基于IMOSFLA的有人/无人战斗机协同空战火力分配方法

针对有人/无人战斗机协同空战中的火力分配问题,建立了以目标总存活概率最小和武器消耗数量最少的火力分配多目标优化模型,并提出一种改进的多目标蛙跳算法用于求解问题的Pareto最优解集.该改进算法充分利用混洗蛙跳算法收敛速度快、收敛精度高的算法优势进行全局寻优,利用自适应网格法对非劣解进行维护和更新,并在青蛙种群的全局进化过程中引入Tent混沌变异以避免算法早熟收敛.为便于从求解得到的Pareto最优解集中选择出最优火力分配方案,提出了一种最优火力分配方案的自主选择规则.最后通过仿真实验验证了所提方法的可行性和有效性.实验结果表明,所提方法能有效求解有人/无人战斗机协同空战中的火力分配问题.     

基于混合蛙跳算法的协同空战火力分配

针对超视距多机协同空战中的火力分配（WTA）问题,建立了协同空战火力分配的数学模型,提出了采用混合蛙跳算法（SFLA）来求解协同空战火力分配问题,根据无约束化的编码方式,结合交叉、变异的遗传操作,提高了算法的收敛速度以及全局搜索能力,能有效避免陷入局部最优。仿真结果表明,所提出的混合蛙跳算法在解决协同空战火力分配问题中具有高效可行性。     

基于非线性规划协同进化遗传算法的防空导弹火力优化分配研究

为了进一步提高防空导弹目标分配问题的求解效率和解算能力,建立了防空导弹目标火力分配模型,提出了一种非线性规划协同进化遗传算法(NLPCGA).该算法是综合非线性规划算法(NLPA)局部搜索能力强和协同进化算法(CA)求解质量高的优点,并利用遗传理论提高算法的求解效率.通过结合实例,仿真结果表明NLPCGA算法在求解防空目标火力分配问题上要优于单独两种智能算法,可以有效快速地找到最优火力分配方案,为防空作战指挥决策提供支持.     

基于量子遗传算法的反舰导弹火力分配方法

反舰导弹火力分配问题是一个典型的多目标优化问题,一般通过固化各型导弹的数量将其转化为单目标优化问题来进行解算;基于量子遗传算法,研究了在兼顾反舰导弹作战效能最大化和作战成本最小化两个优化指标的情况下,反舰导弹群火力分配寻优解算方法,详尽描述了其寻优解算过程;实例证明,该方法不仅具有良好的种群多样性、较快的收敛速度、较强的全局搜索能力,而且解算结果是最优或次优的.     

基于遗传蚁群算法的舰艇编队防空火力分配

提高舰艇编队的防空火力分配效率是海上防空中一件紧迫的任务.火力分配问题是NP难问题,经典的求解算法存在指数级的时间复杂度,启发性智能算法又易于陷入局部最优.提出一种基于拥挤替换思想的遗传蚁群算法用于解决水面舰艇编队防空火力分配问题,遗传算法阶段采用拥挤替换和时变性变异算子设计,以维持较好的种群多样性,蚁群算法阶段,由于有较好的初始信息素分布,在进一步求精解的时候能够避免陷入局部最优.仿真结果表明:新算法与其它算法相比,在优化性能和时间性能方面都有了较大的改善,并且分配问题规模越大,优势越明显,能较好地解决舰艇编队防空火力分配问题.     

基于OpenMP的并行蚁群算法求解协同空战火力分配

根据动态火力分配中"动静结合"的思想,建立了一种带毁伤概率门限的火力分配模型。针对协同空战的第一阶段,在求得对目标机群最大毁伤效果的同时尽量节约导弹武器资源,以应对下一阶段的火力分配。根据粗粒度的并行策略,采用OpenMP并行优化技术对蚁群系统(ACS)中最耗时的循环迭代、循环赋值部分进行并行化处理,在此基础上,将优化后的蚁群算法应用到空战火力分配中,通过对各种规模的火力分配问题进行仿真实验,并验证所提出的火力分配模型的合理性和并行蚁群算法的有效性。     

基于遗传算法的要地防空武器系统最优火力分配模型研究

结合战场目标价值分析,根据防空武器兵力火力分配情况,运用遗传算法建立了火力分配模型,使防空武器最大限度地发挥火力单位效能,达到最大毁伤效果.采用了适应度函数惩罚的方法,对选择,交叉,变异等操作进行了改进.最后通过实例仿真和计算,针对单发和双发两种射击方式分别建立数学模型,运用遗传算法求解得出了火力分配最优方案,验证了方案的可行性和优越性.研究结果为两型防空武器系统的作战应用奠定了基础,为决策提供一定的理论依据.     

基于序号遗传编码方式的反舰导弹火力分配算法

遗传算法在解算反舰导弹火力分配问题时,具有解算结果最优或次优,但由于解算过程中会产生过多不满足约束条件的染色体,导致该算法解算时间比较长,不能满足反舰导弹作战使用时对火力分配问题的实时性要求;为了提高解算效率,文中依据反舰导弹火力分配问题的特殊性,提出了基于序号的遗传编码方式,并给出了详细的编码过程模型,提高了遗传算法在多型反舰导弹协同攻击多目标情况下的火力分配解算效率;最后,通过实例论证了该算法的可行性和有效性。     

火力分配问题研究

火力作战是现代化作战的基本形式,是达成作战目的的重要作战手段.可靠的火力打击是部队完成作战任务的关键环节,而正确的火力打击行动来源于正确的火力打击决策.分析火力分配对于指挥员作出正确的火力打击决策具有重要的指导意义.本文首先对火力分配的概念进行阐述,其次对火力分配问题的相关模型和求解算法进行分析和总结.     

