基于ANP的武器装备体系能力有限层次评估方法

针对武器装备体系作战能力的综合评估问题,基于网络分析的思想提出了一种“有限层次”评估方法。考虑能力之间的相关性,建立了多级式网络化能力指标体系,基于能力需求设置了“等效处理”模块,实现了武器装备体系的装备性能向能力映射,建立了作战能力评估的“有限层次”模型,再利用网络分析法确定各指标权重。然后设计了综合能力图谱来直观、全面反映系统的作战能力。最后以某型装甲装备体系为例进行分析,验证所提算法的有效性。     

旋转上升合成孔径雷达三维成像算法

针对复杂低空环境三维场景探测需求,建立了旋转上升合成孔径雷达成像模型,并提出了相应的成像算法。该模型通过距离向发射调频信号、方位向和高度向形成二维合成孔径,从而具有距离向-方位向-高度向三维分辨能力。相应的成像算法分为空间位置校正和“一步一悬停”模式下omega k成像算法两大部分,通过方位向和高度向偏移补偿,可将复杂的“旋转上升”模式简化为高度向“一步一悬停”模式,然后通过改进的omega k成像算法实现三维成像。最后,仿真结果验证了该算法的有效性。     

基于贝叶斯压缩感知的CSR稳健参数估计方法

针对“完全扰动”情况下压缩感知雷达(compressed sensing radar, CSR)观测矢量和感知矩阵严重失配,进而引起参数估计性能急剧下降的问题,提出了一种基于贝叶斯压缩感知(Bayesian compressed sensing, BCS)的稳健参数估计方法。首先构造“完全扰动”情况下CSR参数估计的稀疏线性模型,并从稀疏矢量的最大后验概率(maximum a posteriori, MAP)出发,推导了完全扰动矩阵服从柯西分布时的优化目标函数;随后通过稀疏矢量和尺度参数的交替迭代,求得稀疏矢量的最优解。与现有重构算法及其改进算法相比,该方法能够有效改善CSR系统应对失配误差的稳健性,提高目标成功检测的概率和参数估计的精度。计算机仿真实验验证了该方法的有效性和鲁棒性。     

基于QPSO-DGM和熵突变的装备安全性崩溃分析

针对装备安全事故的突发性、复杂性,从系统安全熵“流程突变”角度构建灰色熵突变模型进行安全性崩溃分析。提出了复杂装备系统安全熵、安全熵函数、安全熵势函数等概念,刻画复杂装备系统安全状态从稳定到崩溃的演化机理和过程;建立了复杂装备系统安全熵函数的量子粒子群DGM(2,1)拟合模型,并以拟合值和实际值的灰关联度为适应度函数,提高模型拟合精度;构建装备系统安全熵尖点突变模型,给出安全性崩溃的灰色熵突变判据算法。最后,以某型飞机主起落架控制系统为例,验证了模型的有效性,为定量判断装备系统安全状态提供了新的方法。     

一种基于最优化的极值分布建模方法

为提高极值分布中样本数据序列分布拟合精度,对改进的综合模型采用遗传算法实现分布参数的寻优。建立了灾难性事件的样本极值分布数学模型。采用非线性回归方法导出样本极值与累积概率之间的映射关系,考虑样本极值的上限和拟合的误差,建立了极值分布的综合模型。采用改进遗传算法,将模拟退火算法应用到遗传算法中,以模型误差为目标函数进行优化,从而确定函数模型中的分布参数,实现了拟合精度的提高。     

基于GPU的SAR回波仿真高效实现方法

针对合成孔径雷达(synthetic aperture radar,SAR)分布式场景回波仿真计算量巨大的问题,提出了一种结合改进的同心圆算法与图形处理器(graphics processing unit, GPU)技术的高效SAR回波仿真方法。首先,针对常规同心圆算法精度较低造成的图像信噪比低的问题,提出了一种改进的同心圆算法。其次,为了充分发挥GPU处理核之间的并行优势,对该算法的GPU并行处理进行了深度优化,进一步提升了仿真速度。具体方法是,根据并行度的高低设计核函数,确定了先采用“线程外推”实现部分目标回波的同心圆累加,再用“归约相加”实现所有目标回波的累加。最后,与常规GPU方法进行了实验对比,验证了所提方法的精确性和高效性。     

综合作战区舰载预警机防空警戒控制策略研究

为了研究航母编队在综合作战区内针对多威胁来源指派舰载预警机实施防空警戒时的控制策略问题,首先分析了舰载预警机巡逻策略生成的流程,以流程为主线,依次研究了敌方机场的作战能力及作战剖面、护航舰艇编队及舰载预警机的警戒区域,在此基础上,以空域栅格为单位,研究其对应的预警效果和威胁程度的评价方法;然后通过分析实际需求,提出了“指定架次型”“不考虑成本不指定架次型”和“考虑成本不指定架次型”3类可实现警戒接班任务的巡逻策略规划模型并分别针对性地提出了多主单从结构的多种群并行遗传算法模型求解方法。仿真结果表明,所提出的模型能够实现相应的巡逻策略规划功能,所提出的模型求解算法能够实现对相应模型的高效求解,即模型和算法的有效性得到了验证。     

