基于改进NSGA-Ⅲ的多SGSW火力分配优化

在高维多目标优化中,基于参考点非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅲ, NSGA-Ⅲ)相比于其他多目标进化算法,具备较强的多样性保持能力,但收敛能力存在一定不足。因此引入遗传K均值(genetic K-means, GKM)聚类算法以提高NSGA-Ⅲ的收敛能力,提出基于NSGA-Ⅲ-GKM算法的多天基对地打击武器(space-to-ground strike weapon, SGSW)火力分配优化方法。首先,建立以转移时间最短、落地点速度最大和落地点侵彻角最大为优化目标的SGSW转移轨道优化模型,为后续优化目标的计算打下基础;其次,建立基于NSGA-Ⅲ-GKM算法的火力分配优化模型;最后,仿真结果表明, NSGA-Ⅲ-GKM算法相比于其他代表性多目标进化算法具备较好的多样性保持能力和收敛能力,总体性能较好,该方法能够更有效地解决多SGSW火力分配优化问题。     

基于进化多目标优化的微服务组合部署与调度策略

面向微服务实例在不同资源中心的组合部署与调度问题,构建微服务组合部署与调度最优化问题模型。以资源服务中心计算及存储资源利用率、负载均衡率和微服务实际使用率等为优化目标,以服务的完备性、资源与存储资源总量和微服务序列总量为约束条件,提出基于进化多目标优化算法（NSGA-Ⅲ,MOEA/D）求解方法,寻求微服务序列在不同资源中心的实例组合部署与调度策略。通过真实数据集实验对比,在全部满足用户服务请求的约束下,该策略比传统微服务组合调度策略的计算、存储资源平均空闲率和微服务实际空闲率要分别低13.21%、5.2%和16.67%。     

基于混合粒子群算法的多平台多武器火力分配研究

分析了火力分配的数学模型及求解算法的研究现状,建立了多平台多武器的火力分配模型,并提出了一种混合粒子群算法的求解方法。混合粒子群算法利用粒子群的个体最优和全局最优粒子,采用了交叉、变异和选择相结合的遗传操作得到粒子的新个体。通过对两个作战想定的多次测试,进一步表明了算法的可行性和有效性,尤其是在规模复杂问题中将更能体现算法的优越性。     

基于改进单亲GA的多波次攻击最优火力分配

多波次攻击是现代空袭中的重要作战模式,而多波次对地攻击的火力分配问题属于有序组合优化问题,至今尚无有效算法.针对一类多波次对地攻击火力分配问题提出了一种改进单亲遗传算法,该算法不采用交叉算子,而代之以换位算子,但保持了交叉算子的进化功能.通过对仿真实例的分析表明,该算法与标准遗传算法相比更加有效和简便.     

基于鲁棒能力的体系多目标组合优化

针对体系组合优化问题中,不同场景下系统贡献的不确定问题,提出了基于鲁棒能力的体系优化决策方法。首先对体系的鲁棒能力和模糊能力风险进行定量描述;然后以鲁棒能力最大,建设风险和成本最低为目标,考虑军事能力需求等约束,建立多目标体系组合优化模型,采用改进的基于参考点的非支配排序遗传算法求解模型,生成一组符合决策需求的非劣质解;最后通过仿真实验验证了模型和算法的有效性,可以为体系总体建设规划提供决策支持。     

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。     

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。     

防空火力分配对攻击机损失的影响分析

针对编队对地攻击过程中攻击机损失量的计算问题,提出了防空火力不同分配方式下攻击损失的计算方法。该方法利用攻击机和防空火力单元数以及防空火力单元对攻击机的损失概率,在防空火力平均分配和非平均分配情况下计算攻击机的损失量,通过实例对该方法的应用进行了详细说明,并对各种条件下攻击机的损失量进行了比较分析。从理论上证明了防空火力对攻击机平均分配时,攻击机的损失最大     

基于GA的编队水下多目标防御火力分配研究

结合舰艇编队对鱼雷防御作战的特点,建立了舰艇编队水下多目标防御火力优化分配模型.为了获得全局最优解,将遗传算法(GA)用于水下多目标防御火力分配优化研究中,给出了基于遗传算法的模型求解方法和步骤.经过实例分析与计算机MATLAB仿真实现,得出编队抗击水下多目标的最优策略,取得了良好的目标分配效果,可为舰艇编队对水下多目标防御作战指挥自动化决策提供科学的参考.     

基于拍卖算法的多机协同火力分配

为解决超视距协同空战中的多机协同火力分配问题,首先建立了空战威胁估计和空战优势估计模型,构建了多机协同火力分配的数学模型。其次基于多智能体拍卖算法,提出了一种分布式的多机协同火力分配方法,该方法同时考虑了火力分配的效益和代价,能在较短的时间内给出较为合理的协同火力分配方案,具有计算量小、通信量低、动态性以及实时性好等特点,可应用于解决多机协同火力分配中的资源分配、冲突消解等协作问题。最后,通过仿真实验证明了该方法的合理性和有效性。     

