛的缺陷,在解决空舰导弹多波次协同目标分配问题上是有效的。     

防空C3I目标分配问题的ACO-SA混合优化策略研究

防空C3I系统的目标分配已成为现代防空作战指挥不可缺少的决策支持,针对这一问题,提出了蚁群-模拟退火(ACO-SA)混合优化策略。在该策略中,蚁群系统的一次周游过程中的最优路线作为模拟退火算法的初始解,在每个退火温度上进行抽样准则检验并产生新解,然后更新新解对应路径上的信息素,蚁群算法(ACO)再根据新的信息素分布进行并行搜索。实验表明,与单一ACO和SA算法相比,这种ACO-SA混合优化策略在解决同一防空C3I系统的目标分配问题上有较强的寻优能力和较快的收敛速度。     

多目标攻击空战决策WBG模型及其蚁群算法

针对解决空战决策分配问题的已有算法稳定性差、局限于数学描述、没考虑目标威胁评估因素等不足,通过分析战场模型,建立了多目标攻击空战决策的赋权偶图(WBG)模型,该模型是具有二分类的赋权完全偶图模型,使空战决策分配问题转化为求解WBG模型的最优匹配问题。利用蚁群算法对WBG决策模型求解,提出了具体实现算法。数值试验和仿真结果表明,提出的空战决策WBG模型及其蚁群算法实现具备精确有效的决策能力,从而为多目标空战提供了一种有效的决策方法。     

基于IP-ACO算法的航天器测控资源调度技术

采用多目标蚁群优化算法对航天器测控资源调度问题进行研究。在分析中低轨道航天器测控特点的基础上,综合考虑包括测控时间窗口约束和设备切换时间约束在内的多类复杂约束条件,建立多目标航天器测控资源调度模型。在Pareto蚁群优化算法的基础上,引入蚁群社会中的分工协作思想并构建测控任务时间约束有向图,设计基于任务选择期望的状态转移规则和基于自适应网格技术的权重更新策略,从而提高算法求解性能。仿真实验结果表明该方法能有效解决多目标航天器测控资源调度问题。     

热轧批量计划模型及其混合求解算法

分析了热轧批量计划编制问题,建立了基于奖金收集车辆路径问题的计划数不确定的热轧批量计划模型.模型中考虑了热轧生产的多种工艺约束和生产目标.针对该模型提出了一种基于模拟退火算法和蚁群算法的混合算法,混合算法中利用模拟退火算法得到热轧批量计划的一个初始解来生成蚁群算法中的初始信息素分布,利用蚁群算法寻找全局最优解.在蚁群算法中又嵌入了模拟退火算法进行局部搜索,避免蚁群算法陷入局部最优.实验结果表明所提出的模型和算法是有效的.     

目标分配的蚁群-模拟退火算法及其改进

直升机编队的对地攻击过程中,目标分配是实现作战任务的重要条件。确定了直升机目标分配的优势度计算方法以及目标分配的原则。利用蚁群-模拟退火算法实现了直升机对地攻击的目标分配过程,并针对分配过程中,采用综合优势度最大来确定最优路径所出现的不足对算法进行了改进,即根据信息素的积累量来确定最优路径,能够综合考虑信息素浓度与优势度的影响,避免了为达到全局最大优势度而出现的个体分配效益不好以及收敛缓慢的情况。实验结果表明,改进的算法效率更高,收敛的速度较之前更快,分配结果更趋合理。     

求解卫星地面站调度问题的演化学习型蚁群算法

随着观测需求的日益增加,越来越多的卫星和地面站加入到对地观测系统中,迫切需要采用科学手段对卫星地面站资源进行合理分配。针对卫星地面站调度问题,构建了一种演化学习型蚁群算法。实验结果表明,该算法能有效求解卫星地面站调度问题。将蚁群优化模型和知识模型进行优势互补,可极大提高演化学习型蚁群算法的效率,为现有优化方法的改进提供了一种有益借鉴。     

基于蚁群-遗传混合算法的设备布局优化方法

以生产车间设备布局优化的最小物流费用为目标,建立了车间设备布局优化问题的二次分配模型,并采用蚁群-遗传混合算法来对这一模型进行求解.该混合算法将蚁群算法和遗传算法的优点相融合,以蚁群系统的解作为遗传算法的初始种群,克服了蚁群算法的收敛速度慢,容易陷入局部最优以及遗传算法的容易早熟收敛等缺陷,来实现模型的全局最优.本文以某机械厂制造车间为例,运用MATLAB编程实现算法求解,结果显示:应用蚁群-遗传混合算法设计出来的设备布局新方案比原始方案总物流费用节约了10.6%,同时,混合算法在求解车间设备布局优化问题时比蚁群算法或者遗传算法速度更快,效果更好.     

多目标0-1规划问题的元胞蚁群优化算法

为求解多目标0-1规划问题,基于元胞自动机原理和蚁群算法,提出一种元胞蚁群算法.将元胞演化规则和蚁群寻优相结合,提高非劣解集的多样性和分布性.经数值实验和已有算法相比较,该算法具有较好的性能.     

