基于智能搜索的坦克机动任务规划

在未来高技术局部战争条件下,坦克不得不面临一个动态复杂的战场环境,这就要求坦克能根据战场环境实时地进行任务规划。以单辆坦克在陆地上的自主机动为背景,提出了一种基于智能搜索的坦克机动任务规划方法。在机动任务规划的实施方面,重点描述了两个基本方面：坦克机动环境的评估及坦克机动任务规划的自主实现。构造了一种智能搜索方法,同时应用这种方法提出了实现坦克自主机动的基本思路,并编制应用程序,进行实例检验。结果表明,这种方法科学合理,为坦克机动任务的规划提供了新思路。神经网络评估方法具有普遍意义,能推广应用于坦克其它方面的任务规划。     

面向冷链物流配送路径优化的知识型蚁群算法

生鲜电商、冷链宅配的盛行使冷链物流订单呈现出"小批量、多批次、易腐坏"的特点,进一步增大了城市冷链物流配送路径优化的必要性与难度.鉴于此,同时考虑顾客满意度和道路拥堵状况,构建最小化总成本的冷链车辆路径优化数学模型.为求解该问题,将知识型精英策略下的禁忌搜索算子和动态概率选择的知识模型融入蚁群算法,设计一种新的知识型蚁群算法.通过对模拟实例和真实实例进行仿真实验,对传统蚁群算法、基于禁忌搜索改进的蚁群算法与所提出的知识型蚁群算法进行对比分析,验证了所构模型和知识型蚁群算法的有效性.     

基于协同进化的混合变量多目标粒子群优化算法求解无人机协同多任务分配问题

无人机多机协同控制系统近年来已被广泛地应用在军事打击、海洋监测、陆地航拍和灾情探测等领域.针对无人机协同多任务分配问题,为了更加准确地描述无人机协同多任务分配场景,本文考虑实际应用场景下的多种复杂约束,并以无人机飞行总航程最少和任务完成时间最短为优化目标,构建了混合变量多约束的无人机协同多任务分配问题模型M-CMTAP.为了高效求解上述模型,本文提出一种基于协同进化的混合变量多目标粒子群优化算法C-MOPSO.C-MOPSO采用基于任务分配和路径规划的编码方法表示无人机的任务分配结果和路径规划结果及基于约束处理的可行解初始化方法生成可行粒子;同时利用基于结构学习的重组策略对粒子进行更新以提高种群的多样性和收敛性;并引入协同进化策略在两个子种群之间进行合作进化以提高算法的搜索效率.根据无人机和目标的分布状态设计4个代表性的测试实例并验证算法性能,实验结果表明,与其他采用协同进化策略的算法相比,所提算法在解的收敛性和解集多样性上均具有显著的性能优势.     

基于知识的智能优化引导方法研究进展

为了提高智能优化方法的优化性能,国内外学者通过知识来加强对优化过程的引导.对基于 知识的智能优化引导方法进行了综述:一方面通过传统人工智能手段来实现对智能优化方法的引导; 另一方面通过特定知识模型来实现对智能优化方法的引导.从前期优化过程中挖掘有用知识,采用知识来引导后续优化过程,极大地提高了智能优化方法的优化性能.     

基于平行管理的弹性学制仿真与优化

为了提高硕士研究生培养模式的有效性,采用平行管理方法来研究弹性学制的优化问题.采用仿真软件Extend来构建弹性学制的人工系统,基于人工系统来评估培养模式的效果;采用计算实验方法来不断调整弹性学制中各种学制之间的跃迁方式,最终得到一套有效的弹性学制培养模式.以某大学的培养模式为例,说明本方法能够实现弹性学制的仿真、评估和优化.     

无人驾驶坦克自主作战决策系统框架

提出了一个分布式解决无人驾驶坦克自主作战决策的框架，将自主作战、动态任务规划和任务策略的智能评估等思想引入无人驾驶坦克自主作战决策系统。包括以下两个重要内容：主体个体的能力和职责；信息和知识如何在主体之间传播使得他们能准确地完成作战任务。文中重点是无人驾驶坦克自主作战决策系统中主体之间动态知识的交换。主体确保自己的行为是一种动态的经验操作和直接与其他主体交流事实、需求和规则的结合。在各个主体中，知识可以作为事实、规则、需求的结合体来传播交换。     

SVNTS算法的动态武器目标分配问题研究

动态武器目标分配(Weapon Target Assignment,WTA)问题是军事运筹学研究的重要理论问题,也是作战指挥决策中迫切需要解决的现实问题。运用约束规划方法建立了动态WTA问题的约束满足问题(ConstraintSatisfactionProb-lem,CSP)模型。提出了随机变邻域禁忌搜索(StochasticVariableNeighborhoodTabuSearch,SVNTS)算法对模型进行求解。与静态WTA模型相比,动态WTA模型通过时间优化以及匹配优化解决了武器射击时机问题,提高了武器利用效率。SVNTS算法运算速度快,解的质量基本令人满意,可用于解决较大规模的动态WTA问题。最后通过仿真实验,验证了模型和算法的有效性。     

基于Petri网和混合蚁群算法的多星成像调度

提出一种基于综合指标Petri网和混合蚁群算法的多星成像调度策略。在综合指标Petri网变迁中引入指标信息,处理多星并发观测和卫星资源竞争关系、反映卫星能量和存储等约束,使得问题描述更直观和完备。设计一种嵌入局部搜索技术的蚁群优化算法,通过启发式信息综合变迁中的指标,引导蚂蚁进行全局搜索。仿真实例结果表明,该策略能有效求解多星成像调度问题,实现全局搜索和快速收敛的平衡。     

特征选择和支持向量回归参数的联合优化

为提高支持向量回归算法的学习能力和泛化性能,提出了特征选择和支持向量回归参数的联合优化方法。联合优化方法采用主成分分析产生新的特征集,以方均误差为目标计算回归精度,并应用实数编码的免疫遗传算法求解此优化问题。仿真实验结果表明,联合优化的回归精度要优于单独优化特征和支持向量回归参数,而且优化速度更快。     

考虑客户满意度的低碳冷链车辆路径优化

在考虑冷链配送客户满意度的基础上,以车辆载重、客户时间窗和冷链产品变质率为约束,构建在客户服务时间范围内以碳排放量最小为优化目标的冷链车辆路径优化模型。将信息素浓度上下限融入传统蚁群算法,并结合领域搜索加快收敛速度、提高算法全局搜索能力。通过实例仿真表明,在低碳冷链VRP问题的求解过程中,改进型蚁群算法能够以更高的效率搜索最优成本。模型同时满足企业经济及社会效益,在不同规模实验场景下取得良好的路径优化效果,验证了模型的有效优化能力。