时敏打击系统作战效能评估与效费分析

基于时敏打击系统的作战流程，提出了系统的作战效能评估方法，并对相关影响因素进行了分析．考虑到时敏打击系统作战效能与作战费用之间的博彝关系，又提出了一种时敏打击系统的效费分析方法．实例分析中，利用遗传算法对系统作战资源进行了优化配置。结果分析表明了效费分析对于系统设计与构建有着积极的作用，也暗示了无人作战平台将在打击时敏目标领域扮演重要角色。     

基于改进局部搜索遗传算法的目标分配决策

为满足舰载武器目标分配需求,对传统的局部搜索遗传算法进行了改进,并用其求解目标分配问题的最优解。构造了适合于目标分配问题的染色体;设计了搜索性能较好且能够保留优秀基因的交叉操作方法;将局部搜索机制引入标准遗传算法,提高了目标分配算法的收敛速度;把模拟退火算法引入局部搜索问题,在一定程度上避免了局部最优问题;将贪婪算法应用于局部搜索提高了最优分配方案的搜索效率。仿真计算表明,改进局部搜索遗传算法的目标分配性能优于已有算法。     

战场环境下多无人机时敏任务动态分配算法

时敏目标呈现的持续时间和出现空间不稳定等特点加大了无人机编队任务分配难度,将影响无人机编队的任务执行效果。针对该问题,在Leader-Follower编队结构下提出一种多无人机时敏任务动态分配算法,实现战场环境下多架无人机对多个时敏目标的打击。该算法在时敏目标时间窗口约束下,通过综合评估目标威胁代价、距离代价、任务执行时间、毁伤能力和打击收益完成编队任务动态分配,保证了无人机编队打击多个时敏目标的效能最大化。仿真结果证明了该算法的有效性。     

基于匈牙利-模拟退火算法的多阶段武器目标分配方法

针对现代化战争中远程精确制导武器成本高昂以及武器发射平台数量有限的问题,研究了多阶段武器目标分配问题,以最小化武器成本为优化目标,建立了混合整数非线性规划模型。设计了一种集成匈牙利和模拟退火的混合智能搜索算法,首先根据待攻击目标的时空状态与毁伤特性确定打击阶段、标记可松弛性。在模拟退火的框架下,基于目标的松弛性调整攻击阶段,再通过匈牙利算法计算每个阶段武器和目标的精确匹配方案。通过启发式算法和精确求解技术的结合,在保证求解质量的前提下,极大减少了计算时间。通过计算实验,与变邻域搜索算法进行了对比分析,验证了该算法在求解多阶段武器目标分配问题的有效性。仿真结果表明,所提算法在计算时间和求解效果上优于变邻域搜索算法。     

用于多目标数据互联的模拟退火方法

通过对模拟退火算法的改进,成功地将其应用到多目标数据互联问题中,算例表明,其应用效果令人满意。     

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。     

目标特征提取的快速算法

本文利用快速计算图象的终点矩,给出了计算高阶矩不变量的快速算法,使得提取目标特征的运算量大大降低。模拟结果表明,增加特征矢量的维数,即在特征中用到更高阶的矩不变量,可以有效地提高对复杂图象的识别能力。     

一种基于效能的时间敏感目标打击时机估计方法

以提高打击效果为目的,研究了精确制导武器打击时间敏感目标的发射时机估计问题。首先运用混合总体商变换方法和精确制导武器射击理论建立了相应的作战效能模型,包括即时概率模型、捕捉概率模型、命中概率模型和毁伤概率模型。然后依据给定的作战效能模型,提出给定条件下远程精确制导武器打击陆地时间敏感目标的发射时机估计方法,并进行了算例分析和t检验,计算结果检验了估计方法的有效性。最后通过研究不同条件下的发射时机区间长度,指出远程精确制导武器航程和时间精度等级是影响发射时机估计的主要因素。     

一类含时间窗口的多资源动态调度问题的建模与求解方法

摘要内容含时间窗口的多资源调度，是一个包括资源分配和时间窗口分配的两阶段优化过程。资源在初始调度方案执行过程中可能会出现故障，而使初始方案不能继续执行，需要对初始方案进行调整。本文针对这种情况，分析了该问题中的主要约条件，建立了含时间窗口的多资源动态调度模型，给出了一种启发式搜索方法；并以含时间窗口的并机调度问题为例，对模型和算法进行了验证。     

用于稠密目标环境的一种跟踪算法

本文介绍用于稠密目标环境的一种跟踪算法。该算法是为处理非常大量目标的被动式光学(仅有角度信息)敏感器而设计的。考虑到实际应用,敏感器的角度分辨力是有限的,采样率也极低。对于更复杂的算法设计问题,基本系统几乎是不可观察的。在这种情况下,标准的推广卡尔曼滤波器是不能用的;必须使用一种迭代式的最大似然估计器。     

基于对位学习的多目标遗传算法

为了加强非劣排序遗传算法的搜索能力、加快其收敛速度,将对位学习与非劣排序遗传算法相结合,提出了一种用于解决多目标优化问题,基于对位学习的多目标遗传算法,并应用双目标、三目标的测试函数对该算法进行了验证.结果表明,基于对位学习的多目标遗传算法具有较好的收敛性和分布性.     

