野战给水机械概述

给水机械是野战条件下保障军队给水的重要装备。在历来支援军队战斗行动中,保障军队用水占有特殊地位。在现代高技术战争中,战区地面多数水源可能遭到沾染和破坏;在干旱地区和沙漠地带作战,军队会出现严重的缺水现象。为保障野战给水,各国都在研制和生产各种给水机械。野战给水机械包括钻井、汲水、净水、贮水和运水等机械和器材。本文着重介绍野战给水的钻井机和净水设备。     

基于粒子群算法的三维固体火箭发动机药形快速优化方法

在高体积装填分数前提下,如何提高发动机的结构完整性是固体火箭发动机药形优化设计面临的主要问题.通过提出基于粒子群优化算法(PSO)的三维固体火箭发动机药形快速优化设计方法,采用MSC.Patran的二次开发工具PCL实现某三维固体火箭发动机药柱的参数化建模,在不改变体积装填分数的前提下,分别采用PSO算法和遗传算法(GA)完成该发动机药形的优化设计.结果表明,两种方法均能满足优化设计要求,但PSO算法比GA算法的计算时间缩短了42％,所提方法可快速实现固体火箭发动机药形优化设计,提高复杂三维固体火箭发动机的结构完整性能.     

基于神经网络的野战给水能力评价模型

在选用野战给水能力指标体系的基础上,建立BP神经网络评价模型,并运用改进遗传算法对网络进行优化．案例说明模型及其算法的有效性．     

粒子群优化算法及其在机器人技术中的应用

基于粒子群优化(particle swarm optimization,PSO)算法的良好性能,已经在多个领域被广泛应用,主要综述PSO算法在机器人领域中的应用情况以及发展前景。首先介绍PSO算法的特点,对现有PSO算法在机器人领域中的应用方法进行归类,分析每种应用的优缺点,并针对存在的问题提出改进意见。基于以上对比分析,提出了PSO算法在该领域进一步的发展方向。     

基于PSO算法的水下实验系统可靠性分配

提出了将粒子群优化算法(Particle Swarm Optimization Algorithm,PSO)用于求解水下实验系统可靠性问题,建立了系统的可靠性模型,采用PSO算法进行了仿真,并给出了算例。结果表明PSO算法具有比较好的适应性,能稳定地求解最优解,而且在应用中没有求解早熟的弱点,能够适用于结构更复杂的水下系统可靠性优化。     

基于粒子群优化算法的模糊飞行控制器设计

提出了一种基于粒子群优化（PSO）算法的模糊飞行控制器优化设计方法。PSO算法通过粒子跟踪本身所找到的最优解和种群的最优解来完成优化．该算法具有可调参数少．简单易实现，优化速度快的特点。将PSO算法用于对模糊飞行控制器隶属函数的优化设计中，以达到提高控制效果与简化模糊控制器设计的目的。仿真结果表明．利用PSO算法进行优化设计所得到的模糊飞行控制器具有优良的控制性能。     

一种基于化学反应优化和粒子群优化的混合型优化算法

针对现有化学反应优化算法存在的不足,提出一种基于粒子群优化算法(particle swarm optimization,PSO) 和自适应化学反应优化算法(adaptive chemical reaction optimization,ACRO)相结合的混合算法(a hybrid optimization based on ACRO and PSO,ACRO-PSO)。在ACRO 算法的领域算子基础上,融入PSO 算法的全局算子,加入权重系 数控制本地搜索和全局搜索的比例,修改分解反应合化合反应出现的时机,利用化合反应输出最优解,采用标准测 试函数对ACRO-PSO 进行性能分析。仿真结果表明,ACRO-PSO 算法能高效地解决待优化问题。     

基于改进粒子群算法的野战油库选址优化

针对标准粒子群算法容易陷入局部最优,提出了改进粒子群算法;对粒子的自适应性和惯性权重进行改进,建立了野战油料选址模型;通过仿真,发现改进粒子群算法克服了标准粒子群算法容易陷入局部最优的问题,且寻优能力强,对部队的野战油库选址具有指导作用。     

基于改进PSO的导弹下视景象匹配仿真

介绍了导弹下视景象匹配和常用算法,在分析基本粒子群算法(PSO)的基础上,调节学习因子、惯性权重和引入自适应变异算子,对基本PSO算法做了改进,将其作为导弹景象匹配的搜索策略,并简化了归一化积相关算法,提出了基于改进PSO的下视景象匹配算法,经过仿真分析,发现该种方法比隔点搜索等一般方法能有效提高匹配精确度,且算法简单有效。     

基于离散粒子群优化算法的多值属性系统故障诊断策略

针对传统离散粒子群优化（PSO）算法仅能搜索多值属性系统（MVAS）最小完备测试集的问题,通过重塑离散PSO算法,提出一种测试序列寻优算法—PSO-测试(TS)算法。在多值D矩阵和五元组的基础上,公式化处理MVAS的诊断策略。重塑离散粒子群的过程,将离散PSO算法与MVAS的故障诊断策略融合。设置PSO-TS算法的自身认知和社会知识阶段的计算规则,并通过引入交换序提升PSO-TS算法中粒子的多样性。采用实例和随机仿真实验验证PSO-TS算法。研究结果表明：与MV-Rollout和MV-IG算法相比,PSO-TS算法的期望测试费用少,能够获得较优的诊断策略,但是运行时间较长。     

不确定交货下的装备维修器材供应链协调对策

为协调不确定交货条件下装备维修器材供应链各成员的利益关系,运用Stackelberg主从博弈理论进行对策研究.以维修单位作为主方,提出最佳订货量和单位缺货惩罚成本策略,从方即供应商以额外供应能力作为响应;以维修单位预期成本最小化为目标建立优化模型,结合约束条件构建带有惩罚因子的特殊适应度函数;利用粒子群优化算法进行仿真计算.仿真结果表明:Stackelberg主从博弈可以有效协调装备维修器材供应链,保证供应链及各成员的利益.     

