基于遗传算法的构筑急造军路工程机械运用优化配置

为解决战时合成部队工兵分队构筑急造军路工程机械编组配置的问题,运用遗传算法进行求解.根据战时机动工程保障中的构筑急造军路任务需求,对构筑急造军路任务进行分析,采用整数线性规划的方法建立工程机械优化配置模型,给出装备最优编配和最佳运用效能,并通过实例进行验证.分析结果表明:该方法为合成部队工兵分队构筑急造军路工程机械编组配置提供了优化途径,提高了工程机械优化配置的准确性.     

基于多目标局部变异-自适应量子粒子群优化算法的复杂地形多传感器优化部署

对复杂地形下的多传感器部署问题进行研究,提出了基于多目标局部变异-自适应量子粒子群优化（LM-AQPSO）算法的多传感器多目标优化部署方法。该方法对复杂地形进行多属性网格建模,给出了传感器探测模型和优化目标。引进局部变异和参数自适应策略对量子粒子群优化算法进行改进,并提出了基于LM-AQPSO的多目标Pareto最优解集优化算法。考虑多目标部署需求,构建了基于Pareto最优解集的多传感器优化部署模型。仿真实验结果表明：相对于经典的改进非支配排序遗传算法,所提算法优化的Pareto最优解有着更好的收敛性和分布性,且寻优时间更短;所提模型能有效解决多目标多传感器部署问题,并能同时提供更多的决策方案。     

装备伴随抢修任务分配决策方法

针对陆军装备现地抢修任务强度大、抢修期短、力量分散的特点，提出多抢修组条件下装备战场伴随抢修的组织实施流程，并分析了多抢修组条件下装备伴随抢修决策优化问题。综合抢修任务总完成量和抢修耗时建立决策优化目标函数，以抢修时间为硬约束条件，建立了多抢修组装备伴随抢修决策优化模型。为解决高维决策空间求解难题，通过改进遗传算法确定了任务分配和抢修顺序联合决策求解方法。案例分析表明，该模型适于解决多抢修组伴随抢修任务分配和路线规划问题，求解算法具有一定的稳定性。     

遗传算法在多车型军备物资配送路径优化中的应用

结合部队物流客观实际和可能承担的军备物资保障任务，构建了带有软时间窗的多车型军备物资配送线路MVRPSTW双层优化模型，上层为多车型线路优化模型，下层为配车方案整数规划模型．通过遗传算法算子设计以及双层优化流程设计求解MVRPSTW模型，并给出了具体应用算例，应用结果证明该双层优化模型及遗传算法的有效性和合理性，能迅速为后勤部队军备物资配送路径选择提供决策依据．     

基于Entropy-TOPSIS 方法的目标威胁动态评估与仿真

为解决在目标威胁评估方法中,确定各属性的权重时受主观因素和高机动目标影响大的问题,提出一种 改进的多属性决策目标威胁评估方法。综合模糊理论和多属性决策理论,通过构造隶属度函数规范化属性值,基于 熵值法求解属性权重,应用TOPSIS 理论进行目标威胁评估,构建不同的态势实例,采用静态数值计算和动态模拟 仿真的方法对算法进行验证。仿真实验结果验证了该方法的合理性和有效性。     

改进的混合遗传算法在防空目标分配中的应用

根据现代海战中防空目标分配的特点,建立了目标分配模型。针对基本遗传算法进行目标分配中存在的问题,提出了一种改进的混合遗传算法。该方法首先对交叉和变异算子进行了改进,引入了小生境技术解决早熟收敛问题。然后利用模拟退火算法具有较强的局部搜索能力,并且能够使搜索过程避免陷入局部最优解的特点,将模拟退火算法嵌入到基本遗传算法的循环中,解决了基本遗传算法收敛速度慢,时间复杂度高的不足。仿真结果表明,混合算法能很快收敛到全局最优解,效果较好。     

