基于动态规划遗传算法的防空部署优化模型

随着高新武器的研制和投入使用,战场环境变得越来越复杂,正确有效地进行防空部署成为防空作战的难点问题。从进攻方的角度分析影响要地防空部署的主要因素,提出将动态规划算法用于求解攻击最小危险航线,并将其融入遗传算法的适应度函数,得到一种基于动态规划 遗传算法的防空部署优化模型。该模型可对要地防空部署进行优化,能够得到基于进攻方的最优部署方案。实验结果表明,该模型是有效可行的,为防空作战中指挥人员实施战前部署提供参考和借鉴     

多机协同电子战规划压制干扰布阵研究

针对电子战任务规划中的多机协同压制敌防空雷达网的干扰布阵问题,提出了航线规划安全区概念,基于数学形态学方法对安全区最小宽度进行求解,以安全区最小宽度和各部干扰机距敌方雷达网中心距离之和作为目标函数,构建了干扰布阵的多目标优化模型,采用多目标粒子群优化算法对模型进行求解,通过仿真实验对求解出的Pareto最优解集进行分析,得出了各部干扰机压制敌雷达网的最优干扰布阵方式,验证了所建多目标优化模型的正确性,同时也表明多目标粒子群优化算法在求解多机协同电子战干扰布阵问题是可行的、有效的     

一种混合嵌套分区算法及其在车间调度中的应用

设计了一种嵌套分区算法框架下的局部搜索算法,即基于最优计算量分配技术的序遗传算法,该算法采用序优化思想保证在有限计算量条件下得到局部最优解,并用遗传算法的进化搜索能力和学习能力对解空间进行搜索.将设计的局部搜索算法与嵌套分区算法相结合提出一种新的混合优化算法,用该混合优化算法求解几个标准的随机车间调度问题,数字仿真的结果表明该混合算法的优化性能好于遗传算法及基于最优计算量分配技术的序优化方法.     

基于高维多目标多约束分组优化的要地防空扇形优化部署

基于排队论,得出了信息熵形式的防空阵地网对要地保护能力的数学描述,并将防空阵地网对要地保护能力、防空武器系统部署地点地形条件和防线划分等因素作为优化目标,防空武器系统最小部署间距为约束条件,建立了多型防空武器扇形优化部署多目标优化模型。针对目前算法在解决高维多目标优化存在的问题,基于改进的强度帕累托进化算法（strength Pareto evolutionary algorithm, SPEA2）,提出了将多个目标函数分成若干组,分别寻优,再综合求取全体目标函数非支配集的分组优化算法。仿真实验证明,该优化模型能够按现代防空作战特点进行防空武器系统的防线部署,规避不良地形,形成严密的防空覆盖面,且分组优化算法在性能上优于当前高维多目标优化降维算法。     

求解非线性双层规划问题的混合变邻域粒子群算法

针对非线性双层规划难以获得全局最优的问题,汲取粒子群算法的快速搜索能力及变邻域搜索算法的全局搜索优势,提出了求解非线性双层规划问题的混合变邻域粒子群算法.首先利用Kuhn-Tucker条件,将非线性双层规划转化为一个单层规划问题,然后由粒子群算法得到一个较优的群体,通过审敛因子判断陷入局部最优的粒子,并进一步利用变邻域搜索算法的全局搜索能力对陷入局部最优的粒子进行优化,从而得到全局最优.测试函数的仿真实验对比分析证明了该算法的有效性.     

带时间窗的多仓库订单拆分与异构车辆路径联合优化方法

随着在线零售业的快速发展,在多仓库的环境下,订单拆分与限时配送已成为订单履行过程的两个关键环节.现有研究和实际运营过程中通常按照两个独立的问题来处理这两个环节,忽略了它们之间的耦合关系.本文研究了在线零售环境下考虑多仓库订单拆分与异构车辆路径的联合优化方法,特别考虑了有限库存和时间窗约束.本文为该问题构建了混合整数规划模型,并设计了一种分支定价与邻域搜索相互嵌套的联合优化算法进行求解.在初始的订单拆分方案的基础上,通过分支定价算法求解带有时间窗的异构车辆路径问题,在分支定价算法中,提出了一种双向标签设置算法加速定价子问题的求解;接着使用邻域搜索算法寻找当前最优车辆路径解下可行的订单拆分方案;通过交替使用分支定价算法和邻域搜索算法进行迭代求解,在调整订单拆分方案时优化配送路径.实验分析部分验证了模型和算法的有效性,表明算法能够减少订单拆单率、优化配送路径、降低配送总成本,从而有效实现订单拆分与异构车辆路径的联合优化.     

