巡航导弹协同攻击体系目标仿真优化

针对巡航导弹协同攻击体系目标方案仿真优化效率低下的问题,提出了以数据挖掘技术为基础的基于概率规则的仿真优化方法。该方法的主要思想是通过对仿真数据进行挖掘形成知识,并指导方案演化,从而提高仿真优化的效率。首先构造了协同攻击仿真优化问题;其次提出了优化算法的基本框架;重点研究了通过贝叶斯网络学习构建概率规则以及方案演化两项关键技术;最后,采用实例对所提出的方法的有效性进行了验证。     

机载雷达与红外搜索跟踪装置的航迹融合研究

在单机空对空多目标攻击武器系统中 ,发射出的导弹必须可靠地分辨并截获所指定的目标 ,这对目标探测装置的数据精度提出了相应的要求。为此 ,设计了机载火控雷达与红外搜索跟踪装置的航迹融合技术结构模型 ,其中航迹关联算法基于模式相似性测度分析 ,目标状态信息融合算法基于极大似然估计。为验证模型的有效性 ,以具体装备为背景进行了仿真研究与分析 ,并给出了其结果     

双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle，UAV）对目标捕获能力，进而提高多UAV协同搜索效率，提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm，ICEGA）的多UAV协同目标搜索方法。首先，根据环境的先验信息，在原概率图基础上引入标志位，建立基于双属性矩阵的待搜索环境概率模型，提高环境和目标的信息感知准确度；其次，定义UAV的飞行规则并结合目标先验概率图信息，建立UAV运动模型及确定最大收益的目标函数；最后，建立分布式UAV之间的信息交互模型，运用ICEGA算法优化产生最优协同决策输入航向角集合，在线实时滚动优化产生最优协同路径。实验结果表明，基于双属性概率图结合ICEGA算法更能够保证最优路径的产生，使得UAV能够准确地搜索到目标；同时，对比仿真验证了ICEGA算法能够提高UAV之间的协同性，保证了路径可行性及提高了目标搜索效率。     

基于Stacking策略的集成BN网络目标威胁评估

现有基于贝叶斯网络的威胁评估采用专家经验确定的朴素结构,其推理评估结果精度欠佳。为此,提出一种融合专家经验与数据观测的基于Stacking策略的集成贝叶斯网络(ensemble Bayesian network, EBN)。首先使用不同搜索空间内的评分优化算法获得数据观测模型集并进行模型平均;然后使用专家经验朴素模型对平均网络进行修剪,形成威胁约束集合;最后以动态规划为基础,通过该集合限制节点序图扩展,以求取全局最优威胁评估网络。在作战想定中,EBN模型单目标威胁概率推理精度比朴素贝叶斯模型高出10%,在多目标威胁排序任务中,其Spearman系数分布亦优于朴素模型。     

基于LPI的相控阵雷达辐射控制方法

相控阵雷达可通过合理配置工作参数优化其性能。针对雷达在电子对抗环境中需要具备低截获概率（low probability of intercept, LPI）的要求,从低截获原理出发,对两种辐射能量控制策略：最小功率策略和最小驻留策略的实现方法进行了理论推导。在此基础上,建立以检测概率为目标的探测性能优化模型,并给出了两种能量控制策略下的最优辐射控制方案。     

无人机协同多目标攻击空战决策研究

针对超视距空战中多架无人机对空中的多个敌对目标进行协同攻击的决策问题进行了研究。首先,对空战威胁态势进行了分析,基于对各攻击目标至少分配一枚导弹的原则,将协同多目标攻击决策问题转化为导弹目标攻击配对的优化问题并建立其攻击效能评估模型。然后,提出了一种模拟退火遗传算法用于该决策问题的寻优。最后,通过所得最佳导弹目标分配个体求得最终协同攻击决策方案。仿真结果表明所提出的算法能有效地求解协同多目标攻击决策问题,其对最优解的搜索效率明显优于单一的遗传算法。     

