基于改进狼群算法的多机协同目标分配研究

为充分发挥战机集群整体作战优势以得到最优目标分配方案,采用改进狼群算法对战场态势模型进行求解.通过保证算法的寻优效率,引入次头狼概念对狼群的召唤与围攻行为做出改进,并对狼群算法的更新机制做出了优化,提高算法的全局寻优能力.仿真结果表明,所提方法能快速准确地寻找到最优目标函数值,且在一定程度上改善了传统狼群算法易陷入局部...     

基于粒子群优化算法的协同空战导弹目标分配

为了取得协同空战的最佳攻击效果,在协同攻击的过程中进行导弹-目标最优分配是一种有效的解决方法。首先运用作战效能和运筹学理论建立多目标协同攻击的导弹-目标最优分配模型,其次在分析基本粒子群优化算法特点的基础之上提出了一种改进粒子群优化算法,其中的主要改进有3点:惯性权自适应调整、粒子速度与位置自动更新以及优化策略改进。然后将该改进粒子群优化算法应用于协同空战导弹-目标最优分配问题的迭代求解。仿真结果表明所采取的改进策略加快了算法的收敛速度,提高了粒子的局部求解精度与全局寻优能力,并且与基本粒子群算法、遗传算法相比较,该改进粒子群优化算法能够更加快速、有效地求出多目标协同攻击的导弹-目标分配最优解。     

超视距协同空战火力打击网络协同目标分配研究

针对超视距协同空战目标分配问题,结合常规超视距协同空战目标分配方法,提出火力打击网络协同目标分配和超视距拦截联盟概念。根据火力打击网络协同目标分配含义和相关约束条件构建新的协同目标分配模型。并结合具体超视距协同空战实例进行模型的求解。通过具体实例与常规目标分配模型比较结果可知,在本文假设条件下,相对于常规目标分配结果,火力打击网络目标分配更能体现超视距协同空战的协同性。应用新的目标分配模型能够增加拦截次数,提高拦截效率,但同时增加了制导难度并牺牲了命中概率。本文所用方法和所得结论可为后续超视距协同空战目标分配研究提供参考。     

多无人机分布式协同动态目标分配方法

在以"网络为中心"的作战模式下,以电子干扰无人机和UCAV编队协同作战为研究对象。针对多无人机协同作战的动态目标分配问题,建立基于导弹攻击区分析的威胁估计模型,综合考虑电子干扰效果建立目标分配模型,提出一种基于分布式拍卖机制的目标分配算法。针对不同的作战想定进行仿真计算,结果表明:算法能在规定的时间约束内给出接近理想化效果的目标分配方案,且所提算法与现有几种算法相比在可靠性、实时性上都有明显提高。     

基于多目标遗传算法的认知无线电频谱分配

频谱共享技术是认知无线电的关键技术。基于多目标遗传算法,将认知无线电网络的最大系统效益和次用户间的最大比例公平作为目标函数,运用图论着色频谱分配模型,实现认知无线电中空闲频谱在次用户间的动态分配,并与颜色敏感图论着色算法(CSGC)进行了比较。通过仿真验证了该算法在认知无线电网络中进行频谱分配的可行性,且性能优于CSGC算法。     

量子遗传算法在目标分配上的应用

量子遗传算法是量子计算和遗传算法相结合的产物,量子遗传算法将量子比特和量子门表示引入到遗传算法中,具有比遗传算法更好的搜索效率和收敛性.目标分配问题是一种典型的NP难问题,传统的方法在求解此问题时很容易陷入局部最优.本文利用量子遗传算有效地解决了目标分配最优化的问题,数值模拟表明量子遗传算法在该类问题中具有效性和可行性.     

具有禁忌算子的遗传算法目标优化分配

针对地面防空作战中的多通道目标优化分配问题，给出了一种具有禁忌算子的混合遗传算法。该算法结合禁忌搜索算法和遗传算法二者的优点，既克服了禁忌算法全局搜索能力的不足，又提高了遗传算法的爬山能力，还解决了遗传算法容易陷入局部最优的问题，并使搜索过程具有记忆功能。仿真结果表明，该算法可有效给出求解多通道目标优化分配问题的满意解。     

多传感器管理中多目标分配的蚁群优化算法

在多传感器对多目标的监视环境下,传感器对目标的优化分配是传感器管理的重要研究内容.文章探讨了多传感器多目标优化分配问题,提出了一个基于带目标威胁系数和未获拦截目标数最少的蚁群算法,并对信息素采用最差和最优更新策略.对优化分配算法进行了实验仿真验证.经过实验验证了该分配模型是可行的,能够使传感器资源均匀地分配给目标,更加符合实际应用.     