基于改进NSGA-Ⅱ的左转待行区交叉口配时优化控制

为进一步提高道路交叉口综合性能,选取青岛市典型的南京路与江西路交叉口,建立设有左转待行区域的优化模型,利用改进的快速非支配遗传算法对交叉口车辆延误及机动车CO排放两方面进行优化。通过VISSIM软件搭建模型,验证算法有效性。结果表明,改进后算法搜索效率提高了57.4%,多目标优化配时后,车均延误下降了11.7%,CO排放减少了13.5%,平均排队长度降低了11.3%,HC和NOx排放均下降了2.7%。该算法有效地提高了交叉口通行能力和环境效益。     

多目标火力分配的系统动力学模拟

单兵种对多兵种作战的最优策略是研究多兵种对多兵种作战最优策略的基础。利用微分对策论,通过建立一对多交战的微分动力学模型,推导了单兵种对抗多兵种作战过程中火力分配最优策略的表达式,给出了推导过程。利用系统动力学的建模理论,以一对二交战为例,说明了系统动力学建模及仿真方法,建立系统动力学流图并进行了仿真。系统仿真模型编程简单,运算速度快,可实时跟踪所有中间变量,有利于对建模和计算机作战模拟不熟悉的决策人员参与设计、分析。     

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。     

多资源约束下改进NSGA-II算法的手术调度

针对手术调度涉及因素众多难以优化的问题, 在考虑手术台、执刀医师等资源约束,构建了以病人满意度及手 术总流程时间为目标函数的模糊调度数学模型. 针对传统的加权系数方法不能很好地解决手术多目标优 化问题,提出改进的非支配排序遗传算法(non-dominated sorting genetic algorithm II, NSGA-II),采用改进的拥挤密度排序法改善同一非劣等级内个体的排序; 提出自适应交叉和变异策略, 克服了种群早熟化,改善算法收敛速度; 采用改进精英策略保持种群多样性, 改善算法搜索性能. 最后, 将该算法应用于某三甲医院手术模糊调度中,仿真结果证明该方法的有效性和可行性.     

基于响应面和NSGA-II的AGV系统多目标优化配置

AGV（automated guided vehicle）系统对于制造系统的生产柔性和生产效率具有重要作用,由于AGV系统具有许多的变量且有动态性、随机性特点,其优化配置比较复杂。提出了一种将系统仿真、数学解析和多目标优化相结合的方法,对AGV系统进行了优化配置;运用离散事件仿真模拟AGV系统运行,利用敏感性分析分离设计变量,采用析因试验和响应面方法拟合多目标优化数学模型,基于非支配解排序多目标遗传算法求解多目标优化解。通过AGV系统实例,证明了该方法的有效性,可为制造系统和物流仓储领域中AGV系统的优化配置提供一种有效的系统性分析方法。     

基于神经网络的防空武器多目标火力分配模型

首先通过对防空Ｃ３Ｉ辅助决策系统中火力分配问题的分析,针对目前火力分配数学模型的目标函数单一的状况,建立了一种多目标函数的火力分配模型。在此基础上,基于对不确定因素的考虑,引入模糊集概念,建立了一种多目标火力分配模糊优化模型。为克服传统方法求解组合优化问题的困难,利用优化神经网络给出了算法。     

基于鲁棒多目标优化方法的UCAV武器投放规划

研究了无人作战飞机（unmanned combat aerial vehicles, UCAV）对地攻击阶段的武器投放鲁棒性规划问题。针对现有规划方法在处理战场环境扰动、模型不准确、操作偏差等不确定性因素方面存在的不足,提出了一种鲁棒多目标优化求解策略。首先,建立了飞机机动性能、武器装备性能和战场环境等约束条件模型;其次,使用仿真近似法,建立了优化指标模型,并将武器投放规划问题转化为鲁棒多目标优化问题;然后,设计了一种结合蒙特卡罗方法的快速非支配排序遗传算法对问题进行求解,并采用基于基本轨迹片元的机动轨迹生成策略生成武器投放轨迹。仿真结果表明,该方法能够有效提高武器投放规划的鲁棒性。     

基于自适应进化粒子群算法的多目标优化方法

提出一种自适应进化粒子群优化算法(AEPSO),以提高多目标优化 PSO算法的性能.AEPSO算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO算法中,来提高算法的全局搜索能力和粒子的多样性.与常用的整体加权方法来处理多目标优化问题不同,AEPSO算法采用非劣解排序来引导粒子的飞行,以改进算法的收敛性,同时采用特殊的变异操作防止早熟收敛并增加优化解的多样性.所提算法的有效性经过四种代表性benchmark函数进行验证,并与几种典型同类型算法进行比较.该算法已成功地用于合金材料的多目标优化设计.实验结果表明AEPSO算法能够较好地兼顾收敛精度与优化解的多样性,满足多目标优化设计的要求.     

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。     

基于改进AGD-分布式多智能体系统的目标优化分配模型

由于现代化战场环境动态多变、作战实时性高,针对当前防空作战中武器目标分配(weapon target assignment, WTA)约束多且复杂、传统建模无法真实反映战争过程、模型可信度不高等问题,提出一种在分布式约束优化问题(distributed constraint optimization problem, DCOP)背景下,基于多智能体系统(multi-Agent system, MAS)理论的武器目标优化分配模型,并利用改进的加速梯度下降(accelerated gradient descent, AGD)算法进行求解。通过实验证明了该算法具有良好的收敛性和低复杂度,能够适应现代化防空作战的需求,满足大规模寻优问题的需求,高效解决多智能体目标优化分配问题。