迫击炮CGF系统的火力仿真研究

为提高迫击炮分队的训练效果和战斗力,提出了迫击炮计算机生成兵力(Computer Generated Forces,简记为CGF)的火力运用.主要在介绍CGF系统的基础上,提出迫击炮CGF系统火力的仿真技术的开发;探讨了AI技术特别是专家系统在迫击炮CGF系统中的火力仿真应用;通过对迫击炮火力性能中物理行为和认知行为的研究,模拟了炮(班)长在虚拟战场环境中目标探测、目标选择、弹种选择、准备开始诸元、瞄准射击等一系列的动作流程,初步建立了一个迫击炮CGF系统的火力仿真模型.     

STAGE环境下计算机生成兵力几个问题的探讨

分布式交互仿真中,为了满足对抗性演练等应用的需要,往往需要提供红蓝双方对抗兵力,计算机生成兵力(CGF)具有很好的费效比,STAGE作为一种实时仿真与训练软件,为CGF研究提供了一个很好的研究工具。对STAGE开发环境进行说明后,从CGF的功能出发,介绍了STAGE环境下CGF的应用前景,并引入了导弹攻防对抗CGF的应用实例。     

CGF中的人类行为建模研究

CGF（Computer Generatcd Forces）与人在回路的仿真实体相对应,但在战场表现、物理行为甚至战术对抗中的某些职能方面可与人在回路仿真器相媲羹。因此,CGF中必须用计算机程序来模拟人的行为,对人类行为进行建模是CGF中的一个关键问是。本文从模型的开发过程入手,分别针对知识的获取和智能决策两方面对CGF中的人类行为建模进行了研究,并以装甲车为例介绍了CGF中的一种路径规划方法。     

基于Agent技术的CGF仿真智能体自主决策系统总体设计分析

本文研究的CGF仿真智能体自主决策系统适用于HLA体系结构,在相应CGF软件模块基础上基于Agent技术进行开发,支持CGF智能体自主、交互的仿真决策,模型在实时环境内通过对已知战场的信息感知、反应和决策、执行指令。     

自适应遗传算法在移动机器人路径规划中的应用

将一种自适应遗传算法应用于移动机器人路径规划.提出了一种基于几何避障法的初始种群产生算法;设计了基于启发式知识的交叉、变异、求精和删除算子;采用一种新的模糊逻辑控制算法自适应地调节交叉概率和变异概率;对移动机器人离线和在线规划问题进行了仿真研究.仿真结果表明:自适应遗传算法具有较快的搜索速度、较高的搜索质量以及较强的自适应能力,为移动机器人最优路径规划问题的解决提供了一种新方法.     

基于遗传算法的旅游线路优化

旅游线路设计问题是旅游规划研究中的一个重要课题.科学的旅游线路设计是旅游业发展到一定阶段的必然要求.提出了一种新的旅游线路优化方法,即将遗传算法理论引入到旅游线路优化之中.根据旅游线路设计的特点对遗传算法进行了改进,建立了基于遗传算法的旅游线路优化算法.通过仿真实验,较快地找到了问题的最优解,证实了将遗传算法运用于旅行线路优化之中的有效性,并绘出了最优旅行路线图.     

面向网络化制造的多工艺路线规划与调度集成

针对传统的工艺规划与生产调度方法难以满足网络化制造环境下多工艺规划与生产调度集成的问题,建立了一种多工艺路线规划与生产调度集成数学模型,以实现网络化制造环境下多制造任务的工艺路线规划与生产调度的协同决策,产生符合实际生产需要的工艺路线与生产调度方案.为了实现对该集成数学模型的有效解算,分别设计了遗传算法与免疫算法的模型解算方法进行求解,并比较了这2种解算方法的解算效果.仿真结果表明,采用所建立的集成数学模型与解算方法可有效解决网络化制造环境下多工艺路线规划与调度集成的问题,但在求解效率与精度上免疫算法要优于遗传算法,从而为实际应用提供了借鉴.     