针对要点防空模型的作战兵力优化研究

为了在现代化联合防空作战中,根据蓝方火力配置,红方能够做出最优的兵力分配,使防空效能最大化。从要点防空的任务角度出发,对作战兵力分配进行建模优化,并对优化后的兵力分配效能进行评估。首先选定任务背景为近海小规模局部战争,对复杂作战情况进行抽象得到模型。对模型进行优化,求解得到红方最优兵力分配结果,提出一种新方法,简化了对有限制的类二项分布期望的求解,得到蓝方各类进攻力量成功突防的期望以及红方要点平均损耗期望,并用此值定量评估联合防空的兵力分配效能。最后,进行了实例分析,验证了模型的有效性。     

一种高效的实时交通信号灯控制算法

针对交通信号灯实时控制问题,设计了一种以最小化车辆等待时间为目标的数学模型,并给出了一种能求解该模型最优解的启发式搜索算法.仿真结果显示启发式搜索算法存在求解时间长,求解效率不稳定等问题.因此在原算法基础上加入了多阶段决策优化方法,并且在各个阶段中采用了限时搜索,使得算法能在固定时间内得到结果,保证了算法的稳定性和实时性.通过实际数据仿真显示,优化后的算法对比固定周期算法减少了车辆的等待时间;对比原始的启发式搜索算法,提高了求解效率,满足了实时控制的要求.     

信息化条件下海上编队区域防空目标分配方法

针对现代海上编队作战是基于信息系统的体系作战客观要求,对信息化条件下海上编队区域防空目标分配问题进行了研究,提出了对空防御拦截水平的概念,建立了多层防御模式下的编队区域防空目标分配模型.为了有效求解模型,综合运用交互式决策思想和遗传算法,提出了一种基于遗传算法(GA)的交互式求解模型的方法.在GA设计中,通过对染色体编码、初始化种群、适应度函数以及遗传运算、选择策略等环节的合理设计,保证了产生个体的有效性,提高了搜索质量,加快了搜索速度.仿真结果表明了模型和算法的有效性,从而为有效解决现代海上编队体系作战的区域防空目标分配问题探求了一条新途径.     

基于混合禁忌搜索算法的水位流量关系拟合

将禁忌搜索算法与免疫进化算法、模拟退火算法有机地结合起来，建立了求解优化问题的混合禁忌搜索算法（HTS）。具体的改进策略为：通过与模拟退火算法结合，使用蒙特卡罗准则和退火过程，改善禁忌搜索的“下山”能力，提高搜索效率的同时避免陷入局部最优；采用免疫优化算法产生优秀子代解的思想生成禁忌搜索算法的邻域结构，增大了寻找优秀解的几率。将混合禁忌搜索算法应用于水位流量关系公式的参数优化，得到的拟合结果与实际值接近，误差较小，表明此混合算法精度较高，性能稳定。     

多约束下编队随船备件配置优化方法

针对舰艇编队备件配置方案的确定需要综合考虑多项约束指标因素的特点,以编队出海执行任务准备阶段备件配置为研究背景,以舰船载荷、排水量及保障费用为约束条件,构建了以编队备件保障概率为目标函数的编队随舰备件库存优化模型,应用拉格朗日乘子法及边际效应法原理给出了编队随船备件库存模型计算及优化流程,并运用罚函数原理对保障资源约束因子进行了确定及动态调整。最后,通过案例分析验证了本文提出的方法能够为解决多约束下编队随船备件配置优化问题提供新的途径。     

运动多站无源时差/频差联合定位方法

鉴于无源定位技术已经成为现代信息化作战的核心技术,提出了一种新的运动多站无源时差(time difference of arrival, TDOA)频差(frequency difference of arrival, FDOA)联合定位方法去解决无源定位系统中的非线性最优化问题。通过智能算法的启发,将优化后的基于线性递减权重和物竞天择的粒子群算法(particle swarm optimization algorithm based on linear decreasing weight and natural selection, WSPSO)与经典加权最小二乘算法(weighted least squares, WLS)相联合对目标进行跟踪定位。加权最小二乘定位算法在4个基站的情况下无法实现对辐射源的定位,所得定位结果会出现多解。而所提的运动多站联合定位算法在4个基站的条件下不存在初始目标位置估计和局部收敛等问题就能够实现辐射源的精确定位。通过大量仿真结果分析,本文所提的智能优化定位算法具有更高的目标定位精度和更稳健的定位性能,优于标准粒子群算法与优化PSO算法。     