震害紧急响应阶段应急物流系统中的LRP

针对震后紧急响应阶段的应急物流系统优化问题, 建立了一个两级设施定位-运输路线安排问题模型(LRP), 据此进行应急设施定位-分配和救援物资运输路线安排决策. 根据该模型的特点, 提出一种基于两阶段分解思想的“三角”启发式算法, 对算法的复杂性进行了分析, 并与改进遗传算法进行了对比研究. 算例分析结果表明, 该模型和算法可以解决震后应急物流系统中的 LRP, 所设计的“三角”启发式算法性能优越, 具有较高的运算效率.     

航天器发射多任务并行调度模型及算法

航天器发射高频度常态化和航天产品可靠度的增加,客观上要求航天器发射采用并行调度模式以提高发射资源利用率。针对工序迭代可能引发的航天器发射系统死锁,构建了死锁预测和损失评价机制,建立了最小化任务时间和最小化加权滞后时间综合的目标函数,设计了多任务并行调度模型,开发了多类agent协同工作的优化算法,并使用调度实例验证了模型和算法的可行性和有效性。模型和算法在“天宫一号”和“神舟八号”发射任务中得到初步应用,效果较好。     

基于鞋载惯性传感器的地图辅助人员定位方法

由于严重的“遮蔽”现象,卫星导航在室内环境中几乎无法使用。人员自主定位系统作为此条件下的一种有效“补盲”手段,在消防、特战、反恐等方面具有广泛的应用。为了克服人员自主定位中存在的惯性漂移,常常利用辅助信息提高定位精度。在粒子滤波算法框架下,提出一种改进的地图辅助人员定位方法。该方法通过引入粒子的方向加权,充分利用地图信息;克服了传统方法中由地图信息错误导致定位失败的缺点,提高了定位算法的稳健性。通过传感器的实测数据对算法进行验证,新方法随时间变化可保持1 m的定位精度,相对于传统方法有较大提高。     

基于自适应t分布变异的粒子群特征选择方法

在分析粒子群优化（particle swarm optimization, PSO）的基础上,提出了一种基于自适应t分布变异的简化粒子群特征选择方法。针对PSO容易陷入局部收敛的缺陷,通过对群体极值进行自适应t分布变异,使其跳出局部收敛。为了解决随机选择初始群体可能会延长搜索时间这一问题,将互信息引入到算法中。通过计算特征与类别的相关性来确定每个特征的入选概率,根据概率值生成一个近似最优粒子,使粒子群一开始就沿着比较合理的方向搜索,从而缩短进化时间。最后,以支持向量机（support vector machine, SVM）为分类器,通过仿真实验验证了算法的可行性和有效性。     

基于种群密度的粒子群优化算法

为提高粒子群优化算法的收敛性能,提出了基于种群密度的多子群粒子群优化算法。该算法把生态学中的协同进化思想引入到粒子群优化算法中,充分考虑了环境和子群间相互竞争的关系,通过多种群的Lotka-Volterra竞争方程,动态调整各粒子群的密度,从而提高了粒子的多样性,加快了算法的进化速度。实验仿真结果表明,与单种群的粒子群优化算法相比,该算法提高了收敛速度和收敛精度。     

嵌入隔离小生境技术的混沌粒子群算法

针对标准粒子群算法(standard particle swarm optimization,SPSO)无法很好平衡全局与局部搜索能力,且收敛速度较慢、易于早熟收敛等问题,提出了嵌入隔离小生境技术的混沌粒子群算法(isolation niches em-bedded in chaos particle swarm optimization,INCPSO)。利用隔离小生境技术,保证了解的多样性,同时,引入混沌搜索策略,提高了解的搜索精度和收敛速度,且避免早熟收敛。仿真试验结果表明,与标准粒子群算法和只嵌入隔离小生境技术的粒子群算法(isolation niches particle swarm optimization,INPSO)相比,嵌入隔离小生境技术的混沌粒子群算法对复杂问题的求解能力较强,寻优性能较好。     

协同随机微粒群优化的神经网络预测建模

针对一类难以精确建立数学模型的非线性控制系统,提出了协同随机微粒群优化CSPSO的神经网络预测建模方法.CSPSO在协同微粒群算法CPSO执行之后引入随机微粒群优化SPSO的思想,促使CPSO摆脱了伪最小值现象,并且保证其以概率1收敛于全局最优值.通过采集对象输入/输出数据,将CSPSO应用到模型权值的离线训练中,并给出了实现的具体步骤.结果表明在实验的几种算法中,CSPSO训练的神经网络模型精度较高且算法学习的稳定性较佳.     