不确定环境下的战场物资供应任务规划

针对执行战场物资供应任务之前,不确定环境下的战场物资供应任务规划问题进行研究,并建立相应的不确定规划模型,引入一种新的启发式算法——蜂群算法,对其进行改进,构建适于解决战场物资供应任务规划问题的算法,并通过与现有算法进行性能比较,验证其有效性。最后,通过一个存在13个供应任务点的应用实例,验证提出的模型及算法的有效性。结果表明,不确定环境下得到的最佳方案更符合实际。     

一种用于车辆最短路径规划的自适应遗传算法及其与Dijkstra和A*算法的比较

提出了一种自适应遗传算法,并成功应用于车辆最短路径规划算法中. 所采用的编码方式、交叉及变异算子等均针对最短路径规划问题而专门设计;同时,提出了一种新的交叉概率、变异概率在线自适应调整策略,以便提高遗传算法的搜索速度和搜索质量. 将该算法同Dijkstra算法、A*算法进行了仿真比较. 对五种不同情况的仿真研究结果表明:同Dijkstra算法相比,该自适应遗传算法可以减少搜索到最短路径的时间;同A*算法相比,该自适应遗传算法则可以搜索到更多的最短路径.     

遗传算法解TSP问题的并行实现

遗传算法是一种概率搜索算法,其本身固有并行性。目前,人们正不断地致力于把遗传算法应用于各种并行机器上。在基于工作站机群技术上,构架了一种粗粒度并行遗传算法,并在MPI并行环境下,用4台PC机测试了一个解决TSP问题的粗粒度并行遗传算法。该并行遗传算法可以更好的保护优秀个体从而提高遗传算法的收敛性。     

基于效用函数的CGF协同任务分配优化研究

针对CGF协同控制优化问题,为解决仅凭招投标结果确定任务分配方案时只能获得局部最优且耗时较长的问题,首先构建了CGF能力向量和子任务要求的能力向量。在此基础上建立了效用函数数学模型。然后以全局效用最大为适应度函数,以反潜直升机协同搜素为背景。应用遗传算法对基于CGF偏好的投标矩阵进行任务分配全局优化。仿真验证表明,所建协同任务分配模型能够实现CGF协同决策优化。而且遗传算法能够很快收敛到全局最优解,有效地解决了舰空协同反潜中对潜搜索的协同任务分配问题。     

基于乌贼算法的无人机航迹规划

乌贼算法是一种新型的启发式仿生优化算法。提出了一种基于乌贼算法的无人机航迹规划算法。所构建的概率地图采用概率密度函数来对各种威胁源进行建模,非常适合表述战场环境的不确定特性。乌贼算法与传统的启发式算法相比,拥有更快的收敛速度。在此基础上设计的基于乌贼算法的概率地图航迹规划算法能够有效的缩小概率地图的规划空间,使得航迹规划搜索范围减少、时间缩短。仿真实验表明,该方案比传统概率地图航迹规划方法更能满足无人机航迹规划的要求。     

基于多目标遗传算法的路径规划

研究三维地形中的路径规划问题.针对三维地形中路径涉及的因素多,将多目标优化的思想引入路径规划.提出一种基于多目标遗传算法的路径规划方法,设计了优化路径的遗传算法实现方案.使用大范围初始化种群的方法,设计了适合于路径规划的遗传算子.实验证明,该算法能综合考虑多种因素,并能同时提供不同特点的多条路径供决策者选择.     

基于遗传势场法的足球机器人路径规划

以足球机器人系统为研究背景,采用了人工势场法和遗传算法相结合的方法,实现了足球机器人路径规划.首先根据势场原理设计可调参数的势场函数,再规划出已知环境下可调参数的势场函数,然后设计遗传算法中的相关适应值函数,最后用遗传算法优化势场函数中的参数,得到遗传势场法.同时利用C++编程实现遗传势场法的仿真平台,并在该平台上进行仿真实验,结果表明,遗传势场法具有避障以及适于在实时环境中使用的优点,在解决实际路径规划问题中是行之有效的.     