一种利用快速2D熵阈值算法的目标图像分割方法研究

目标图像分割是自动目标识别(ATR)的重要环节,其性能对ATR系统具有显著影响。本文利用二维(2D)熵阈值进行目标图像分割,提出一种快速2D熵阈值算法,大大缩短了处理时间,减少了所需存储空间。另外,为了进一步改善分割效果,采用中值—平滑滤波进行图像预处理。实验结果表明,本方法具有很好的分割效果。     

基于快速模拟退火的遥感数据处理调度方法

为了对多源遥感数据的处理任务进行有效的调度和管理,提高处理资源的利用率,根据遥感数据处理任务调度问题的特点,建立了遥感数据处理任务调度的数学模型。设计了两大类邻域结构：整体变换（包括整体再分配和整体交换）和局部变换（包括局部再分配和局部交换）,并采用快速模拟退火算法对模型进行求解。最后给出实例与启发式算法的结果对比,验证了算法的有效性。     

基于混沌遗传算法的自动化生产单元调度方法

针对遗传算法在求解一类带时间窗口的自动化生产单元调度问题时易出现冗余迭代、收敛缓慢等问题,将混沌搜索技术引入至遗传算法中,通过将混沌初始化、混沌扰动与遗传算法的基本操作相结合,利用混沌运动搜索精度高、遍历性好的特点来提高遗传算法的收敛速度和优化质量.本文在给出自动化生产单元调度问题的数学模型的基础上,着重讨论了混沌遗传调度算法的设计,包括编码方式、混沌初始化、交叉操作、混沌变异操作和适应度函数的计算等.最后以自动化电镀生产线为例对提出的算法进行了验证,为此类调度问题提供了有效的算法.     

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。     

基于遗传模拟退火算法的机动多目标数据关联问题研究

应用遗传模拟退火算法将机动多目标的数据关联问题表达为一类约束的组合优化问题研究时 ,可极大地提高密集多回波环境下系统跟踪多机动目标的精度和可靠性 .仿真结果表明 ,遗传模拟退火算法明显地优于独立地使用遗传算法和模拟退火算法 .     

一种用于多目标优化的混合遗传算法

将遗传算法与局部优化方法相结合,提出了一种用于多目标优化的混合Pareto遗传算法(HPGA)。针对遗传算法局部优化性能较差的缺点,引入直接搜索策略以增强算法的局部搜索能力。HPGA首先运行Pareto遗传算法,以得到近似的Pareto最优解;然后启动直接搜索对其进行进一步优化。仿真结果表明HPGA兼具有良好的全局优化性能和较强的局部搜索能力。与Pareto遗传算法相比,HPGA不仅提高了优化搜索的效率,而且能够保证收敛到多目标优化问题的Pareto最优前沿面。     

一种目标兴趣区的快速识别算法

本文给出了一种基于角特征的目标兴趣区的识别算法。通过对二值图象边缘点的向前和向后K步跟踪,可以得到该点两个方向的方向链码,而一个角则由该两个方向链码确定。然后根据已知目标上角分布的先验信息,将目标的主体提取出来。本文给出的算法可并行实现。计算机模拟结果表明,该算法是有效的。     

一种稳健的空中目标跟踪方法

提出了一种稳健的空中目标跟踪方法.该方法基于MAD构遣了-种新的梯度特征相似度量算法,在梯度特征空间对目标进行匹配定位.为适应跟踪过程中目标的大小变化,利用自适应调整模板尺寸的方法在跟踪过程中调整目标模板大小,增强了对具有强机动特点的空中目标跟踪的稳定性.仿真结果表明,跟踪算法能够适应飞机在短期跟踪过程中由机动动作产生的快速形变,以及由形变带来的目标自身灰度上的剧烈变化和在长期跟踪过程中的大小变化,实现了对空中目标的稳定跟踪.     

用于柔性流程工业生产调度的并行多目标遗传算法

分析了柔性流程工业区别于一般制造系统在生产调度方面的特点 ,在此基础上针对这类系统所具有的多目标、混合动力学特性、调度实时性等特征 ,提出了一种新的并行多目标遗传算法 .在解决多目标解的评价时 ,采用了目标分级评价技术 ,求解过程始终将解的最优性和决策者对目标的偏好信息结合在一起 .为反映这类问题的混合特性 ,提出了一种新的双层编码方案 .在算法中采用的递阶分解并行技术 ,使计算时间至少减少一个数量级 .计算机仿真结果表明 ,对于这一类复杂的柔性流程工业生产调度优化问题 ,本文提出的方法具有很好的实际应用前景 .