遗传-蚁群算法在目标分配问题中的应用研究

针对传统算法很难满足大型水面舰艇编队防空武器的武器目标分配(weapon target assignment,WTA)问题,提出一种将遗传算法融入蚁群算法的混合算法。分析了遗传算法和蚁群算法的优缺点、利用遗传算法快速全局随机搜索能力生成一组粗略解,用其作为蚁群算法的初始信息素,再利用蚁群算法的并行性、正反馈机制,最后求得最优解,并对遗传-蚁群算法与蚁群算法、遗传算法这3种方法进行仿真比较。分析结果证明:遗传-蚁群算法用更少的时间获得最优的火力分配方案,缩短了武器系统反应时间,在求解质量方面有较大优势。     

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。     

一种新型启发式搜索算法研究

提出了一种用于解决复杂优化问题的新的启发式算法--蚁群算法.采用该算法进行了无人机的航路规划,为求解无人机航路规划问题提供了一种新的算法.该算法对传统蚁群算法进行了改进,更好地解决了无人机的航路规划问题,文中进行了相应的仿真,仿真结果表明了算法的有效性.     

试验任务软件测试用例设计与测试管理

根据实时应用软件维护特点，软件更动后按照软件测试用例设计要求设计测试用例，注重测试用例设计技术，可以提高软件测试质量、减少测试工作中出现技术问题的机率。制定试验任务软件测试管理方法并按此方法操作，可避免由于软件更动控制工作疏忽而造成测试遗漏，防止软件更动引发更多问题。     

析新型中心机系统CCP应用软件的测试

概述了应用软件测试的原则、过程及测试方法和测试技术，对测试用例的优化提出了建议并介绍了CCP应用软件测试中可借鉴的作法。     

飞行控制软件测试用例生成技术

为进行飞行控制软件测试,采用扩展有限状态机(extended finite state machine,EFSM)模型对弹药飞行控制软件测试需求建模和测试用例的生成展开研究。将时间约束作为变量处理和并发任务的平坦化分析进行研究,通过分析生成了模拟软件完整执行过程的测试序列,采用组合设计解决了各输入变量不同取值之间的组合问题,并提出为变量增加时间属性来描述产生测试信号的时刻。以某弹药飞控软件为例,进行建模和测试用例生成实践,验证了方法的可行性。该研究为有限状态机模型在飞控软件和其它实时软件测试中的应用进行了探索。     

软件测试用例的复用研究

软件测试用例复用是在软件测试过程中避免重复劳动的解决方案.对于第三方测试机构来说,测试用例的成功复用对与测试工作的开展尤为重要.通过复用,测试人员可以充分利用已有的测试用例,消除包括分析、设计、编码、验证等内在的许多重复性劳动,从而提高软件测试效率.同时,高质量测试用例的复用,还避免了重新开发可能引入的错误,保证了软件测试的质量.     

大规模WSN分簇路由蚁群算法的研究

为提高大规模WSN路由性能,提出了基于蚁群算法的无线传感器网络分簇路由算法。首先将网络节点进行聚类,将整个网络分解成一些小规模的区域类,然后利用蚁群算法对每个区域类并行求解最佳路径,并将所有区域类的路径解按一定规则生成整个网络路由的较优解。该算法根据聚类特征对任务进行分解,利用蚁群算法并行求解子问题后再生成全局解的方式,极大地加快了算法的求解速度,对建立大规模WSN路由有着重要启示。算法的时间复杂度和仿真测试分析表明,此算法具有良好的性能。     

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.     

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。     

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.     

基于蚁群算法的测试任务调度优化方法

复杂系统测试通常存在任务复杂、测试时间长、资源浪费等问题,对资源和任务进行合理调度具有重要实用价值。提出基于蚁群算法的测试任务并行任务调度优化方法,对测试问题进行描述,与蚁群算法结合,设计了启发函数、状态转移规则;根据算法流程获得测试时间最短的任务调度序列;针对任务序列多解的问题,提出资源均衡度的评价标准,得到最优的资源任务调度序列。基于蚁群算法解决了复杂测试系统任务调度问题,对某实际测试系统资源任务集进行调度仿真,并与随机穷举法对比验证算法的有效性,结果表明该方法能大大节约测试时间。测试实例与当前常用的半串行测试进行对比,测试效率提升了43.07%;所得结果为最短测试时间任务调度序列中资源均衡度最高的。     

改进蚁群融合DWA算法的移动机器人路径规划

为实现机器人在动态环境下的自主导航,基于蚁群算法规划出全局最优路径的情况下采用DWA算法进行局部避障。根据距离障碍栅格的远近计算邻接栅格的初始信息素,提出初始信息素不均匀分配原则;对启发式函数进行自适应调整的改进,提高算法的搜索速率;利用狼群法则改进信息素更新方式,对最优、最差和普通层蚂蚁进行分类更新,提高算法的寻优能力;使用二次路径优化的方法,有效减少路径长度,提高路径的平滑度;以蚁群算法全局规划路径的关键点为目标点,采用DWA算法进行局部路径规划。仿真结果表明：改进后的融合算法能减少最优路径长度,减少路径转弯次数且有效躲避障碍物。     

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巡航导弹巡航段航路规划

为提高巡航导弹的突防概率,在对敌防御区域内的目标进行打击时,必须保证它能以较小的被发现概率和可接受的航程接近目标.针对这一问题,提出一种新的航路规划区域粒度控制图--圆径图,对传统的蚁群算法进行了讨论和改进,使其更具智能化,将它们应用于巡航导弹的航路规划问题,详细地考虑了巡航导弹航路规划中的各种影响因素,提出合理的代价函数,进行了仿真计算.仿真结果表明,圆径图和改进后的蚁群算法能够较好地解决巡航导弹的航路规划问题,改进后的算法收敛速度快,全局寻优能力强.     

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。     

基于蚁群算法的Ad hoc网络节点信息感知路由研究

针对Ad hoc网络易出现拥塞,路由查找过程较慢,将蚁群算法应用到Ad hoc网络的路由选择问题上,提出一种基于网络节点链路拥塞度和识别目的节点信息素的Ad hoc网络路由算法。该方法根据网络中链路拥塞度值来修改信息素的挥发因子,并利用其进行蚁群信息素浓度更新,使路由选择与网络参数相关联,实现拥塞控制。仿真结果表明:该算法在分组交付率和平均端到端延迟等方面都有一定的改善。