多目标优化的多品种维修器材分配问题研究

为了更好地满足部队维修器材需求,优化需求数量超过供应中心库存数的多品种维修器材分配整合供应问题,建立了保障重点、兼顾公平、效用最大的多目标优化模型。提出了采用灰色关联度方法对多目标进行处理,将多目标转化为单目标问题,并将之内嵌到改进遗传算法中。实例验证表明,该算法最优适应度值及平均适应度值可分别降低31.538 5%和37.371 1%,验证了该模型能有效减少器材分配失衡,提高器材供应效率。     

复杂约束条件下伴随修理任务多目标动态调度

针对战时伴随修理任务重、修理时间有限、约束复杂的问题,提出了伴随修理装备维修任务调度的多目标动态调度方法。考虑复杂约束的伴随修理装备维修任务调度军事需求,构建了多目标动态调度模型。该模型在修理能力及修理时间限制的基础上,引入修理时间窗、非遍历约束,考虑修理能力变化以及修复状态的不确定性,以修竣装备总数、修竣装备重要度总和、获得的二次作 战总时间最大为调度目标,进行维修任务的调度决策。设计了基于改进非支配排序遗传算法（NSGA-II）的改进多目标遗传算法进行模型求解,并通过示例仿真与分析验证了该模型和算法的合理性及有效性。     

防空武器多目标优化分配建模与决策

在对决策机理分析的基础上,建立了防空武器系统的多目标分配决策模型,实现了防空导弹的多目标优化分配。在此基础上,提出一种改进的粒子群优化(PSO)算法以求解防空武器的最优分配,通过与遗传算法的实例比较,结果证明了该方法的有效性和优越性。     

基于改进GA优化的神经网络故障诊断方法

在改进遗传算法和BP算法的基础上提出了一种普适的遗传算法与神经网络结合的算法模型.探讨了用改进的遗传算法与BP算法相结合对神经网络权系数进行优化;并将其应用于交流电机故障识别.实践表明,该方法是一种行之有效的智能故障诊断新途径.     

基于SVM决策树的数据链识别分类

摘要：为解决数据链信号识别分类的问题,提出一种基于支持向量机(support vector machine,SVM)决策树的数 据链识别分类方法。通过分析美军常用的数据链通信信号特征,采用小波变换法分析数据链的特征信息,得出小波 系数与信号能量分布的关系,根据SVM 算法原理,构建目标特征模型,对信号特征量进行识别分类,对SVM 分类 器的关键参数进行优化设计,并与BP 神经网络算法进行对比实验仿真。结果表明：SVM 决策树网络分类器在进行 收敛速度和准确率表现优异,能改善分类识别效能。     

延时控制差异并联算法与自适应加权融合算法

为提高延时控制系统现有决策算法的精度,提出了基于遗传算法的差异并联决策算法,利用遗传算法对各个延时电路的决策增量进行优化求解;为改善系统决策算法的鲁棒性,提出一种自适应加权融合算法,在对实测数据进行分析的基础上确定合理的权值分配策略。利用数值算例对精度、可靠度、鲁棒性和实时性的对比表明:与原有算法相比,所提两种算法具有更优的综合性能,其中自适应加权融合算法性能较为均衡,而差异并联算法具有较强的抑制异常测量值能力,适用于对鲁棒性要求较高的场合。     

基于态势描述的机步团作战仿真决策活动模型研究

为解决机步团指挥信息系统在作战行动仿真中决策活动模型的建模问题,在分析决策模型特点的基础上,提出了基于态势描述的决策活动模型,并分析了模型实现的原理,深入研究了机步团作战行动仿真中的态势描述的核心问题,给出了决策模型构建的一种新思路,即基于位置状态、战损状态、任务状态和消息信息等4类实体信息的态势描述方法.     