基于改进PSO的临空高速飞行器协同跟踪优化

临空高速飞行器具有飞行空域大、速度快等特点。针对临空高速飞行器协同跟踪面临分配资源要素众多、协同关系复杂等问题,在构建了面向临空高速飞行器的多传感器协同跟踪优化模型的基础上,通过改进粒子群优化算法的速度及位置更新方式,提出了结合置信算子及排斥算子的粒子群优化(confidence operator and repulsion operator particle swarm optimization, CORO-PSO)算法。仿真实验验证了所提算法能够满足临空高速飞行器协同跟踪对精确性及实时性的高要求,对临空高速飞行器探测跟踪系统的发展提供了一定的方法支撑。     

解约束优化问题的新粒子群算法

提出了一种新的求解约束优化问题的粒子群算法。基于一个合理的假设前提:任何可行解总是比非可行解好,算法通过在标准粒子群算法中引入了一个新的约束处理机制,将约束优化问题转化为无约束问题来求解。此外,为了提高收敛性能,新构建的算法通过引入变异策略,使算法在迭代过程中保持较高的种群多样性,增强算法跳出局部最优解的概率,从而提高算法的收敛速度和解的质量。与遗传算法以及标准粒子群算法的实验比较表明,所提出的方法是一个可行的约束优化问题的求解算法。     

Cooperative extended rough attribute reduction algorithm based on improved PSO

Particle swarm optimization (PSO) is a new heuristic algorithm which has been applied to many optimization problems successfully. Attribute reduction is a key studying point of the rough set theory, and it has been proven that computing minimal reduction of decision tables is a non-derterministic polynomial (NP)-hard problem. A new cooperative extended attribute reduction algorithm named Co-PSAR based on improved PSO is proposed, in which the cooperative evolutionary strategy with suitable fitness functions is involved to learn a good hypothesis for accelerating the optimization of searching minimal attribute reduction. Experiments on Benchmark functions and University of California, Irvine (UCI) data sets, compared with other algorithms, verify the superiority of the Co-PSAR algorithm in terms of the convergence speed, efficiency and accuracy for the attribute reduction.     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。     

基于协同memetic PSO算法的传感器目标分配问题求解

传感器目标分配问题是防空系统传感器管理的一项重要研究内容。对面向跟踪的防空系统传感器目标分配问题进行了研究,结合主客观分配原则,利用0-1整数规划模型对问题进行了建模,约束主要考虑传感器的跟踪能力和目标的被执行跟踪容量。构造了一种协同memetic 粒子群优化(particle swarm optimization, PSO)算法,分别采用PSO算法和邻域搜索算法作为全局搜索和局部搜索。为了在粒子位置矢量中反映出传感器组合,根据问题设计了一种特殊的粒子编码方法。最后通过仿真实验验证了算法的合理性和有效性。     

双系统合作式协同进化算法求解不可分解函数

针对不可分解函数求解问题,基于合作式协同进化(cooperative co-evolutionary,CC)框架,发展一种双系统协同进化算法。该算法给出一种双系统A,B的 CC框架新结构形式及其相应的协调机制,以增加算法的多样性和收敛性;给出双系统A,B各自求解的两种算法,例如差异进化、改进粒子群算法选择原则和匹配方式,使该两种算法具互补性,并且与双系统A,B各自角色相匹配,目的是提高基于CC框架双系统算法的计算性能。经不可分解函数集(维数D=1 000)测试表明,本文算法计算性能(计算精度和标准差)与其他3种典型算法相比,对于其中某些函数求解占优,总体上4种算法对函数集的求解各有所长,具有互补性。     

多预警机协同探测能力及航线规划

针对带状责任探测区多架预警机协同探测问题,根据是否进行更高层级的多情报源信息融合处理,定义了两种协同模式。构建了多预警机实时探测覆盖区估算模型;提出了稳定覆盖度概念和定量公式;讨论了带状责任探测区中多预警机部署问题,给出了具体的协同部署优化决策模型。对两种协同模式下多预警机部署问题进行仿真分析,结果表明Model2明显优于Model1,所构建的各种估算与决策模型考虑了各种主要的内、外因素,具有实用价值。     

基于粒子群算法的多目标车辆调度模型求解

车辆调度问题是具有复杂约束条件的组合优化问题,在理论上属NP-hard问题.考虑车辆数目最少和车辆运行时间最短,建立了具有时间约束的多目标车辆调度模型.并采用粒子群算法（PSO）求解车辆调度问题,以寻求最优车辆调度方案.在实例中通过运用粒子群算法和遗传算法进行比较分析,结果表明,PSO算法简单可行,在优化性能、收敛速度及鲁棒性等方面优于遗传算法,能较好地解决组合优化问题.