基于记忆曲线的ACO在柔性作业车间的调度优化

为克服蚁群算法存在收敛速度慢、容易陷入局部最优解的问题,通过研究记忆曲线模型和蚁群算法信息素更新规则的特点,提出了一种基于生物记忆曲线模型的信息素更新规则对蚁群算法进行改进,并通过实验确定改进后的蚁群算法各参数的合理取值。以最短加工时间为目标函数,建立柔性作业车间调度的目标函数,结合实际算例借助MATLAB求解。通过与其他改进蚁群算法的对比,对6个Job-Shop Benchmark的基准问题进行仿真,通过仿真结果发现,无论是最优解的质量还是求解速度上改进的蚁群算法较基本蚁群算法都有较大提升。最终得出本文提出的基于生物记忆曲线模型的信息素更新规则具有良好的求解能力和收敛能力。     

使用多种防空武器时目标分配的数学模型

就防空作战中使用多种防空武器时的目标分配问题建立了数学模型 ,并给出了具体算法 ,为防空指挥控制系统中的目标分配提供了新的理论方法。     

分配问题的一种新的迭代算法

针对解决分配问题的匈牙利法运算步骤复杂的问题,提出一种新的迭代算法。该算法通过引入有向检测矩阵,利用Floyd算法进行迭代,求解出可行解即为最优解。与经典的匈牙利法相比,该算法更加简便,易于编制成计算机程序,适合于大规模分配问题的计算。     

海上要地防空反导阵地优度排序研究

针对海上要地防空反导作战中发射阵地优度排序问题, 结合要地面积较小、各备选阵地自然环境条件差别不大的实际情况, 提出一种以各阵地与保卫目标间距离来衡量阵地优度的评价指标体系构建方法。首次将各己方目标的重要度作为对应评价指标的权值, 并提出一种基于网页排名(PageRank, PR)算法的评价指标赋权方法。通过算例仿真可得, 本文提出的方法能够给出科学、准确的备选阵地优度排序, 为解决海上要地防空反导阵地选择问题提供了一种新思路、新方法。     

基于时间约束的多平台协同目标分配方法

网络化防空体系各作战平台协同目标分配问题是研究网络化防空的一个重要问题。针对未来网络化防空对协同目标分配算法具有很高的实时性要求,提出了基于时间约束的协同目标分配方法--改进的分布协同拍卖算法,给出了算法具体设计思路和流程,并对算法作了仿真实验。仿真的结果和统计数据分析证明,算法能够在约束的时间内给出具有很好优化效果的目标分配方案,并通过与遗传算法的实例比较,体现了该算法在时间约束条件下的优越性。     

基于类型2区间模糊K近邻分类器的动态武器目标分配方法研究

动态武器目标分配问题是战场指挥控制决策中的关键问题。由于动态武器目标分配算法是在攻击间隙所做的决策,对计算时间的实时性要求较高。解决这一问题,可以采用机器学习的方法基于战场辅助决策系统的武器目标分配,从已知的决策中推理生成出新的决策,而不必每个步骤中都重新搜索新的目标分配方案。根据这种思路,提出了一种基于类型2区间模糊K近邻分类器的武器目标分配方法,利用分支定界法得到的分配方案作为训练样本,通过构造并行运行的类型2区间模糊K近邻分类器来推导目标分配结论,实现了快速决策的目的。     

基于归纳法的同构资源目标分配算法

针对传统目标分配算法不能求解大规模资源目标分配的组合规划难题,提出了一种基于数学归纳法的资源目标分配算法。建立了资源相同条件下的目标分配数学模型。通过逐步增加资源和资源预分配的方法,不断从每次迭代的预分配方案中选择最优的分配方案,极大地降低了分配问题的搜索解空间和计算复杂度。以无人机协同区域搜索为典型应用案例,分别设计了对比实验和性能实验。仿真实验结果表明，该算法可以保证得到目标分配问题的全局最优解,并且在大规模资源分配中具有很好的实时性。     

信息化条件下海上编队区域防空目标分配方法

针对现代海上编队作战是基于信息系统的体系作战客观要求,对信息化条件下海上编队区域防空目标分配问题进行了研究,提出了对空防御拦截水平的概念,建立了多层防御模式下的编队区域防空目标分配模型.为了有效求解模型,综合运用交互式决策思想和遗传算法,提出了一种基于遗传算法(GA)的交互式求解模型的方法.在GA设计中,通过对染色体编码、初始化种群、适应度函数以及遗传运算、选择策略等环节的合理设计,保证了产生个体的有效性,提高了搜索质量,加快了搜索速度.仿真结果表明了模型和算法的有效性,从而为有效解决现代海上编队体系作战的区域防空目标分配问题探求了一条新途径.     

最优火力分配方案的一种空间表述方法

以向量空间观念来审视作战问题,通过对目标的突防概率的认识,创造性地定义了火力分配矢量及其范数,建立了相应的赋范空间.首次建立了最优火力分配问题在赋范空间中的描述模型,并在理论上证明了解的存在性,从而把防空作战中的火力分配问题转化为赋范空间中的最小范数问题,为研究战争中的火力分配问题奠定了理论基础.     

基于Petri网的原油处理生产作业计划油罐动态分配分析

石化炼油企业采用递阶方法进行调度,以使短期调度方法在生产运作中切实可行.在上层,企业根据市场需求产生一个目标炼油计划.在下层,企业得到一个详细调度以实现目标炼油计划.在这个过程中,如何动态分配油罐将起到至关重要的作用,同时也是生产运作中的难题.为了解决这个难题,建立Petri网模型描述原油处理生产过程的行为特征.基于该模型,分析了油罐分配对目标炼油计划可实现性的影响,鉴别出那些使系统进入不可行状态的操作,并对其进行调整.这样,通过避免这样的不可行操作而提出一种实现目标炼油计划的油罐动态分配方法.最后,用一个工业实例验证了提出的方法的应用.     

基于遗传算法的多级目标非平衡指派问题求解

给出了一个基于遗传算法的多级目标非平衡指派问题的求解方法.首先把一个非平衡指派问题转化为一个组合优化问题.在此基础上,给出了编码策略、目标函数和适应度函数、选择算子、交叉算子和变异算子,还给出了交叉概率、变异概率的定标方法.最后采用遗传算法成功地解决了非平衡指派问题.