贪心遗传算法及其在武器目标分配问题中的应用

针对遗传算法在解决武器目标分配问题时存在的缺点,提出了将贪心机制应用于遗传算法解决该问题的思路,即贪心遗传算法.在建立武器目标分配问题数学模型的基础上,探讨将贪心算法思想作为确定性选择原则指导遗传操作实施解空间搜索,分析了贪心遗传算法的编码、生成初始种群,贪心交叉、贪心变异等过程的原理和算法实现流程,应用贪心遗传算法进行了战斗实例计算.结果表明该方法是可行的,避免了遗传算法早熟收敛和封闭竞争的问题,计算量小、算法稳定.     

基于Dice 系数准则的前向预测贪婪回溯算法

为了提高贪婪回溯算法的重构质量,从改进支撑集原子选择方式的角度出发,提出一种前向预测贪婪回 溯算法。采用Dice 系数准则作为相关性度量准则,利用前向预测方法,自适应选择出每次迭代所引入的最佳原子数 目,最终回溯剔除冗余原子,确定最优支撑集,完成信号重构。实验结果表明：该算法保留了贪婪回溯类算法运算 速度快、鲁棒性好的优点,实现了支撑集原子的优化选择。算法在提高重构精度的同时,重构成功率也有所提高。     

基于Dice 系数准则的前向预测贪婪回溯算法

为了提高贪婪回溯算法的重构质量,从改进支撑集原子选择方式的角度出发,提出一种前向预测贪婪回 溯算法。采用Dice 系数准则作为相关性度量准则,利用前向预测方法,自适应选择出每次迭代所引入的最佳原子数 目,最终回溯剔除冗余原子,确定最优支撑集,完成信号重构。实验结果表明：该算法保留了贪婪回溯类算法运算 速度快、鲁棒性好的优点,实现了支撑集原子的优化选择。算法在提高重构精度的同时,重构成功率也有所提高。     

基于SA-GA-BP 的某爆破扫雷器电液伺服系统建模

为解决电液伺服系统的液压元件存在非线性时变性等不确定因素,使得难以对其建立精确模型的问题,提出一种基于模拟退火遗传算法(simulated annealing genetic algorithm,SA-GA)优化BP神经网络的建模方法.利用模拟退火算法(simulated annealing algorithm,SA)的概率跳变能力克服遗传算法(genetic algorithm,GA)存在的早熟现象,在此基础上采用模拟退火遗传算法的全局寻优能力优化BP神经网络的权值和阈值.以某型爆破扫雷器电液伺服系统为例,利用所提方法对系统进行离线辨识.仿真结果表明:基于SA-GA-BP神经网络的建模方法能很好地拟合系统固有的非线性和时变性特性,所提方法是有效的.     

基于贪心原则的传感器网络多重覆盖增强算法

覆盖问题反映传感器网络的感知能力.许多应用场合需要对感兴趣区域进行多覆盖,然而目前大部分的算法仅解决了一重覆盖增强问题.提出了一种给邻域内的节点设置优先级并且依据局部贪心原则使得受虚拟力最大的节点率先移动的k重覆盖增强算法(KCEGA).利用k重覆盖判定算法(KCDA),计算节点自身周界覆盖度以及节点所受的虚拟力大小,并利用贪心原则提高节点移动效率,减少算法迭代次数.仿真结果表明:该方法较随机部署的传感器网络k重覆盖度有了大幅提升,且KCEGA比KCEA具有更快的收敛速度,节约了网络能量.     

基于C4ISR 系统能力需求的语义Web 服务发现技术

针对传统Web服务体系结构不能完全满足部队构建分布式复杂C4ISR系统需求的问题,首先构建了面向服务的C4ISR系统能力需求核心元素及关系模型,之后提出一种基于结构化层次覆盖网的语义Web服务体系结构,定义了体系结构中的相关本体.然后结合层次覆盖网的优点,描述了其工作原理,并基于 OWL-S研究了 Web服务功能匹配算法.最后对比了与注册中心结构的服务查询算法的效率.分析结果表明:该方法明显提高了服务查询的效率,有一定的先进性.     

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.