跨流域复杂水库群联合调度规则建模与求解

跨流域水库群系统结构复杂、水库数目众多,加之每个水库辅之以相应的调度规则,使得优化调度模型决策变量数目剧增,从而增加了水库群联合调度规则优化确定的难度.鉴于此,本文以供水调度图和调水控制线为联合调度规则形式,构建同时考虑跨流域调水和供水的复杂水库群联合优化调度模型,添加考虑供水调度图先验形状特征的形状约束,提出一种借鉴逐步优化算法(POA)思想的逐库优化粒子群算法(PRA-PSO).该算法(PRA-PSO)以基本粒子群算法优化原理为基础,逐步优化单个或两个水库的调度规则,以降低单次优化变量的维数,从而提高其搜索全局最优解的能力.最后,以辽宁省某大型跨流域复杂水库群联合调度为例,验证了模型的合理性和算法的有效性.     

基于多维特征差异的个性化学习资源推荐方法

协同过滤算法和二进制粒子群算法是目前学习资源推荐领域研究热点.然而,协同过滤算法推荐的学习资源过于随机化,不能满足学习者进行整体知识建构的要求.而基于二进制粒子群算法构建的资源推荐模型,以推荐所有学习者完整的学习资源为目标,且模型数据较难预测,不符合在线智能化学习的趋势.针对以上问题,提出了基于多维特征差异的个性化学习资源推荐算法:首先根据学习者和学习资源多维特征差异建立学习资源推荐模型,并考虑了学习偏好;其次引入协同过滤技术对模型数据进行预测;最后针对推荐模型的多目标优化特征,将协同过滤算法和二进制粒子群算法结合,提出了对惯性权重和种群多样性进行动态协同调整的自适应二进制粒子群算法,实现了个性化学习资源推荐.实验证明,该算法具有较好的准确性,能够满足个性化学习资源推荐的需要.     

改进免疫算法在预测过程神经网络中的应用

基于过程神经网络（procedure neural network, PNN）建立了具有高精确度的多步预测模型。针对PNN训练过程复杂的特点,提出了一种基于正交基函数展开和矢量矩免疫算法(vector distance based immune algorithm, VD-IA)相结合的PNN训练方法。根据PNN在三角函数正交基展开形式下的数学模型,推导出适用于VD-IA的优化问题模型,采用一种自适应策略加快了VD IA的收敛速度。基于Mackey-Glass混沌序列检验了该方法的有效性,将该方法与BP训练方法、改进粒子群优化（improved particle swarm optimization, IPSO）算法进行了对比分析。仿真结果表明,基于VD-IA的PNN训练方法可以获得较优的结果,且获得泛化性能较好的PNN模型。     

基于PSO在线优化的多模型自适应动态矩阵控制

针对常规的自适应动态矩阵控制算法,在实际被控对象的模型参数发生突变时,系统的瞬态响应较差,提出了基于PSO在线优化的多模型自适应动态矩阵控制方法。对一类含跳变参数的单输入单输出离散时间被控对象,在模型参数范围未知情况下,以自适应模型参数为依据,经规则判断后通过所提出的基于双群体深度搜索的粒子群优化（PSO）算法在线优化自适应模型参数,并通过所定义的模型相似度自动建立多个固定模型。通过指标切换函数找到当前最优控制器。仿真结果表明,该方法明显优于常规的自适应动态矩阵控制算法,说明了该方法的有效性和可行性。     

基于模糊随机规划的反TBM目标分配优化模型

针对反导目标分配优化问题中存在的不确定性特征,引入模糊随机规划理论.首先建立了基于模糊随机规划的反战术弹道导弹(tactical ballistic missile,TBM)的目标分配优化模型.在此基础上,构建了一种针对多约束目标分配问题的粒子编码方案,并改进传统粒子群算法的位置和速度更新方式,提出了改进型离散粒子群(improve discrete particle swarm optimization,IDPSO)算法.最后,设计了模糊随机模拟技术和IDPSO算法相结合的混合智能求解算法.仿真实例表明,混合智能算法全局寻优能力强,优化效率高,满足反TBM目标分配优化对时效性的要求.     

基于共识粒子群的全局优化求解方法

针对粒子群优化(PSO, particle swarm optimization)和高效全局优化(EGO, efficient global optimization)两种算法的特点,提出一种共识粒子群和局部代理模型协同的全局黑箱优化算法(CPSO-LSM, consensus particle swarm optimization and local surrogate model)。该算法固定PSO算法周期对粒子进行分群并在粒子达成共识后停止,将每群粒子周围的优质子区域输出作为代理模型的建模区域,通过比较各区域最优值获得高质量最优解甚至全局最优解。不仅避免了PSO冗长的计算过程、提高了建立代理模型的速度和精度还可以避免陷入局部最优。通过对比其他算法在标准测试函数的仿真结果,CPSO-LSM具有较好的收敛速度和求解精度。