Evolutionary decision-makings for the dynamic weapon-target assignment problem

The dynamic weapon-target assignment (DWTA) problem is an important issue in the field of military command and control. An asset-based DWTA optimization model was proposed with four kinds of constraints considered, including capability constraints, strategy constraints, resource constraints and engagement feasibility constraints. A general “virtual” representation of decisions was presented to facilitate the generation of feasible decisions. The representation is in essence the permutation of all assignment pairs. A construction procedure converts the permutations into real feasible decisions. In order to solve this problem, three evolutionary decision-making algorithms, including a genetic algorithm and two memetic algorithms, were developed. Experimental results show that the memetic algorithm based on greedy local search can generate obviously better DWTA decisions, especially for large-scale problems, than the genetic algorithm and the memetic algorithm based on steepest local search.     

机群协同空战中的指控系统建模与分析

为对机群协同空战指挥控制系统性能进行分析,建立了树型机群指挥控制系统组织结构,并提出了性能评价指标。运用随机Petri网技术分别建立了有预警机指挥和无预警机指挥的机群协同空战指挥控制系统模型。仿真分析表明,基于预警机的机群指挥控制系统可减轻作战飞机的任务负担,且能充分发挥机载武器的超视距作战能力;也证明了随机Petri网技术能够分析指挥控制系统的性能缺陷和瓶颈,从而为系统的设计和改进提供有力的支撑,是描述机群协同空战指挥控制系统问题的一种有效方法。     

基于改进SPEA2算法的火力分配问题

火力分配是战前任务规划的重要环节。考虑攻击效果、资源等约束条件,以攻击效益最大,武器消耗最小,自身损伤最小原则建立了火力分配多目标数学模型。针对传统方法在求解火力分配多目标优化问题时存在收敛效果差以及Pareto前端分布不均匀等不足,将近邻传播算法引入到SPEA2算法中,改进了SPEA2算法的多样性保持策略,优化了算法性能。实验结果表明：改进的SPEA2算法在解决多目标火力分配问题时,相较于标准SPEA2算法,具有收敛效果好,Pareto前端分布均匀的特性。通过实验,验证了模型的合理性和算法的可行性。     

基于免疫粒子群算法的多UCAV协同任务分配

任务分配问题是多UCAV协同控制的关键和有效保证。综合考虑问题的多规划指标和多类复杂约束条件,建立了基于多目标整数规划的协同多任务分配模型。通过模拟生物免疫系统的免疫特征和运行机制,并将粒子群优化作为算法的局部搜索算子,设计了一种适用于问题求解的免疫粒子群算法,使算法同时具有人工免疫算法种群多样性好、粒子群优化局部搜索能力和进化方向性强等特点。仿真实验表明该方法具有良好的优化效果和时间特性,可较好地解决多UCAV协同任务分配问题。     

基于误差反向传播神经网络的超视距协同空战研究

针对多机协同空战中的多目标分配问题,利用构造的误差反向传播（BP）神经网络模型对超视距空战情况下的几种典型的第3代战斗机空战性能进行比较评估,在此基础上建立了协同优先的分配模型。给出了协同优先权的计算步骤。仿真算例表明了模型的有效性。     

协同作战仿真系统的时间同步机制研究

通过介绍基于HLA的协同作战仿真开发过程和HLA时间管理服务的相关概念,针对仿真系统的时间管理机制进行分析,提出了同步机制条件下的基于事件驱动的算法和基于步长的算法,用以解决协同作战过程中的联邦同步问题。     

一种新的无线传感器网络高能效协作路由算法

为解决无线传感器网络在数据采集过程中的能量节省与能耗均衡问题,结合LEACH的分簇思想和PEGASIS的链路传输特点,利用协作MIMO技术,提出了一种新的高能效协作路由算法HECRA。该算法利用内网数据融合与协作MIMO技术减少了簇内链路短传输与簇间长输的能量消耗,通过构建代价函数选择最合适的路由路径以实现能耗均衡。理论分析了系统进行数据采集时各节点能耗以及系统总能耗,实验仿真结果表明,相对于LEACH与PAGASIS,提出的HECRA算法在网络生命周期上得到了很大的改进。     

协同多目标攻击的混合蛙跳融合蚁群算法研究

针对未来超视距条件下的多机协同空战,提出了一种基于混合蛙跳融合蚁群算法的目标分配方法。以目标威胁评估值为准则建立空战决策模型,根据空战决策特点对青蛙粒子进行特殊编码处理,在混合蛙跳算法局部搜索过程中加入自适应差分扰动机制、在蚁群算法中引入变异算子以减少算法搜索时间。融合算法利用混合蛙跳算法快速的全局搜索能力生成初始优化解群,利用蚁群算法具有正反馈的特点求精确解,利用Matlab仿真。仿真结果表明该方法能够快速有效地给出合理的目标分配方案。