火力分配多目标规划模型的改进MOPSO算法

提出一种改进的多目标粒子群优化算法(multi-objective particle swarm optimization, MOPSO)算法,通过化解约束条件、修改速度和位置更新等使该算法适于求解火力分配多目标规划模型。最终求解的非劣解集构成Pareto前沿,体现增加火力单元数量对射击效能的影响,决策者可按照意图从中选取最终解。不考虑多目标规划模型中的属性目标,对敌毁伤概率随迭代步数演变与单目标函数相比,收敛性能相同,最大值相近,验证了所提算法的有效性。     

基于收益-风险双目标规划的随机能力扩张模型

能力扩张问题是指在不同计划期,根据不断增长的市场需求,调整生产能力,使产能与需求合适匹配以寻求企业盈利的最佳表现.能力扩张涉及长期的产能投资,是生产领域的战略决策问题.当面对不确定需求时,这一决策任务变得十分复杂,需要从回报与风险两个角度评估能力扩张方案的性能.本文基于Scenario树描述多阶段的随机需求,从而建立随机环境下能力扩张问题的Scenario决策模型.其中考虑两个决策目标:最大化利润和最小化期望下方风险,因而形成了一个双目标规划问题.为求解该问题,基于二进制粒子群优化技术,提出了双目标优化的粒子群算法.算例表明该算法可以得到近似Pareto前沿,且能揭示利润与风险的同向变化关系.     

基于模糊机会约束双层规划的动态火力分配建模与实现

针对现有动态火力分配模型未考虑不确定因素及复杂约束的问题,引入不确定规划理论,建立了基于模糊机会约束双层规划的动态火力分配模型.首先,以最大化效费比和尽早拦截分别作为模型的上下层目标函数,并考虑复杂战场环境下的模型约束.在此基础上,构建了一种针对双层多约束动态火力分配问题的递阶结构粒子编码方案,并将带审敛因子的离散变邻域粒子群算法及带怀疑因子及斥力因子的粒子群算法有效结合,利用模糊模拟技术,提出一种分层递阶的混合模糊粒子群算法.仿真实例表明,该算法具有更强的全局寻优能力和更快的收敛速度,能够满足大规模动态火力分配问题对时效性的高要求.     

基于PSO的虚拟企业风险管理的随机规划模型

虚拟企业的柔性、成员的多样性及其分布性等特征为其带来了众多风险,虚拟企业的风险管理已经成为其运作中的一个重要问题.考虑虚拟企业的风险中的随机因素,如风险发生的概率、造成后果的概率和控制风险的费用等,将其描述为随机变量,提出了一个虚拟企业风险管理的随机规划模型.具体来说,该模型是一个机会约束规划模型,运用此类模型可以比较好的描述管理者的风险偏好.为了求解该随机规划模型,引入蒙特卡罗模拟来处理模型中的随机变量,设计了嵌入蒙特卡罗模拟的粒子群算法.仿真分析表明了该算法的有效性.     

基于多目标模糊规划的海上要地防空动态火力分配

海上要地防空武器火力分配(weapon target assignment, WTA)是防空反导作战的关键环节,属于典型的组合优化问题。针对海上要地防空反导战场态势的不确定性、复杂性和动态性问题,提出了一种基于非支配排序的多目标量子遗传算法的模糊动态WTA(dynamic WTA, DWTA)方法。首先,在确定条件下,建立了以防御效率和作战资源损耗为目标的多目标DWTA模型;然后,根据战场态势的不确定性构建了多目标模糊DWTA模型,利用期望值法将模糊问题等价刻画为确定性问题,并基于非线性问题特征提出了线性化方法;最后,利用所提算法对该问题进行求解。仿真结果表明,所提算法具有较好的收敛效果。     

基于遗传算法的目标优化分配模型

结合我国防空武器的现状,根据现代防空混合配置的特点,提出了基于遗传算法的目标优化分配模型,有效地解决了目标优化分配这一复杂而困难的问题,从而提高了地空导弹武器系统的防空作战效能。     

基于相关机会规划思想的模糊随机时间费用均衡模型

对于实际工程的管理者和决策者来说, 工程整体费用和工期之间如何达到均衡以及工程所处环境的不确定性是两个必须要面对和考虑的问题. 基于相关机会规划的思想, 针对随机性和模糊性并存的复杂不确定环境, 提出了一类时间费用均衡模型. 在建立的模型中, 以模糊随机变量来刻画工程所处的复杂不确定环境. 随后, 结合模糊随机模拟方法和遗传算法设计了一种混合智能算法, 用于求解该模型. 最后, 通过数值实验来验证所设计算法的有效性和稳定性.     

