基于模拟退火遗传算法的编队对地攻击火力分配建模与优化

针对编队对地攻击火力分配的特点,围绕效费比最大化目标,以毁伤下界为约束,建立了基于模拟退火遗传算法的编队对地攻击火力分配模型。模型从两个阶段分别实现编队对地攻击的效用最大化和费用最小化。利用遗传算法出色的全局选优能力和模拟退火算法优秀的局部搜索能力,构建了模拟退火混合遗传算法,并将其用于编队对地攻击火力分配求解中。仿真结果表明,该方法能以较快的速度求得最优解,得出的最佳火力分配方案符合作战要求,验证了模型的合理性和算法的可行性。     

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.     

自适应差分进化算法求解多平台多武器-目标分配问题

针对水面舰艇编队防空反导作战中的武器-目标分配问题,建立了编队防空火力分配模型,将自适应差分进化算法应用到模型的求解与仿真中,并根据参数优化,改善了问题求解的收敛特性。针对模型求解的特殊要求,采用适当的编码方案,使种群个体编码满足约束条件,利用混沌序列初始化种群,加强种群的搜索多样性,变异、交叉参数的动态自适应策略和混沌序列扰动避免算法陷入局部最优等方法对算法进行优化改进,较方便快捷地解决了多平台多类型武器-目标分配问题。实例证明,该方法能够获得满意的结果,与其他智能算法相比,在优化性能上有较大改进。     

水面舰艇编队对反舰导弹的威胁判断研究

现代海战中,对空防御已经成为水面舰艇编队防御的主要内容。对来袭空中目标的有效防御是建立在及时而正确的判断基础之上的,而对空中目标的威胁判断又是对空火力有效分配和积极防御的基础。水面舰艇编队面临的空中威胁以反舰导弹为首要,本文通过为编队划分威胁判断区域,并在不同区域选取合理的指标,建立基于模糊集合理论的水面舰艇编队对反舰导弹的威胁判断数学模型。     

多编队对地攻击协同目标分配方法研究

首先介绍了协同目标分配在多编队对地攻击中的重要性,然后提出了一种初始分配与全面分配相结合的目标分配方案,建立了目标分配模型,设计了分群算法实现目标的初始分配,采用遗传算法完成目标的全面分配.最后在态势威胁评估的基础上给出了具体仿真算例,计算结果表明,介绍的方法可以全面、有效地解决编队对地攻击中的目标优化分配问题,从而提高了多编队对地攻击的整体作战效能.     

水面舰艇编队反舰作战中作战网络结构的优化

合理的作战网络结构是将信息优势转化为决策优势并最终建立火力优势的基础, 对于促进"战场透明"的实现, 充分发挥信息"兵力倍增器"的作用至关重要. 首先采用复杂网络方法建立了水面舰艇编队反舰作战的网络模型; 从网络的边和节点两方面分析了网络结构对信息质量的影响, 并论述了信息质量对反舰作战过程及效果的影响; 在此基础上, 采用遗传算法对反舰作战网络结构进行了优化研究. 优化结果表明: 对于质量较高的信息, 需缩小其传递路径, 使其快速地到达武器节点, 建立火力优势; 而对于质量相对较低的信息, 则可以适当增加其传递途径, 腾出网络带宽以及指控节点以便高质量信息的快速传递、处理. 研究结果对于提高基于信息系统的水面舰艇编队体系作战能力具有一定的军事价值.     

基于效能仿真的舰艇综合防御鱼雷作战决策优化

采用深弹拦截与机动规避综合防御声自导鱼雷,是舰艇水下防御的一种新型作战样式。为了给装备指控自动化和训战法决策提供参考,采用蒙特卡罗方法对该作战过程进行了数字仿真,得到了规避概率、拦截概率和生存概率等3个作战效能指标的估计值。通过效能分析提出舰艇如何机动以获取有利深弹发射态势这一问题,分析影响因素及约束条件并建立了决策优化模型;采用遗传算法并以示例形式求解优化模型,由散点拟合得到了舰艇机动路线。针对不同鱼雷报警位置条件下的防御态势,分析比较了舰艇机动对舰艇生存概率的优化效果。     

基于免疫多智能体的舰艇编队协同防空体系模型

借鉴生物免疫系统的性质和机制,结合多智能体理论与方法,提出了一种新的免疫多智能体网络(Immune Multi-Agent Network,IMAN)模型。根据舰艇编队协同防空体系和生物免疫系统在防御功能、自适应和自组织特性上相似的特点,将舰艇编队协同防空体系映射到生物免疫系统之中,设计了舰艇编队协同防空免疫智能体功能结构模型,并综合上述免疫多智能体网络模型IMAN及其免疫防御原理,构建了一种新颖的舰艇编队协同防空体系免疫多智能体网络模型,分析了舰艇编队协同防空体系免疫多智能体的免疫防御机制及其性质,旨在为舰艇编队协同防空体系研究开拓一种新思路,并为建立适合现代实战需要的作战仿真系统提供理论模型。     

基于多Agent的舰艇编队对海攻击仿真系统

设计了一种基于多 Agent 的舰艇编队对海攻击仿真系统,采用自下而上的建模方式,应用面向Agent的仿真软件技术对系统中各个Agent进行建模并构建了系统的结构框架,采取Agent通信语言(Agent communication language,ACL)实现Agent间通信。仿真部分模拟真实舰艇编队协同攻击过程设计了舰艇编队对海移动目标协〖JP3〗同攻击流程,仿真中提出改进的遗传算法解决武器目标分配问题,在预测目标打击位置时提出了虚拟航路法。仿真结果表明,该系统与实际符合较好,可以为舰艇编队对海作战各个步骤中的算法进行综合仿真,验证了该系统的有效性。     

基于多分辨率的海军作战仿真建模研究

分析"作战实验室"建设对现代作战仿真技术的主要挑战,指出采用多分辨率建模技术,实现不同分辨率模型的平滑变换,是解决现代舰艇编队作战仿真的有效方法;在解析多分辨率建模相关概念的基础上,分析了舰艇编队作战仿真多分辨率建模的必要性;最后,采用面向对象的分析方法给出了舰艇编队作战仿真模型体系,并对模型聚合解聚问题进行了分析.     