基于等效平均探测宽度的航空磁探潜搜索概率评估模型

综合考虑目标的散布特点以及航空磁探仪探测能力,推导了磁探仪应召搜索概率评估的解析模型。针对解析评估模型中探测宽度为战术设定值无法准确描述目标磁特性的变化对搜索概率影响的问题,提出了等效平均探测宽度模型。根据建立的航空磁探测相遇模型和检测模型,给出了等效平均探测宽度模型的求解算法。通过蒙特卡罗仿真实验验证了基于等效平均探测宽度搜索概率评估模型的有效性和可信性。不同目标航向和不同反潜机高度条件下的评估结果对比表明基于等效平均探测宽度搜索概率评估模型可以更加有效的评估目标磁特性变化对搜索概率的影响。     

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。     

基于多指标正交实验设计的UAV编队配系优化

以对抗条件下,无人机（unmanned aerial vehicle, UAV）编队执行对地攻击任务为作战背景,构建多UAV对地攻击模型,利用多指标正交实验设计原理,研究编队配系的优化方法。首先,以武器类型和目标类型为对象,建立对抗双方各自的目标分配模型;其次,以目标探测、识别、杀伤和评估为基本任务,建立编队的攻击过程模型;以任务执行总代价、目标毁伤程度和任务执行时间为评价指标,建立目标函数模型;最后,将UAV的种类和数量视为实验因素和水平,研究基于正交实验设计的编队最优配系方案选择方法。实验结果表明,针对特定的任务要求,该方法可以依据现有的资源条件,得出最优的编队编组策略。     

地面运动目标的多UAV协同搜索方法

对地面运动目标的搜索是无人机(unmanned aerial vehicle, UAV)航路规划的重要研究内容之一,受目标运动的影响,传统的垂线扫描搜索方法对速度较大的运动目标搜索能力不足。为了提升对运动目标的搜索效率,提出多无人机(multi-unmanned aerial vehicle, multi-UAV)并排回寻式搜索方法,以回寻速度与推进距离为参数构建了协同搜索数学模型,搜索效率须在搜索速率和发现概率2个指标之间权衡,通过对模型参数进行优化,得出不同应用场景下的最优搜索方案。仿真结果表明:与垂线扫描搜索法相比,在相同的发现概率下,该方法允许目标的运动速度更快;在目标运动速度相同时,目标发现概率更高。在算例的飞行条件下,目标发现概率比垂线扫描法提高约15个百分点。     

军事信息系统服务资源分配并行优化方法

针对如何提高面向服务军事信息系统中任务工作流执行的时效性和成功概率, 提出了服务资源分配的并行优化方法. 首先给出了服务资源分配的系统框架, 在分析服务并行执行数目、 任务成功率、任务完成时间及服务执行代价之间关系的基础上, 建立了服务并行优化的目标规划数学模型, 并提出了一种求解该模型的改进粒子群算法(DPSO). 该算法通过引入粒子细微扰动、优化粒子飞行边界及粒子优胜劣汰等扩大搜索范围,提高获得最优解的概率. 实验结果表明服务分配的并行优化及其DPSO 求解算法是提高任务工作流执行成功率和时效性的有效方法.     

视情维修条件下相控阵雷达备件优化配置

大型相控阵雷达备件配置方案是当前反导预警装备保障领域急需解决的关键问题之一,为了提高相控阵雷达天线阵面的保障能力,提出了一种视情维修条件下,故障件批量送修、定期补给的备件优化配置策略。以天线阵面T/R（transmit/receive）组件为出发点,当其故障单元达到k/N系统的阈值,而其他单元尚未达到阈值时,雷达停机开始换件维修,建立了以系统的供应可用度为约束条件,备件费用最少为优化目标的配置模型,并利用边际效应算法对各参数进行求解。实例运算结果表明该模型合理可行,能为备件配置提供理论支撑。     

变概率混合细菌觅食优化算法

针对细菌觅食优化算法寻优过程中精度差、易陷入早熟收敛等缺点,提出一种变概率混合细菌觅食优化算法。借鉴粒子群算法的信息共享机制,采用能综合反映细菌自身学习及群体合作的趋化方向,以提高算法的寻优精度和效率;基于群体适应度方差理论引入变概率迁徙策略,帮助细菌快速跳出局部极值,避免了早熟收敛和精英细菌逃逸;采用改进型佳点集方法构造初始种群及迁徙后的新个体,保证了种群多样性和解空间随机性。实验结果表明,本文提出的算法在全局收敛能力及优化精度和速度方面均表现更优。     