基于模糊随机期望规划的跨国供应链战术计划模型

首先对跨国供应链计划进行了简要介绍,并且讨论了跨国供应链中的不确定因素-市场需求的三种数学描述形式-随机、模糊、模糊随机;提出了基于模糊随机期望规划的生产-分销二级跨国供应链战术计划模型,它与以往供应链计划模型最大的不同之处在于将市场需求看作模糊随机变量;然后设计了计算机模糊随机模拟技术和遗传算法相结合的智能算法求解模型;最后对模型进行了数值仿真分析,即对模糊随机期望模型使用智能算法,对其等值确定性模型使用分枝定界法,计算结果精度对比证明了模糊随机期望模型的有效性.     

基于双层规划的攻击无人机协同目标分配优化

针对攻击无人机编队协同作战的背景,提出了基于双层规划的攻击无人机协同目标分配模型。分别以打击效果最大化和飞行航线最短作为模型的上下层目标,并贴近战场环境将目标优先程度、目标打击效果上下限以及打击时间窗口等因素作为模型约束。利用直觉模糊双层规划(intuitionistic fuzzy bilevel programming, IFBLP)理论对构建的协同目标分配双层混合整数规划模型进行了转化,并采用粒子群优化(particle swarm optimization, PSO)方法对其进行求解,给出了具体求解步骤。算例结果证明IFBLP理论能够有效解决所构建的双层混合整数规划模型。     

编队内协同超视距空战目标分配模型研究

为解决当前目标分配计算量大、难以实时计算的问题,提出了一种针对编队内飞机协同超视距空战的目标分配新模型。该模型根据现代空战以中远距拦射为主要作战任务、编队内飞机之间的距离很小的特点,忽略编队内飞机之间相对目标的距离差异,从武器类型的角度建立,从而减小问题解的规模。对某作战想定采用粒子群优化算法对一般目标分配模型和新模型进行了分析比较,结果表明该模型具有计算量小、求解速度快的特点。     

摩擦市场下加权极大-极小随机模糊投资组合模型及实证

考虑投资者面临证券市场随机和模糊的双重不确定性,把证券收益率视为随机模糊变量. 根据前景理论建立符合投资者心理特征的期望收益和目标概率隶属度函数,构建目标权重不等的加权极大- 极小随机模糊投资组合模型. 在含有交易费用和最小交易单位约束的摩擦市场环境下,利用改进动态邻居粒子群算法求解投资组合问题. 采用实证方法把市场分为上升和下降两个阶段,研究模型的表现. 结果表明： 加权极大- 极小随机模糊投资组合模型的收益率优于均值-方差投资组合模型; 利用加权极大- 极小随机模糊投资组合模型能够满足不同风险态度投资者的需求,构建与投资者风险态度一致的投资组合.     

基于灵敏度分析的系统可靠性稳健分配优化方法

在系统可靠性分配中,考虑单元可靠度的不确定性已是可靠性分配的现实需要.为了提高系统可靠性分配优化的质量,将稳健理论引入可靠性分配中,提出基于单元可靠性灵敏度的系统可靠性稳健分配方法.将单元可靠性灵敏度溶入系统可靠性分配模型之中,建立系统可靠性稳健分配模型.在此基础上,采用粒子群-序列二次规划算法对该模型进行优化设计,该混合算法既保持了粒子群算法全局收敛的特点,又补充了序列二次规划法精确求解的能力,因此该混合算法可以快速获取全局最优解.通过对发动机曲柄连杆机构进行可靠性稳健分配设计,验证了可靠性稳健分配模型的合理性和混合算法的寻优能力.对结果分析表明,所提方法可以较好解决单元可靠度不确定时的可靠性分配问题,混合算法具有较强的全局搜索能力,分配优化结果具有较强的稳健性.     