基于改进遗传算法和改进人工势场法的复杂环境下移动机器人路径规划

为了提高移动机器人在复杂环境下的路径规划能力,通过双层路径规划思想研究了移动机器人路径规划问题。用栅格法对机器人工作环境进行建模,首先采用改进的遗传算法进行全局路径规划,解决了由于交叉概率和变异概率选择不当导致最优个体丢失的问题;然后在规划好的全局路径的基础上利用改进的人工势场法进行局部动态避障,解决了局部极小点问题。结果表明:静态环境下,采用改进遗传算法规划出的最优路径,与传统遗传算法相比其长度缩短了1. 47 m,收敛速度加快;动态环境下,采用改进人工势场法进行路径规划,所用时间与基本人工势场法相比缩短了7. 24 s;复杂环境下,移动机器人采用双层路径规划思想能够规划出一条优化路径。可见改进后的算法是有效的。     

电力系统负荷恢复优化的并行遗传算法实现

对电力系统的负荷恢复问题进行了研究.将该问题建模为一个多约束条件的组合优化问题,根据遗传算法特别适合求解大规模组合优化问题的特点,设计了一种粗粒度并行遗传算法来对此优化问题进行求解.在消息传递类并行软件开发环境提供的基于消息传递的并行虚拟环境下,采用master/slave的并行编程模式,有效地提高了算法的计算速度.将各种约束条件与目标函数融合在一起,建立一种序关系,来处理负荷恢复中的约束条件.求解过程满足系统的约束条件,不会出现系统的越限.算例结果表明,所提出的并行遗传算法不仅可以最大限度地恢复负荷,而且可有效提高算法的计算速度.     

水面无人艇全局航迹多目标规划算法

为了有效提升水面无人艇(USV)全局航迹规划算法的性能,从多目标优化的角度就USV的全局航迹规划问题展开研究.以电子海图为基础构建了栅格化环境模型,提出了USV全程航迹规划的多目标约束优化数学模型,采用距离函数和双惩罚函数对约束条件进行处理,并引入Pareto强度和最小代沟模型,设计了一种基于多目标遗传算法的全局航迹规划算法.实验结果表明算法能够有效兼顾多个优化目标,为USV规划出性能更优的全局航迹.     

电商配送中心订单波次规划模型与算法研究

本文以电商配送中心研究对象,根据电商订单特征,对订单波次规划问题进行研究,采用固定订单量方法进行波次规划,以出库次数最小化为优化目标,设定约束条件,建立订单波次规划的数学模型,并对波次规划算法进行研究与设计.主要采用以订单池中订单间品项相似系数为准则设计的基于聚类的启发式算法,及改进的遗传算法两种算法对波次规划问题进行了研究,并通过实际案例对两种算法进行对比分析,验证算法的有效性和可行性.     

基于遗传神经网络的虚拟履带车辆自主导航

为了解决计算机生成兵力CGF（computer generated forces）实体在虚拟环境中自主导航、进行路径规划的基本问题,以虚拟履带车辆为例,提出了采用神经网络模型对其在三维地形中的自主导航智能行为进行建模.采用遗传算法作为神经网络进行无导师学习的算法,通过仿真实验对模型的可行性和有效性进行验证.遗传神经网络模型经过若干代进化能使虚拟车辆得到较好的行进路径.实验结果证明了模型和算法的正确性.     

改进自适应遗传算法在移动机器人路径规划中的应用

为了克服基本遗传算法在求解移动机器人路径规划问题中存在的收敛速度慢、易陷入局部最优等不足,该文提出了一种改进的自适应遗传算法。采用人工势场法对种群进行初始化,设计了自适应交叉和变异概率。同时,采用混合选择方式改善了基本遗传算法收敛速度慢和早熟的现象,提高了算法的进化效率。栅格环境下的仿真实验证明了该文算法在移动机器人路径规划中的可行性和有效性。