基于改进遗传算法的多弹协同攻击航路规划

针对多弹协同攻击航路规划问题,提出一种基于改进遗传算法的多弹协同航路规划方法。通过优化航路 种群初始化的方法,生成能够满足最大航路点个数约束以及最小航路段长度约束的航路;采用亚种群归类将航路区 分为不同的走向,得到多种攻击航路结果;利用进化算子对子代航路进行微调,生成更符合要求的多条航路,并对 多弹攻击航路进行仿真验证。结果表明,该算法可得出最优和多条次优航路,符合多弹协同作战的目的和要求。     

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.     

基于T/S-SAS的多无人机四维协同攻击航线生成

针对多无人机攻击目标时间协同以及飞行航线空间协同问题,提出基于时间与空间双协同稀疏A^*搜索(T/S-SAS)算法的多无人机四维协同攻击航线生成算法。改进飞行扩展节点模型,设计基于并发扩展的算法结构,建立时间协同代价计算模型与多机防碰撞约束模型,并开展仿真研究。研究结果表明：所提算法能够增强无人机攻击航线的规划效率、减少不同无人机抵达目标的协同攻击时间极差、解决不同无人机之间的空间防碰撞问题;该算法使多无人机协同攻击航线满足时间/空间约束,提升了多无人机协同时间打击性能及飞行路线空间协同性能,提高无人机协同作战效率与作战能力。     

一种基于遗传模拟退火算法的航迹优化方法

航路规划是飞机地形回避系统的一个关键环节,是完成低空飞行任务的基础;针对飞机地形回避过程的航路规划技术进行了研究,利用k均值算法对地形采样点进行聚类,建立地形障碍空间模型,运用狄克斯特拉算法进行初始航迹规划,然后利用遗传模拟退火算法对航迹进行优化,缩短整个航线的航程;通过仿真验证了方案的可行性和合理性。     

一种弹载相控阵天线互耦系数计算方法

针对目前弹载相控阵天线互耦补偿时估计互耦系数的速度慢,精度不高的问题,提出一种精确计算弹载相控阵天线单元互耦系数的改进人工鱼群算法。该方法基于信号子空间理论,采用双辅助信号源估计雷达天线阵互耦系数。两次计算机仿真结果表明,改进人工鱼群算法在130 s和190 s左右收敛,而模拟退火算法在170 s和220 s左右收敛;同时,改进人工鱼群算法计算的互耦系数幅值和相位精度较高,空间波谱估计的效果前者也好于后者。暗室实验也表明了改进人工鱼群算法在空间波谱估计效果上好于模拟退火算法,证明了该方法的有效性。     

基于改进人工鱼群算法的无人机路径规划

针对使用基于网格划分策略的改进人工鱼群算法计算无人机路径规划问题中寻优精度与算法计算量的矛盾,提出一种改进人工鱼群算法,该算法引入自适应步长和执行概率自适应分段网格遍历策略.算法前期用较大步长全局搜索较优路径,后期用较小步长及网格分段遍历策略在较优解附近进行局部遍历得到更精确最优解.仿真结果表明所提改进人工鱼群算法比原始鱼群算法和自适应步长人工鱼群算法结果更精确、稳定,较基于简单网格划分策略的人工鱼群算法计算量更小.     

求解多机协同任务规划的改进遗传算法

针对多无人机协同任务规划问题,提出一种改进的遗传算法。根据每个目标所需执行的任务类型,采用矩阵式编码方式,引入启发式规则来确定各飞机执行其所要执行任务的先后顺序,并采用模拟退火算法来对结果进行局部优化。实验结果表明,该算法能有效求解多机协同任务的规划问题。     

基于协进化多子群蚁群算法的多无人作战飞机协同航迹规划研究

协同航迹规划是有效提高多无人作战飞机( UCAV)协同作战效能的关键技术之一。分析了多UCAV协同航迹规划问题中的空间协同约束、时序约束以及任务时间约束，建立了基于“协同系数”的协同航迹性能评价指标；在此基础上，通过引入蚂蚁子群间的协同进化策略，并对蚁群算法状态转移规则、信息素更新机制进行了改进，设计并实现了基于协进化多子群蚁群算法的协同航迹规划算法。仿真实验结果表明：本文方法能够很好地处理多UCAV协同任务中的各类约束条件，是一种有效的协同航迹规划方法。     

考虑时空协同的滑翔制导炮弹单炮多发快速弹道规划

针对单炮多发应用场景,研究在时间、空间协同等多约束条件下的滑翔制导炮弹快速协同弹道规划问题。为平衡序列凸优化(Sequential Convex Programming, SCP)算法在快速性与最优性之间的冲突,提出一种改进的SCP算法;考虑到多约束条件下可行域较小、初值敏感性较高的特点,设计两种迅速且有效的迭代初值生成方案;为充分发挥弹群整体控制能力,采取集中式的协同规划策略,同步求解所有方程组,以达成全局规划目标。仿真实验结果表明,新算法能够较好地解决多约束条件下的协同规划问题,与现有文献中的常见算法进行对比,具备良好的收敛性能和较高的计算效率。     

利用神经模糊算法的飞行器航线规则

提出了保持低空飞行回避地形障碍的飞行航线规划方法。介绍了飞行航线规划系统的结构和利用神经模糊算法的操舵法学习。通过仿真证明了用神经模糊算法规划飞行器航线的优点。     

基于混合离散粒子群算法的多无人作战飞机协同目标分配

针对多无人作战飞机(UCAV)协同目标分配问题,提出了一种基于混合离散粒子群算法的多UCAV协同目标分配方法。混合离散粒子群算法根据多UCAV协同目标分配问题的特点,设计了新的粒子群位置和速度更新公式,并且充分利用粒子群优化算法的全局搜索能力,同时利用禁忌搜索的局部搜索能力,使2种算法的优势得到互补,较为显著地提升了原算法的性能。仿真结果表明:混合离散粒子群算法能够有效地解决多约束条件下多UCAV协同目标分配问题,并且算法简单、灵活,易于实现和扩展。     