基于层次粒子群算法的非线性双层规划问题求解策略

在交通与物流网络系统规划中的许多决策问题可以归结为双层规划模型, 这类问题大多属于非凸优化问题. 现有算法要么难以获得全局最优解, 要么在解决大规模问题时存在算法复杂度及计算效率问题. 本文基于 进化博弈及多目标优化非支配排序的思想设计了层次粒子群算法, 通过两个粒子群算法的交互迭代来模拟 决策者之间的博弈寻优过程, 从而获得使各方利益最大化的双层规划问题的最优解. 最后通过测试函数验 证算法的有效性.     

Hybrid particle swarm optimization for multiobjective resource allocation

Resource allocation （RA） is the problem of allocating resources among various artifacts or business units to meet one or more expected goals, such a.s maximizing the profits, minimizing the costs, or achieving the best qualities. A complex multiobjective RA is addressed, and a multiobjective mathematical model is used to find solutions efficiently. Then, all improved particie swarm algorithm （mO_PSO） is proposed combined with a new particle diversity controller policies and dissipation operation. Meanwhile, a modified Pareto methods used in PSO to deal with multiobjectives optimization is presented. The effectiveness of the provided algorithm is validated by its application to some illustrative example dealing with multiobjective RA problems and with the comparative experiment with other algorithm.     

Multi-objective fuzzy particle swarm optimization based on elite archiving and its convergence

A fuzzy particle swarm optimization （PSO） on the basis of elite archiving is proposed for solving multi-objective optimization problems. First, a new perturbation operator is designed, and the concepts of fuzzy global best and fuzzy personal best are given on basis of the new operator. After that, particle updating equations are revised on the basis of the two new concepts to discourage the premature convergence and enlarge the potential search space; second, the elite archiving technique is used during the process of evolution, namely, the elite particles are introduced into the swarm, whereas the inferior particles are deleted. Therefore, the quality of the swarm is ensured. Finally, the convergence of this swarm is proved. The experimental results show that the nondominated solutions found by the proposed algorithm are uniformly distributed and widely spread along the Pareto front.     

基于PS-IFKCM的弹道中段目标识别方法

针对现有直觉模糊核c-均值(intuitionistic fuzzy kernel c-means,IFKCM)聚类算法对初始值敏感、易陷入局部最优解及收敛速度慢等缺陷,汲取了粒子群优化(particle swarm optimization,PSO)算法优势,对初始聚类中心进行优化,提出了基于粒子群优化的直觉核c-均值(particle swarm-based intuitionistic fuzzy kernel c-means,PS-IFKCM)聚类算法,选取4组标准数据集实际样本数据对算法的有效性进行了试验。最后选取弹道中段目标识别常用的雷达截面积(radar cross section, RCS)这一特征属性进行弹道中段目标识别仿真实验,并将其与模糊c-均值（fuzzy c-means, FCM）算法、IFKCM算法的识别效果及运行时间进行比较分析,表明了该算法应用于弹道中段目标识别的有效性及优越性。     

应急物资配送动态调度的粒子群算法

应急条件下的物资配送与调度面临着需求信息不准确、需求紧急程度差异和运输路网动态变化的复杂环境,借助模糊数学中的三角模糊数描述应急物资需求量,利用连续速度时间依赖函数模拟真实的动态路网交通状况,并考虑不同需求点的需求紧急程度差异,建立了针对性的应急物资配送动态调度的多目标数学模型;通过设计粒子群优化算法,采用“离散-连续向量混合编码”方案和加权整合的适应值函数导向机制,结合连续更新的位置和速度操作策略,建立了针对这类含有离散和连续变量组合的优化模型的快速高效求解算法;最后,结合两个实际的算例进行了数值实验与分析,通过与用Matlab求得的解析解的比较,证明算法收敛速度快、鲁棒性强,从而为应急条件下的物资配送动态调度提供了有效和可靠的方法.