基于效果的常规导弹火力分配模型智能求解算法

基于效果作战已成为现代信息化战争的一种新的作战模式。以基于效果作战思想为基础,通过引入射击有利度这一新要素,建立了基于效果作战模式下常规导弹火力最优分配模型。针对该类组合优化模型求解的复杂性,通过遗传算法与模拟退火算法的有机融合,提出了基于动态收敛准则的遗传模拟退火算法。仿真实验表明:该算法具有优良的全局收敛性,有利于提高常规导弹火力分配的有效性和准确性。研究结果可为常规导弹作战中的火力指挥决策提供支持,对提高常规导弹力量火力打击效果具有参考价值。     

基于混合遗传BP神经网络的城市系统作战能力评估

针对现有城市系统作战能力评估方法较少的问题,利用反向传播(back propagation,BP)神经网络在能力评估方面所具有的自适应、自学习、强容错性和泛化映射等优势,建立了评估指标体系并给出了指标的隶属函数。通过模拟退火遗传算法(simulated annealing and genetic algorithm，SAGA)优化 BP 神经网络的连接权重和阀值,弱化了指标评价中的人为因素,提高了评价结果的准确性、客观性和权威性,有效解决了传统遗传算法和 BP 神经网络易陷入局部极小值、收敛速度慢和抗干扰能力差等问题。仿真实例验证了该方法对城市系统作战能力评估的可行性和有效性。     

基于萤火虫算法层次分析法的弹道导弹突防效能分析

针对弹道导弹攻防对抗复杂、影响因素多的特点,系统地描述评估指标体系的构建方法和原则,建立了导弹突防效能评估指标体系。使用萤火虫算法层次分析法（firefly algorithm-analytic hierarchy process,FA-AHP）,将判断矩阵的一致性检验问题归结为非线性组合优化问题,解决了判断矩阵一致性检验和计算AHP中各要素的排序权值问题。算法性能和算例分析初步证明,FA AHP直观、实用,计算结果稳定、精度高,在系统工程中具有推广应用价值。     

基于分解协调法的弹道导弹突防效能控制优化

着眼未来导弹武器作战精确化的要求,阐述了弹道导弹突防物理过程,提出导弹突防因素识别步骤,建立了导弹突防因素结构框架。运用大系统理论的分解协调法,将弹道导弹突防效能控制优化问题按照多级递阶结构思想分解为相互关联的子系统,采用关联预测法求解各子系统最优值。算例分析和仿真初步证明,分解协调法实现定量控制优化导弹突防效能,为导弹武器作战提供重要的决策依据,在实战中具有较高的应用价值。