超视距协同空战火力打击网络协同目标分配研究

针对超视距协同空战目标分配问题,结合常规超视距协同空战目标分配方法,提出火力打击网络协同目标分配和超视距拦截联盟概念。根据火力打击网络协同目标分配含义和相关约束条件构建新的协同目标分配模型。并结合具体超视距协同空战实例进行模型的求解。通过具体实例与常规目标分配模型比较结果可知,在本文假设条件下,相对于常规目标分配结果,火力打击网络目标分配更能体现超视距协同空战的协同性。应用新的目标分配模型能够增加拦截次数,提高拦截效率,但同时增加了制导难度并牺牲了命中概率。本文所用方法和所得结论可为后续超视距协同空战目标分配研究提供参考。     

联合火力打击中武器目标分配问题的多目标优化模型及算法

联合火力打击中确定最优的武器目标分配方案是具有挑战性的问题.为解决该问题,考虑需要在潜在打击目标中确定打击目标,建立了一个以最大化期望毁伤收益和最小化打击成本为目标的多目标优化模型.采用加权求和法以及偏好将多目标优化模型转化为全局约束优化模型.设计了具有较好搜索能力的交叉和变异算子的遗传算法.实验结果表明,所提出的算法可以得到比对比算法更好的分配方案.     

联合火力打击目标分配

目标分配是联合火力打击指挥决策的核心内容,但是构建合理、可信的联合火力打击目标分配模型是相当复杂和困难的.根据联合火力打击循环过程的分析,设定了目标分配优化的时间周期;综合红蓝双方情况以及战场态势更新,建立了目标分配的思维机制;在将整个作战空间划分为网格、降低目标分配复杂性的基础上,结合基本输入变量以及各约束条件的量化表达式,构建了目标分配的线性规划模型;最后,利用算例进行了验证性分析.该模型为联合火力打击目标分配优化、制定作战方案提供了定量分析工具.     

基于灰狼算法的多平台火力分配优化模型

为发挥多平台协同对海突击作战优势,综合考虑打击收益及打击代价两个重要影响因素,构建多平台火力分配数学模型,并且采用改进的灰狼优化算法研究解决多平台火力分配问题,结合实例进行验证。结果表明构建的火力分配模型紧贴作战实际,所采用的灰狼优化算法可以有效优选出最佳的火力分配方案,为指挥员指挥决策提供参考依据。     

NRIWO算法求解火力分配多目标规划模型

为满足火力分配在保证毁伤概率较优的前提下降低火力单元的使用数量的要求,建立了火力分配多目标规划模型.基于入侵杂草学说,提出非支配排序杂草优化算法用于解决火力分配多目标规划问题.该算法在初始化和空间扩散阶段采用不同的决策变量编码策略,根据非支配排序的概念,将杂草种群中的个体分为多个等级以区分优劣从而进行生长繁殖.仿真结果表明:新算法每一代具有很强的向最优面逼近能力,体现了很好的均匀性以及解分布的广度,用于火力分配多目标规划,可实时为指挥员提供良好的辅助决策.     

多阵地对多目标火力分配的模型研究

就多阵地对多目标火力分配问题进行了研究,建立了最简单的模型,并给出了求解过程.     

改进MOQPSO算法的多平台多武器火力分配

针对多目标粒子群优化算法在求解火力分配过程中容易陷入局部最优的问题,提出一种改进的多目标量子粒子群优化（Multi Objective Quantum Behaved Particle Swarm Optimization, MOQPSO）算法。通过改进编码方式、修改位置更新公式、引入高斯变异和更新外部档案等方法,使该算法适于求解多平台多武器火力分配多目标优化模型。对规模不同的2个作战想定分别采用改进MOQPSO算法和MOPSO算法进行求解。对多目标优化与单目标优化模型的收敛性能进行了比较。仿真结果表明：改进MOQPSO算法比MOPSO算法运算速度提高6倍左右,所求Pareto解的收敛精度更高、多样性更好,验证了所提算法的有效性和优越性。     

多型号武器的目标优化分配问题研究

对地面防空中多型号武器的目标优化分配问题进行了研究。其中包括多目标通道地空导弹武器系统杀伤区的确定、各火力单位相对于飞机类、导弹类目标的射击诸元计算、目标优化分配模型的建立及其求解。     

基于改进狼群算法的多机协同目标分配研究

为充分发挥战机集群整体作战优势以得到最优目标分配方案,采用改进狼群算法对战场态势模型进行求解.通过保证算法的寻优效率,引入次头狼概念对狼群的召唤与围攻行为做出改进,并对狼群算法的更新机制做出了优化,提高算法的全局寻优能力.仿真结果表明,所提方法能快速准确地寻找到最优目标函数值,且在一定程度上改善了传统狼群算法易陷入局部...     

基于人工免疫算法的导弹火力分配

人工免疫算法是一种近年来新发展起来的优化算法,目前它已被广泛应用于解决许多实际问题,如函数优化、图像处理、组合优化、网络安全、知识发掘、电网规划等许多领域。本文通过对人工免疫算法的研究,阐述其在导弹武器火力分配上的应用。首先描述了导弹火力分配优化问题,并建立了其数学模型;然后设计和实现了一种人工免疫算法;最后运用人工免疫算法求解了该问题。     

集成化物流中的定位-配给问题的启发式算法

以Baumol Wolfe提出的传统的0 1混合整数规划模型为基础,建立一类更接近物流配送实际的定位 配给模型·在已确定每个配送中心的服务范围内,根据客户群的总需求量接近或等于单车容量的整数倍为原则,提出将不同客户需求量引入最小包络法进行混合法选址的启发式算法·最小包络法即以一个配送中心为基点,分别与其他配送中心用直线连接,作这些直线的垂直平分线,以每个配送中心的内点的垂直平分线的最小包络,作为此配送中心的服务范围·该方法既考虑到不同客户之间的相对距离,又考虑到不同客户需求量,此模型有助于解决实际的定位 配给问题·计算机仿真实例证明了此方法的有效性·     

解非线性优化问题GM（1,1）模型的多子群遗传算法

针对非线性优化问题约束条件中待定参数的时间序列数据,首先使用GM(1,1)方法进行建模预测得到参数的预测值,进而将参数预测值代入原问题中提出一个确定型的非线性优化问题。对该确定型问题设计了一个多子种群并行进化的遗传算法进行求解,在分析所提算法的收敛性的基础上,给出了初步的数值算例。数值算例实验结果表明:该算法能够较为精确地获得预测型非线性优化问题的(近似)全局最优解。