采用改进差分进化算法的防空导弹火力分配

针对目前采用差分进化算法求解防空导弹火力分配问题需要人工确定惩罚系数,从而增大模型建立复杂性的问题。采用一种处理约束条件的改进差分进化算法求解该问题;该方法在解是否可行的基础上采用三种选择准则用于搜索可行解区域,并增加了一个整数变量用于保存整数解。实例结果表明,与采用惩罚函数的方法相比,该方法在同等的求解效率下,能够获得较好的最优值。由于该方法不用人为确定惩罚系数,减少了模型的确定难度和时间,可用于求解火力分配问题。     

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.     

基于改进遗传算法的防空导弹分队WTA问题求解

针对以往防空作战中目标分配模型精度差、求解方法效率低的问题,建立了基于射击综合优势和目标威胁度的目标分配数学模型,其中目标威胁度评估综合运用了灰色综合关联度和改进的层次分析法,提高了结果的精度.并且采用改进的混沌蜜蜂双种群进化遗传算法对该模型进行了求解,改进的地方主要有:采用轮盘赌选择与最优保存策略相结合的选择操作,采用了算术交叉方法等.实验结果表明,应用文中的遗传算法求解防空导弹作战中目标分配问题,与传统算法相比,无论是在优化性能还是在时间性能上,都具有更好的效果.     

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.     

基于改进火力分配模型的综合防空火力智能优化分配

针对综合防空火力分配中,传统火力分配模型没有全面考虑火力通道射击效能因素,且在火力资源相对充足的情况下火力资源易浪费和易延误战机的问题,将射击有利度、飞临时间与威胁度等因素结合,构建一种新的综合防空火力分配模型.基于此模型,针对来袭目标、火力节点以及制导节点3者之间的火力优化匹配问题,提出一种基于深度优先搜索预处理的多种群并行布谷鸟搜索算法(PMPCSA).该方法采用Prolog智能规划语言构建目标-火力节点-制导节点匹配规则库,在规则库中利用深度优先搜索快速生成可行的目标-火力节点-制导节点的匹配预处理方案;采用多种群并行布谷鸟搜索算法,对得到的可行分配空间进行搜索,通过引入多种群并行优化搜索,不同种群赋予不同控制参数的思想,兼顾算法的全局探索和局部开发能力,可有效提高算法寻优效率.最后,通过仿真结果验证所建综合防空火力分配模型的优势性,同时表明,所提出的PMPCSA算法能有效地平衡全局探索与局部开发,在保证较高收敛速度的同时,提高全局探索能力.     

编队多平台防空武器优化分配建模与仿真

研究编队多平台防空武器优化分配算法,在协同作战区和单舰末端自防御区分别建立实时优化分配模型,解决了编队协同作战仿真时火力实时分配问题.仿真验证结果表明该算法能够满足武器协同控制的要求.     

多层级设施选址-路径规划问题建模及算法

基于有向图对物流网络多层级设施选址-路径规划问题,建立混合整数规划数学模型,提出量子进化算法与遗传算法协同的双智能算法集成求解方案.量子进化算法解决设施选址和设施分配,遗传算法进行路径规划,并提出可达配送区域的搜索策略和路径长度为权重的设施分配优化策略以提高算法效率.实例测试表明,所提出的数学模型和组合智能算法是可行而有效的,可为多层级设施选址-路径规划问题提供理论与方法指导.     

基于任务分解与强化学习的多平台协同火力分配方法

为了有效求解多平台协同火力分配问题,根据“分而治之”的思想,基于任务分解策略将复杂的决策任务分解为子目标平台选择和子平台火力分配两个阶段,通过融合启发式算法和强化学习模型,提出一种新的强化学习求解方法(HARL),并以多平台联合火力打击为作战背景进行实验仿真.子目标平台选择层根据当前状态,基于强化学习策略选择攻击当前子目标最适合的火力平台;而子平台火力分配层则使用启发式算法为执行攻击任务的平台规划最优的火力分配方案.实验结果表明,融合启发式算法和强化学习的HARL方法相比于传统的强化学习算法武器消耗量减少15%以上,相比于经典的启发式算法求解时效性提升20%以上,表明该研究成果可为未来求解复杂作战决策问题提供有力的技术支持.     

基于改进遗传算法的舰空导弹火力优化仿真

针对严峻的空中威胁,快速合理的进行火力分配,充分发挥舰空导弹作战效能,为了最大限度的保护水面舰艇安全。在分析现代水面舰艇编队防空作战过程的基础上,结合现代水面舰艇编队防空的基本原则,运用改进的遗传算法建立了水面舰艇舰空导弹火力优化配置模型。使算法通过合理可信的目标函数、十进制编码、控制初始种群个体距离、重复度防畸判断和统一优选产生子代策略,保证了产生个体的有效性,提高了搜索质量,加快了搜索速度。最后,通过两个实例进行了仿真实验和结果分析,结果证明：算法可以快速有效地进行舰空导弹的火力分配,可以解决复杂防空态势,搜索结果可信度高,实用性强。     

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.     

