共查询到15条相似文献,搜索用时 46 毫秒
1.
空中突击编队优化配置算法研究 总被引:2,自引:1,他引:1
组建空中突击编队是空中突击任务规划的主要内容之一.首先介绍了空中突击编队的概念及其组建步骤,应用决策影响图构造了该问题的图示表征模型,分析了组建空中突击编队的主要影响因素及其内在关系;然后采用混合整数规划建立了组建空中突击编队的具体模型,最后对该模型的求解方法作了讨论,提出了四种求解方案,并给出了初步对比结果. 相似文献
2.
空中投送体系在现代战争中发挥着重要作用。与美俄等军事强国相比,我国空中投送体系还存在明显的短板与不足。针对投送体系论证与使用分析需求,围绕运输机与货物、机场、航线之间的交互关系以及投送体系内多机型的协同关系,开发建立了一套具有模型构建与管理、想定编辑、运输任务规划、仿真推演、效能评估等模块的投送体系仿真与分析系统,可实现装载方案自动生成、任务流程自动规划、多机型组合使用优选、多任务动态调度等功能,能为我国未来投送体系与投送装备的发展论证提供技术手段。 相似文献
3.
基于目标网的空中突击兵力使用方案的优化方法 总被引:5,自引:0,他引:5
依据计划活动的思维机制 ,建立了适应战役任务要求的突击目标网 ,据此给出优化空中突击兵力使用方案的一种有效方法 ,最后对有关参数进行了分析. 相似文献
4.
5.
在中国未来卫星发射需求急剧增加和卫星发射中心发射能力有限的情况下,为多颗卫星协调发射中心和发射时间变得日趋困难。为解决大量卫星发射任务的协同规划问题,以发射成本最少、发射失败概率最低为优化目标,建立了多中心多卫星发射任务协同优化的多目标混合整数规划模型。基于非支配排序的多目标优化算法(non-dominated sorting genetic algorithm II, NSGA II)框架,设计了求解模型的多目标进化算法,提出了发射中心选择的整数编码方案,给出了基于启发式搜索的发射时间规划解码算法,并设计了染色体质量检查与修正算法。基于中国现有的4个卫星发射中心和可能面临的6类发射任务,设计了包含10颗卫星发射任务的小规模案例和30颗卫星发射任务的大规模案例,对模型和算法进行了仿真验证。实验结果表明该方法能有效解决多中心多发射任务协同规划问题。 相似文献
6.
7.
8.
对地观测小卫星星座长期任务规划求解技术 总被引:1,自引:0,他引:1
针对小卫星星座的成像特点和约束特性,建立长期任务规划数学模型。将该模型分解为初始轨道分配和冲突消解两阶段进行求解:首先将初始轨道分配问题映射为图的k-GCP模型,并提出了贪婪顶点序列着色算法进行分配;然后采用区间变量表示成像时间,根据区间变量间的时间关系对影响任务拓扑排序,设计了一种基于深度优先搜索的任务规划算法进行冲突消解。算例表明,该方法能够在满足时效性的前提下解决小卫星星座的长期任务规划问题。 相似文献
9.
作战知识是提高无人系统的自主作战能力的重要因素。如何系统规范地存储和表示作战知识, 使无人系统能够根据高层任务指令, 自主完成任务规划, 并基于不断更新的战场知识进行重规划和智能决策, 是一个新的研究领域。首先, 通过对任务规划领域概念、规划方法和知识表示方法的梳理, 提出了基于本体的任务规划框架。然后, 总结了本体在机器人、无人系统、军事任务规划等领域的应用情况, 分析了当前研究的特点和不足, 并提出了该领域的重要研究方向。最后, 针对构建无人系统任务规划本体时应遵循的原则和需要关注的关键能力指标进行了论述。 相似文献
10.
无人作战飞机(Uninhabited Combat Aerial Vehicle,UCAV)任务规划是指在执行任务之前制定UCAV行动的步骤,是实现UCAV智能化和自主化的必要的条件.以任务分析和环境建模仿真框架(Task Analysis Environment Modeling and Simulation,TAEMS)作为任务结构的描述模型,实现UCAV的任务模型描述并给出了UCAV任务规划问题描述.提出基于DTC(Design to Criteria)的UCAV任务规划算法,并在任务规划过程中集成路径规划,DTC算法是一种启发式算法,任务规划的结果是完成UCAV任务所需要执行的动作序列.仿真实例证明了任务规划算法的可行性. 相似文献
11.
12.
基于贪婪算法的卫星地面站任务规划方法 总被引:20,自引:0,他引:20
针对卫星地面站系统任务规划问题 ,在可视时间和任务时间的约束条件下 ,为满足最大化资源利用的目标 ,基于贪婪算法提出了一种解决该问题的有效方法 ,为进一步研究该类问题 ,给出了一种新的思路。 相似文献
13.
14.
15.
基于Voronoi图和蚁群优化算法的无人作战飞机航路规划 总被引:3,自引:0,他引:3
无人作战飞机(UCVA)航路规划是一类复杂优化问题.在众多航路规划算法中,Voronoi图是一种根据战场多威胁源分布情况获取可行航路的图形算法,而蚁群优化(ACO)算法是受到蚂蚁觅食行为启发而形成的一种启发式仿生算法.根据已知威胁源生成Voronoi加权图,其中每条Voronoi边的总代价可以由威胁代价和燃油代价计算得出;然后给出了在Voronoi图条件下,用于航路规划的改进ACO算法模型和具体实现方法;最后,将Voronoi图与ACO算法相结合,并针对某UCAV多种空战态势下的航路规划问题进行了系列仿真实验.实验结果验证了所提方法在解决UCAV航路规划问题时的可行性和有效性. 相似文献