面向混合变量和任意时间优化的蚁群算法

针对现实问题中优化模型复杂、变量类型混合、求解难问题,通过构建面向混合变量的蚁群优化信息素模型和设计蚂蚁随机解构建方法,提出能够充分有效处理混合连续、有序或无序离散变量的蚁群优化算法。进一步考虑现实问题中目标函数评估次数未知或昂贵优化场景,设计面向任意时间优化的算法参数评估指标,自动化配置算法同时提高解的质量和优化执行效率,生成了面向混合变量和任意时间优化的蚁群算法。最后在标准工程优化问题中进行测试,通过与文献结果的比较,验证了新蚁群算法的高效性和鲁棒性。     

求解连续空间优化问题的量子差分混合优化算法

借鉴量子计算的相关原理和差分进化思想,提出一种用于连续空间优化问题的量子差分混合优化算法。算法的核心是构造由决策向量的分量和量子位概率幅为等位基因的实数编码染色体;采用依据染色体的具体形式设计的互补变异进化部分优秀个体,以加快算法的收敛速度;利用差分进化思想进化部分随机选取个体,以保持算法的全局搜索能力和鲁棒性。对Benchmark函数测试表明,该算法具有寻优能力强、搜索精度高和稳定性好的特点。应用该算法求解路基沉降预测模型参数估计问题,能够有效提高实测沉降数据的拟合精度.     

小生境免疫算法解决作业车间调度问题

针对免疫算法在解决组合排序问题时一般表现不佳的问题,采用多克隆算子以及独特的浓度控制机制形成具有增强搜索能力的新型免疫算法。多克隆算子与遗传算法中的交叉算子近似,它拓宽了普通免疫算法仅凭高变异方式形成的狭窄搜索空间;基于小生境的浓度控制机制借鉴生物学上的小生境概念,通过相似个体群中选择概率的不均衡分配有效避免算法掉入局部陷阱。所构造的小生境免疫算法在对多个作业车间调度算例的仿真过程中体现了较好的效果。     

基于Tent映射的混沌混合粒子群优化算法

为改善基本粒子群优化算法的寻优性能,通过算法混合,在粒子群优化算法中逐步引入优进策略和混沌搜索机制,以加强粒子群的局部寻优效率和全局寻优性能。并将粒子分为两类,分别执行不同的进化机制,实现协同寻优,从而构建为一种新的混沌混合粒子群优化算法。标准测试函数的仿真优化结果表明,该混合算法对较大规模的复杂问题具有较强的求解能力。算法寻优效率高、全局性能好、优化结果稳定,性能明显优于标准粒子群优化算法以及遗传算法等单一的随机搜索方法。     

集装箱码头集成调度模型与混合优化算法

为提高集装箱码头作业中各种设备的协调性,提高整体作业效率,建立了集成调度模型,模型集成了装卸桥、集卡与龙门吊的调度问题.同时,设计了求解模型的混合优化算法,此算法集成了神经网络良好的近似估计功能与模拟退火算法有效的搜索能力.算法流程是:初始化集装箱装卸序列;基于一定的分配规则为集装箱分配作业设备;采用模拟退火算法搜索解空间,更新装卸序列.在算法过程中,用神经网络预测目标函数,并且过滤明显的劣质解.最后,通过算例分析验证了模型与算法的有效性.结果表明,混合优化算法可以提高模型求解效率,对于规模为400个集装箱的调度问题,平均偏差为7.52%,计算时间为8.9s,模型与算法可行.     

基于种群年龄模型的动态粒子数微粒群优化算法

针对微粒群优化算法的早熟停滞缺陷问题,提出了一种基于种群年龄模型的动态粒子数微粒群优化算法. 该算法建立了生物种群年龄模型,将每个粒子划分为不同的年龄段,动态地依据种群环境和个体信息有效地控制种群的粒子数规模;设计了较优粒子的生殖策略和较差粒子的死亡策略,增加群体的多样性和减少冗余计算量,以保证算法获得最优性能. 将此算法与其他改进算法进行比较,仿真测试结果表明,新算法具有较高的全局搜索成功率和效率,计算量显著降低,优化精度显著提高,能够有效地避免算法陷入局部停滞的缺点.