基于主从博弈的装备维修器材供应链协调订货

为了减小维修单位的库存压力,提出一种基于Stackelberg主从博弈的装备维修器材供应链协调订货机制。结合装备维修器材供应现状,供应商作为主方提出最小补充期策略和数量折扣,维修单位作为从方以最佳订货策略响应,以供应商成本最小化为目标建立优化模型,构建带有惩罚因子的特殊适应度函数,利用粒子群优化算法进行求解,并运用军事算例进行仿真。仿真结果表明：该机制不仅可以降低整个供应链的成本,也可以使其成员有不同程度的收益。     

基于改进PSO-LSSVM 的军用工程机械研制费用预测模型

针对传统参数法对装备研制费用进行预测存在的局限性问题,采用改进粒子群算法（particle swarm optimization,PSO）对LSSVM模型进行改进,构建军用工程机械研制费用预测模型。运用2种优化策略改进粒子群算法,对种群初始化过程进行控制、克服粒子群算法易于早熟的缺点。用改进后的粒子群算法优化最小二乘支持向量机的模型参数和核参数,以获得更好的预测效果。预测结果表明：该费用预测模型运用于军用工程机械研制费用预测,明显优于传统预测模型,具有很好的预测精度和效率。     

无人飞行器海上航迹规划差分进化算法研究

为研究海洋环境下的无人飞行器（UAV）航迹规划问题,提出了一种基于差分进化算法（DE）的航迹规划方法。该方法通过对规划环境进行预处理将岛屿处理成地形威胁区,使问题简化为二维平面规划。采用实数编码方式对航迹进行编码,建立了航迹代价函数的数学模型,从航迹质量、算法稳定性和收敛速度3个方面比较了DE与遗传算法（GA）和粒子群优化算法（PSO)的性能。仿真实验结果表明,所提方法能在复杂的海洋环境下为飞行器规划出一条安全的可飞航迹。     

基于遗传算法优化支持向量机的航空装备维修费用预测

针对传统航空装备维修费用预测方法难以计算得到满意结果的问题,建立遗传算法优化支持向量机的航空装备维修费用预测模型。将遗传算法与支持向量机相结合,利用遗传算法对支持向量机的参数进行优化,通过实例对GA-SVM模型的应用进行分析对比。结果表明：在航空装备维修费用预测中,该模型比SVR、BP神经网络、偏最小二乘回归以及传统普通多元线性回归方法,具有更高预测精度和泛化能力。     

基于改进蚁群算法的多约束供应保障网络路径优化

针对网络优化领域中的多约束网络路径优化问题,以战时供应保障路径优化问题为研究对象,建立一种保障代价最小的路径优化模型。分析保障路径优化中存在多约束限制问题的特点,在基本蚁群算法的基础上引入蚂蚁相遇策略,融合了多约束条件对保障路径优化的影响,通过正、逆反馈同时作用,对信息素更新策略进行改进,并对搜索最优保障路径实例的仿真。仿真结果显示:改进蚁群算法平均执行时间较基本蚁群算法提高了40.1%,说明改进的蚁群算法能在更短的时间内找到最优解,而且在避免陷入局部最优解方面具有更好的效果。     

基于组合粒子群算法的运载火箭弹道优化设计

提出一种基于粒子群算法和方向加速法组合成的PSO-Powell算法,能进行大范围搜索,其最优解具有全局收敛性。在该算法中,对粒子群算法的参数设置进行了改进,提升了其性能,并引入增广拉格朗日乘子法处理优化问题的约束条件,提高了最优解的精度。仿真结果表明PSO-Powell算法应用于运载火箭弹道优化设计具有良好效果,可以提升运载能力,具有一定工程应用价值。     

遗传算法在自航式鱼雷发射管长度优化中的应用

自航式鱼雷发射管长度优化是一个复杂的非线性规划问题,常规优化算法难以找到全局最优解,为此,本文选择遗传算法进行自航管长度优化研究。根据优化问题的数学表达式(5),对不等式约束的处理和遗传算法五要素的确定进行了讨论,并采用内弹道模型(式(13)-式(18))求解鱼雷出管速度,从而使遗传算法得以实现。以鱼雷自航发射为例进行了模拟计算,模拟进化结果(表1)表明,采用遗传算法进行自航管的长度优化是有效的,可为后续相关课题的研究提供借鉴。     

贪心遗传算法及其在武器目标分配问题中的应用

针对遗传算法在解决武器目标分配问题时存在的缺点,提出了将贪心机制应用于遗传算法解决该问题的思路,即贪心遗传算法.在建立武器目标分配问题数学模型的基础上,探讨将贪心算法思想作为确定性选择原则指导遗传操作实施解空间搜索,分析了贪心遗传算法的编码、生成初始种群,贪心交叉、贪心变异等过程的原理和算法实现流程,应用贪心遗传算法进行了战斗实例计算.结果表明该方法是可行的,避免了遗传算法早熟收敛和封闭竞争的问题,计算量小、算法稳定.     

基于遗传算法的空中加油区域配置模型

对存在敌威胁时的空中加油任务,提出一种基于遗传算法的区域配置方法.其通过建立空中加油区域优化配置模型,将不同的代价通过转换而统一在适应度函数中.先就战场环境参数得出加油可行区域,然后将可行区域拓展为搜索区域,再针对搜索区域设计编码和代价函数,并把配置方案的不同代价统一到适应度函数中,最后运用遗传算法进行全局搜索,以求得最优化配置.