基于改进遗传算法的导弹火力分配研究

针对传统的火力分配方法效率低、通用性差、且容易陷入局部最优解的问题,提出一种基于改进遗传算法的导弹火力分配方案。通过对多兵种合同作战中导弹火力分配问题的分析,引入"广义价值"作为参数构建了数学模型,利用改进的遗传算法进行求解,并通过仿真验证了模型和算法的有效性。仿真结果证明:该方案是有效的,可为合同作战中导弹的火力分配提供参考依据。     

分类信息辅助的神经网络联合数据关联算法

为解决多目标跟踪中数据关联问题引入神经网络UKF算法和分类信息辅助方法.通过计算分类混淆矩阵确定分类信息似然函数,再用该函数调整只利用运动信息的似然函数,使分类信息有效辅助神经网络联合概率数据关联.在杂波环境中对多个近邻且不同种类目标跟踪,针对联合概率数据关联(JPDA)存在的计算组合爆炸问题,利用Hopfield网络解决TSP问题的思路得到神经网络联合概率数据关联(NJPDA)方法.基于以上关联方法得到的关联概率,仿真表明该算法提高了数据关联的有效性和快速性.     

基于改进序列二次规划的非线性控制分配

针对多操纵面飞机舵面偏转角与力矩系数之间的非线性问题,提出一种改进粒子群算法(particle swarm optimization,PSO)和序列二次规划算法(sequential quadratic programming,SQP)相结合的方法来解决非线性控制分 配问题。以飞翼模型为对象,对模型舵效进行分析,在舵效非线性的情况下,采用拟合函数的方法来表示舵效的非 线性;对粒子群算法进行改进,采用拟牛顿法及线搜索方法对序列二次规划方法进行改进,并对改进后算法的拟合 效果进行比较;在线性舵效与非线性舵效下进行仿真对比,验证了算法的有效性。仿真结果表明：该算法能提高粒 子群算法的全局搜索能力,保证分配的准确性。     

基于导航点改进Gauss伪谱法规划滑翔导弹航迹

为了研究滑翔导弹的航迹规划问题,利用优化理论,规划了多约束条件下导航点之间的航迹。基于导航点位置改进Gauss伪谱法(Gauss pseudospectral method,GPM),利用改进GPM离散控制变量和状态变量,将最优控制问题转化为非线性规划问题,利用改进序列二次规划算法求解。GPM求解分段航迹规划问题,需要迭代获取下段航迹的飞行时间,降低了算法效率。改进GPM能够有效弥补单纯以时间为自变量带来的诸多规划中的不足,具有更为宽泛的优化目标适应能力。算例结果表明,改进后的算法能够准确、高效地规划一条合理的航迹,满足飞行约束条件。     

多被动传感器多目标数据互联算法

将求解指派问题的行列启发式算法应用于求解多传感器多目标数据互联的广义3D分配问题松弛的2D子问题;针对3D分配算法计算量较大的问题提出一种改进算法。仿真结果表明,行列启发式算法不仅实施方便,而且程序运行时间较短。改进的3D分配算法既大幅度降低了3D分配问题的拉格朗日松弛算法的程序运行时间,又可将目标互联准确率提高3%～5%。行列启发式算法与改进的3D分配问题算法联合使用,可进一步减少改进3D分配算法的运算量,使其能更好地适应工程实际应用的需要。     

基于混沌遗传算法的测试选择优化问题研究

针对测试选择优化这一NP难解问题,文中利用改进的遗传算法对其进行优化.算法以遗传算法为主流程,利用混沌现象不重复遍历的特点优化生成初始种群,然后对每次迭代中的个体以一定的概率进行混沌优化.最后,以超外差接受器为例,对算法的有效性进行了验证.事实证明,该算法能够较快地搜索到优化问题的最优解,验证了混沌遗传算法对测试选择优化问题的有效性.     

基于改进蚁群算法的战时雷达器材运输调度模型

针对战时雷达器材运输中的有硬时间窗要求的运输调度问题,提出了一种改进的蚁群算法。通过分析其模型的建立,引入最大最小信息素约束,用奖惩因子用于信息素的更新,局部搜索策略2-opt和or—opt。并通过实例进行验证,结果表明,在雷达器材需求点数目和需求量等各种条件已知的情况下,该算法能得到较好的全局最优解,比基本蚁群算法具有更快的收敛速度和更高的收敛精度,并对其它相关的运输调度问题有很强的借鉴意义。     

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。     

基于改进进化规划的RBF网络二相码旁瓣优化

在研究雷达脉冲压缩信号中的二相编码距离旁瓣压缩问题基础上,采用改进的进化规划算法优化径向基函数网络,提出了一种基于改进进化规划算法的计算方法.该算法将进化规划算法和神经网络结合起来,用径向基RBF(Radial Basis Function)神经网络结构取代多层前馈网络MFNN(Multilayer Feedforward Neural Nerworks)结构,用改进进化规划取代反向传播算法BP(Back Propagation),可以以较大概率快速的收敛到要求的旁瓣抑制指标.通过对13位巴克码和31位M编码的仿真实验,表明新的方法在旁瓣抑制能力和运算速度等性能方面,都有较大的提高.