基于小生境遗传算法的物流配送路径优化研究

通过对物流车辆配送过程的分析,建立了带时间窗约束的物流配送路径优化问题的数学模型。针对遗传算法具有早熟的缺点,将小生境技术引入遗传算法,构建小生境遗传算法。最后,将小生境遗传算法应用于所建立的物流配送路径优化模型的求解,实验结果表明小生境遗传算法在一定程度上可以避免标准遗传算法早熟现象的发生,提高了其求解物流配送路径优化问题的效率。     

基于多级搜索区域的协同进化遗传算法*

针对传统多种群协同进化算法仍然存在收敛速度慢、计算复杂性不能随进化过程有效降低等问题,提出了一种基于多级搜索区域的协同进化遗传算法,给出了一种衡量种群进化停滞的标准。通过聚类分析将搜索区域划为三个等级,对于较高等级的区域加强搜索粒度,逐步缩小搜索范围,提高了收敛速度并降低了算法复杂度。实验结果表明,该算法是求解最优化问题的一种有效方法。     

数据聚类的共同进化方法

共同进化算法是一种新的进化算法,由于它采用了解空间分离编码,能有效地克服一般进化算法中固有的早熟收敛问题。该文针对数据聚类问题——当前数据挖掘与探查性数据分析中的一个重要课题——将数据聚类问题抽象成为一个赋值图的分割问题,应用共同进化算法来加以解决,使得聚类的结果不必依赖于初始聚类中心,并对该算法的性能加以分析。将该算法与一般的遗传算法相比较,通过实验证明了该算法的优越性能。     

基于多目标算法合理配置火灾中的无人机组合

为了提高火灾救援的效率,消防人员逐渐使用无人机来进行火灾态势感知和监视;但无人机的费用造价高昂;一台配备了无线电中继器或视频和遥测功能的混合动力无人机预计成本约为1万美元;因此为了达到经济最大化和效率最优,文章采用多目标规划模型进行优化;该模型主要考虑经济和效率两个目标,然后设置约束条件来进行求解;遗传算法和基于数学规划的方法是国内求解帕累托前沿解的主流算法[1];应用NSGA-Ⅱ算法解决无人机排列问题;以决策变量无人机的数量组合编码作为运算对象,可以直接对集合、序列、矩阵、树、图等结构对象进行运算操作[2];这样的方式一方面有助于模拟生物的基因、染色体和遗传进化的过程,方便遗传操作算子的运用,合理且准确地给出了无人机配置方案,为有关消防部门规划提供参考,另一方面也使得遗传算法具有广泛的应用领域,如函数优化、生产调度等领域.     

应用布尔遗传算子求解N皇后问题

应用回溯法求解规模较大的N皇后问题时,时间开销巨大。从提出布尔遗传算子角度,增强遗传算法局部搜索性能,与具有良好全局搜索性能的矩阵遗传算子组合应用,对N皇后问题求解。采用自然数和二进制互换的编码方式,应用N皇后的约束条件构造适应度函数,保证了算法的全局收敛性。通过与回溯法和相关遗传算法比较,实验证实了该方法应用于求解N皇后问题,具有良好的搜索效率和求解质量。     

基于区间—遗传算法求解非线性方程组

将非线性方程组的求解转化为函数优化问题,结合遗传算法的群体搜索、全局收敛的优点,及区间算法特有的解的存在性检验准则,提出了一种区间—遗传算法。在迭代计算过程中,区间算法为遗传算法搜索提供可靠区域,同时遗传算法为区间算法提供安全的初始区域。数值实验表明,该算法能够在较大范围的初始区间内快速,可靠地迭代得到高精度的区间解,是求解非线性方程组的一种有效的算法。     

一种结合Tabu 搜索的非线性遗传算法研究

利用Tabu搜索的强大局部搜索性能,提出一种新的非线性遗传算法．该方法将Tabu搜索技术内嵌于遗传算子中,构造了基于Tabu搜索的非线性杂交及变异算子,它能有效地提高算子的局部搜索能力,通过实例仿真证明了该算法的有效性;同时,以“平均截止代数”和“平均截止代数分布熵”作为评价指标,对该方法的优化效率进行研究,定量评价了该方法的优化效率,通过与实数遗传算法进行比较,说明了该方法的优化效率高于实数遗传算法．     

一种改进的自适应遗传算法及其在物流调度中的应用

提出了一种改进的自适应遗传算法,通过在遗传算法中引入种群分布因子以及父子间的竞争机制,从而可以避免出现“早熟”现象,提高遗传算法的搜索效率。并将该自适应遗传算法应用到非满载车辆调度问题,验证了算法的有效性。     

一种分层协同进化学习方法及其在机器人追踪中的应用

本文在分析了密歇根方法和匹茨堡方法的基础上,提出了一种新型分层协同进化学习方法。该方法由上述两类 种群构成,此两类种群分别属于不同的智能层次,进行协同进化来实现智能,种群内部各自独立地采取不同的遗传操 作,种群之间使用交互算法进行交流。实验表明：该方法能改善分类器系统的短视特性并提高其智能。     

自适应遗传算法在机器人路径规划的应用

针对现有遗传算法在求解机器人路径规划存在的收敛速度慢、易陷入局部最优等缺点,提出一种基于自适应遗传算法的机器人路径规划方法。该方法引入逆转算子,增加插入算子和删除算子,提出新的自适应策略对交叉和变异概率进行调整,更好地避免陷入局部最优,提高算法寻优效率。该算法在MATLAB和Inte3D平台中进行算例验证,实验结果表明改进的自适应遗传算法比现有遗传算法更为有效。