基于改进型遗传和蚁群混合算法的防空兵群火力分配模型

基于改进型遗传和蚁群混合算法的防空兵群火力分配问题,先建立火力分配数学模型,通过第i个火力单位对第j批目标的射击效益,求得所有火力单位对所有目标射击总效益.改进型遗传算法包括:对可行解空间参数编码,设定祖先群体、适应度函数和控制参数等.蚁群算法则通过双向图,将武器分配优化转化为双向寻找最佳路径.     

基于遗传蚁群动态融合的地面自主作战 机器人路径规划

在机器人路径规划与避障算法中,遗传算法具有快速全局搜索能力,但是没有利用系统中反馈的信息。蚁群算法具有很好的信息反馈性,但是由于初期信息素匮乏导致求解速度较慢,易陷入局部最优。提出了一种动态融合的方法,在算法初期通过遗传算法生成蚁群算法的初始信息素分布,后期采取蚁群算法动态融合遗传算子的方法。通过路径规划仿真及实验分析,该动态融合算法不仅提高了收敛速度,而且改善了蚁群算法易陷入局部最优的问题;同时引入了动态避障策略,从而达到了更好的路径规划效果。     

基于改进蚁群算法的软件测试方法

为了降低软件的测试成本,提高软件测试效率,提出一种基于改进蚁群算法的软件测试方法.将Markov决策模型应用到软件测试过程当中,采用测试用例约简技术对测试用例集进行简化,利用贪心算法求得的较优解增强蚁群算法初始时刻信息素,通过改进的蚁群算法求得最优解,并进行仿真分析.仿真结果表明:改进的测试方法比采用基本蚁群算法的测试方法求得解更优,说明改进的测试方法可以使搜索时间更短,并可降低软件的测试成本.     

一种基于信息素变化的改进蚁群算法

针对蚁群算法搜索时间长、易陷于局部最优解的缺点,提出一种增幅递减的局部信息素更新模型。通过分析现有蚁群算法信息素更新模型陷入局部最优的原因,借鉴蚁群模型退火算法思想,根据假设推导出增幅递减信息素更新模型,分析该模型对算法复杂度的影响,并分别采用4种信息素更新模型求解最短路问题。仿真结果表明,该模型能较好地抑制算法陷入局部最优解问题。     

基于组合优化算法的无人机航迹规划方法研究

根据遗传算法与蚁群算法各自的特点。将两者进行有机结合构成GA-ACO（genetic algorithm-ant colony optimization）组合优化算法，并将其应用在航迹规划路径寻优中以获取高质量的飞行航路。首先采用全局搜索能力强的遗传算法进行全局快速搜索，选取遗传算法得到的较优解集合，构成蚁群算法中初始信息素分布．再利用蚁群算法正反馈机制的特点求精确解，该组合优化算法在克服两种算法缺点的同时发挥了各自的优点，达到优势互补。仿真结果表明，与基本蚁群算法相比，GA-ACO在提高效率的同时改善了解的质量，是可行和有效的。     

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。     

基于改进蚁群算法的无人机2 维航路规划

针对传统蚁群算法在无人机3 维航路规划中存在搜索时间长、容易陷入局部最优解的问题,提出一种蚁 群算法的改进策略。将固定翼无人机的性能约束条件作为待扩展节点是否可行的判断条件,减小计算量和算法搜索 时间;对航路点的高度规划采用直接设定策略,将3 维航路规划问题简化为2 维航路规划问题,减小算法的复杂性; 改进全局信息素更新规则和安全启发因子,解决了局部最优解和威胁源规避问题。仿真结果表明：改进蚁群算法与 传统蚁群算法相比,能够有效规划出一条从起点到终点的飞行航路,具有更高的有效性和实用性。     

基于蚁群算法的多连接查询优化问题研究

介绍了蚁群算法在数据库查询中的应用,在给出蚁群算法的基本原理和程序流程的基础上,对传统蚁群算法进行了改进,将伪随机状态转移规则和局部信息素更新规则引入蚁群算法,提出了基于蚁群系统解决数据库多连接查询优化的方法,建立了多连接查询优化问题的数学模型,并进行了相关的实验;结果表明：当数据库的表数目较多时,基于蚁群系统算法对解决多连接查询优化问题有良好的求解性能,在求最优解品质和求最优解时间上都有较好的效果。     