多传感器管理的目标分配问题蚁群算法研究

多传感器管理的目标分配问题中如何使探测和跟踪效益最佳，是非常重要又十分困难的问题。分析了传感器管理的目标分配问题各种解算方法的特点及存在的问题，结合蚁群算法思想，提出了一种新型的目标分配算法模型，并进行了算法仿真。仿真结果表明，基于蚁群算法思想的目标分配算法是有效的，特别是问题规模较大时更显示出其较快的收敛速度和较高的精度。     

具有物理模型数据处理的多目标优化及其算法

针对具有物理模型参数的辨识，提出了新的多目标优化模型及遗传算法，它突破了数据处理最小误差的传统思想，提出了“病态”数据分析方法，进一步挖掘了数据中的信息，中充分利用“病态”数据分布的特征，通过遗传算法求解，确定了电磁场分布物理模型在实际问题中的适用范围，有效地提高了多目标优化模型的精度和实用价值。     

考虑发射区部分重叠的防空作战目标分配

为了研究多个地空导弹武器系统对多个来袭目标防空作战目标分配问题,考虑了部署中存在的发射区部分重叠问题,通过分析来袭目标群在飞越发射区时,不同发射区对不同目标覆盖状态的变化,将整个目标分配区间分为若干个分配子区间,通过比较拦截方在各个分配子区间所能获得的最大毁伤效果值,得出最佳分配子区间及其对应的分配方案。设计了基于捕食搜索策略的遗传算法(PSGA),并经过示例仿真,验证了模型和算法的可行性。     

基于复杂度算法的安全指标分配分析

城市轨道交通信号工程建设过程中,信号设备供应商需要将业主设定的总体运营安全指标分配给信号系统的各个子系统.首先分析城市轨道交通信号系统的体系架构、安全功能和安全指标,然后针对设计的三种安全指标分配方法,分析这些方法的具体要求和原则,结合系统架构、安全逻辑模型和具体工程建设参数,利用三种不同方法,将整个系统总体安全指标分...     

多型号武器的目标优化分配问题研究

对地面防空中多型号武器的目标优化分配问题进行了研究。其中包括多目标通道地空导弹武器系统杀伤区的确定、各火力单位相对于飞机类、导弹类目标的射击诸元计算、目标优化分配模型的建立及其求解。     

联合火力打击目标分配

目标分配是联合火力打击指挥决策的核心内容,但是构建合理、可信的联合火力打击目标分配模型是相当复杂和困难的.根据联合火力打击循环过程的分析,设定了目标分配优化的时间周期;综合红蓝双方情况以及战场态势更新,建立了目标分配的思维机制;在将整个作战空间划分为网格、降低目标分配复杂性的基础上,结合基本输入变量以及各约束条件的量化表达式,构建了目标分配的线性规划模型;最后,利用算例进行了验证性分析.该模型为联合火力打击目标分配优化、制定作战方案提供了定量分析工具.     

马尔可夫决策过程在防空系统目标分配中的应用

综合考虑了目标分配中的一些重要问题,将马尔可夫决策过程理论应用于目标分配决策中,这种方法充分考虑了攻防对抗这个动态系统本身的特征,避免出现发射平台工作饱和,使决策的长期效益趋于最优。     

武器目标分配问题的离散差分进化算法

提出一种新的求解静态武器目标分配问题的离散差分进化算法. 采用整数排列建立武器-目标分配对,作为离散差分进化算法的初始个体;并通过取模运算对溢出取值范围的解向量进行修正,将其转化到解的搜索区域内,从而对差分变异算子进行设计. 同时,提出相应的交叉策略,得到可行的武器目标分配对. 在交叉过程中,保留目标向量与试验向量中相同的分配对,得以很好地利用上一代的分配结果. 在删除重复数和重新插入整数时,为了避免倾向性,生成随机排列,保证对数据处理的公平性. 实验结果表明,提出的离散差分进化算法在收敛性和求解质量方面均优于另外2种典型的离散差分进化算法,很好地实现了武器目标分配问题的有效求解.