舰艇编队的舰载装备协同问题研究

舰艇编队是现代海战主要采用的对抗形式之一，本文应用可靠性理论研究了舰艇编队的舰载装备协同问题。首先，利用可靠度概念给出了舰艇编队的舰载装备协同质量的量化方法；然后，建立了有限资源约束下的最大舰载装备协同质量的舰艇编队模型，并给出了基于遗传算法的模型求解算法。大量仿真计算表明了所建模型与算法的有效性。     

基于粒子群的反鱼雷算法设计与仿真

在潜艇遭遇鱼雷攻击进行机动规避的过程中,针对潜艇防御鱼雷时水声对抗器材的优化配置问题,研究了一种典型的反鱼雷对抗策略,并建立了对抗过程中相关实体的运动及水声探测模型,在此基础上将粒子群算法用于对抗过程中四个决策变量的智能整定,对使用水声对抗器材与潜艇的规避有机结合的对抗策略进行合理优化,结合蒙特卡洛法对算法进行设计和仿真。通过比较,采用粒子群算法的反鱼雷对抗策略可以提高潜艇的生存概率,对研究水下作战中潜艇防御鱼雷具有实际的参考意义。     

基于混合多目标进化算法的多无人机侦察路径规划

由于侦察任务的复杂性和不确定性,无人机对其目标的侦察时间往往是不确定的。将多无人机对观测时间不确定目标的侦察路径规划问题建模为使任务时间、编队总耗时和编队规模同时最小化的多目标优化路径规划问题。对此,在基于ε 占优的稳态多目标进化算法基础上引入多目标局部搜索,给出了混合ε 占优多目标进化算法,提出了一种使用插入最近点方法的启发式遗传操作。实验结果表明,算法能够有效解决所研究的问题,并且其优势随着问题规模的增大而显著。     

多目标优化设计中的Pareto遗传算法

遗传算法的随机性和隐含并行性,使它能同时搜索到多个局部最优解并获得最优解集。为了发挥遗传算法群体搜索的优势,提高多目标优化设计效率和灵活性,在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,建立了一种适用于多目标优化设计的Pareto遗传算法。以Pareto前沿面的形式给出优化设计的Pareto最优解集,供设计者按设计意愿选择最优的设计结果。采用Pareto遗传算法进行跨声速翼型的多目标优化设计,设计结果表明,Pareto遗传算法是十分有效的,完全可以用来进行多目标优化设计。     

基于规则导向的柔性作业车间多目标动态调度算法

设计了一种具有柔性资源约束的多目标集成优化方法,建立了包括最小完工时间、最小生产成本、最大设备利用率、最大交货满意度和最优人工分配在内的多目标组合优化模型;为降低模型的复杂度,抑制组合优化模型的状态爆炸效应,采用规则导向的资源调度思想,通过调整规则概率使概率大的规则被优先选中,从而"推动"搜索过程向预期目标方向移动;采用改进的非支配排序遗传算法—NSGA-Ⅱ获得不同规则概率值的Pareto解集,并结合动态规划法求解最优人员分配方案;仿真对比与算例验证,本文算法可以有效解决柔性作业车间多目标调度优化问题.     

舰艇编队作战仿真系统数据管理研究

针对舰艇编队作战系统的复杂性和易变性,分析了可扩展标记语言XML在分布交互作战仿真系统中的数据表示、传输、处理等方面的特点,给出了不同形式舰艇编队仿真系统想定文件的统一XML表示形式.介绍了在HLA/RTI仿真体系结构下,应用XML进行仿真数据管理的基本方法,实现了一种基于XML数据标准的分布交互仿真支撑框架体系结构.所讨论的内容已经在舰艇编队作战仿真系统中实现,为类似系统的开发提供了可借鉴的开发原型.     

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     

一种用于多目标优化的混合遗传算法

将遗传算法与局部优化方法相结合,提出了一种用于多目标优化的混合Pareto遗传算法(HPGA)。针对遗传算法局部优化性能较差的缺点,引入直接搜索策略以增强算法的局部搜索能力。HPGA首先运行Pareto遗传算法,以得到近似的Pareto最优解;然后启动直接搜索对其进行进一步优化。仿真结果表明HPGA兼具有良好的全局优化性能和较强的局部搜索能力。与Pareto遗传算法相比,HPGA不仅提高了优化搜索的效率,而且能够保证收敛到多目标优化问题的Pareto最优前沿面。     

城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

Intermediate carriers for UAV swarms: problem of fleet composition

This article introduces a fleet composition algorithm for a fleet of intermediate carriers,which should deliver a swarm of miniature unmanned aerial vehicles(mini-UAVs) to a mission area.The algorithm is based on the sequential solution of several knapsack problems with various constraints.The algorithm allows both to form an initial set of required types of intermediate carriers, and to generate a fleet of intermediate carriers.The formation of a fleet of intermediate carriers to solve a suppression of enemy air defense(SEAD) problem is presented to illustrate the proposed algorithm.