战时通信装备备件配送模型

针对战时通信装备备件抢修,建立了带硬时间窗的战时通信装备备件多目标优化配送数学模型,并用蚁群算法对问题进行了求解。算法设计中,为解决模型求解中蚁群算法存在早熟、收敛性差等问题,引入伪随机规则调整状态转移概率;利用时变函数更新信息素强度。实验结果表明,该算法能得到较好的全局最优解,验证了模型的有效性。     

基于微分进化-蚁群优化算法的潜航器航路规划

航路规划是包括新型巡航鱼雷和诱饵、远程布雷系统等潜航器完成指定任务的关键技术之一;为了解决蚁群优化算法在航路规划时存在的容易陷入局部最优、收敛速度慢等问题,引入了微分进化原理,对蚁群优化算法进行了改进,提出了微分进化-蚁群优化混合算法;该算法将微分进化的随机偏差扰动产生新个体的思想融入到蚁群优化算法中,对蚁群算法的信息素进行优化;最后以潜航器航路规划问题为实例,对改进后的混合算法进行了仿真研究;结果表明:提出的混合算法不仅能够得到更好的解,还能显著地提高算法的收敛速度。     

基于元胞蚂蚁算法的防空靶机航路规划研究

防空靶机飞行航路设计是实现靶机有效控制,确保高效完成供靶任务的保障。通过对靶机三维航路规划模型进行分析,给出了元胞蚂蚁算法的航路规划模型的求解方法及算法实现的具体流程,并分别应用蚁群算法和元胞蚂蚁算法进行仿真实验。结果表明:元胞蚂蚁算法克服了蚁群算法收敛速度慢、陷于局部最小值的缺陷,可得到较优的航路。     

基于改进蚁群算法的炮兵火力优化分配模型

根据炮兵作战实际问题,建立基于改进蚁群算法的火力分配决策模型。描述解决火力分配问题的一般步骤,对算法流程进行设计,并利用匈牙利法进行实验结果比对。实验结果表明,该方法合理有效,求解效率和质量较其它算法有明显提高。     

海军装备保障物资战时运输路径优化方法

为优化装备保障物资运输路径,提出一种结合弗洛伊德算法与蚁群算法相结合的新方法.通过模拟目前我国海军装备物资储备仓库与海军部队的位置,结合在战时出现的状况,从装备调度指挥员的角度出发,根据运输道路的路况采用等效距离代替实际距离的方法,采用弗洛伊德算法与蚁群算法对等效距离进行优化.实例检验结果表明:该方法能大大简化运算,最大程度上减少蚁群算法容易陷入局部最优的危害,解决了运输道路遭到敌人破坏情况下路径的优化问题.     

基于改进蚁群算法的故障树最优检测次序研究

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用.在阐述蚁群算法概念和基本原理的基础上,把一种改进的蚁群算法引入到故障诊断中,并与故障树分析法相结合,可以很好地确定故障树的最优检测次序.仿真实例表明,在故障树中引入该改进算法可行、有效.     

改进蚁群算法优化通用器材配送路径

为实现武器装备器材在运输供应路线的精确化保障,对基于蚁群算法的通用器材配送路径供应模式进行 改进。针对传统蚁群算法在初始目标选择、信息素更新等方面存在的局限性,依据蚁群算法的原理与机制设定,建 立配送路径数学模型,从3 个方面进行算法改进,优化了器材从供应中心到各个仓库的配送路径,并对案例进行仿 真测试和分析。实验结果表明,该路径能确保通用器材适时、高效地送到各个仓库。     

基于成像传感器特性的侦察无人机航迹规划研究

针对携带成像传感器的侦察无人机的航迹规划问题,提出整体与局部航迹规划结合的方法;将侦察无人机航迹规划问题分解为两步:第一步,利用遗传算法全局搜索的优势对蚁群算法初始信息素过低进行改进,对无人机进行整体航迹规划;第二步,利用几何限制原则结合侦察无人机携带的成像传感器的特点进行局部航迹再规划;通过按照该方法规划出侦察无人机的航迹并取得较好效果的一个实例证明,该方法计算简化、贴合实际、针对性强,可为实际战场侦察无人机航迹规划提供了参考.