基于SATC-ALO和SOM神经网络的机群编队分组

首先,分析机群编队分组问题,同时考虑了飞机属性分组模型和飞机油耗分组模型。然后,使用混沌优化算法和锦标赛选择策略优化后的SATC-ALO算法和SOM神经网络求解编队分组模型。最后,使用50组数据进行相似度计算方法和编队分组方法对比实验。实验结果表明,混合计算法方法优于欧式距离法,SATC-ALO算法分组精度最高,并且满足实时性要求,但需要事先指定分组数目,而SOM神经网络的分组精度稍低于SATC-ALO算法,但分组时间优于SATC-ALO算法,并且不需要指定分组数目。2种方法均可以更好地解决编队分组问题,具有实际应用价值。     

基于改进自适应杂交粒子群优化算法和最小二乘支持向量机的空中目标威胁评估

评估空中目标威胁程度是防空指挥控制系统的核心环节,评估的准确程度将对防空作战产生重大影响。针对传统评估方法实时性差、工作量大、评估精度不足、无法同时进行多目标评估等缺陷,提出了一种基于自适应杂交粒子群优化（ACPSO）算法和最小二乘支持向量机（LSSVM）的空中目标威胁评估方法。首先,根据空中目标态势信息构建威胁评估系统框架;然后,采用ACPSO算法对LSSVM中的正则化参数和核函数参数进行寻优,针对传统杂交机制的不足提出改进的交叉杂交方式,并使杂交概率自适应调整;最后,对比分析了各系统的训练和评估效果,并用优化后的系统实现多目标实时动态威胁评估。仿真结果表明,所提方法评估精度高,所需时间短,可同时进行多目标评估,为空中目标威胁评估提供了一种有效的解决方法。     

改进分解进化算法求解动态火力分配多目标优化模型

战前制定合理的火力分配（WTA）方案,可以优化资源配置,用最小的代价获取最大的战场收益。其一,建立了面向多型武器协同进攻作战的动态火力分配（DWTA）多目标优化模型,由多个阶段静态模型构成,各阶段静态模型参数需根据战场态势实时获取;其二,重点研究阶段静态模型求解算法。针对模型特点,设计了一种满足资源约束的编码方式,融合禁忌搜索和拥挤距离策略,提出了一种改进分解进化算法。对比实验验证了算法的可行性、快速性和有效性。     

基于贪婪算法的蠕虫综合容忍预警方法

针对网络蠕虫准确预警的困难性,综合蠕虫传播的特点,提出一种基于贪婪算法的容忍预警方法,对一些危害较小的可疑蠕虫采取一定的容忍机制,设计一个特定报文的数据段结构,在服务器端通过对这类报文的统计分析,计算出是否要启动预警的阈值。通过实验仿真和理论分析,表明此方案具有一定的可行性。     

基于自适应变异混沌粒子群优化和SVM的导弹命中预测模型

针对国内外关于导弹命中预测方面存在的研究深度不足、算法寻优能力不强、模型预测精度不高等缺陷,提出一种基于自适应变异混沌粒子群算法（AMCPSO）和支持向量机（SVM）的导弹命中预测模型。首先,对空战数据进行特征提取,构建模型训练所需样本库;然后,采用改进的AMCPSO算法对SVM中的惩罚因子C和核函数参数g进行寻优,并用优化后的模型对样本进行预测;最后,与经典PSO算法、BP神经网络法、网格法构建的预测模型进行了对比实验。实验结果表明,所提算法的全局寻优能力与局部寻优能力均得到提高,模型预测精度较高,可为导弹命中预测研究提供一定的参考依据。     

通用空空导弹ACMI毁伤评估仿真模型

空空导弹飞行速度快,在系统传输延迟时间内,飞行距离往往大于战斗部的威力半径,难以确定目标机的毁伤情况.可以通过空战演习训练(ACMI)系统能大幅提升空战作战效能,在安全条件下,一般采用仿真模型代替实弹,进行毁伤评估.根据空空导弹飞行力学原理,建立导弹运动方程.为了准确进行毁伤评估,提出了计算导弹与目标最小距离的两种方法,实现延迟时间内完成导弹毁伤评估.最后给出评估的具体条件,建立模型进行仿真.仿真结果证实了模型的合理性和可行性.     

基于截断总体最小二乘算法的车载三轴磁力仪标定

以陆用车载磁导航为应用背景,提出一种正则化三轴磁力仪标定算法。由于车辆的机动受到限制,用于标定三轴磁力仪的观测方程是严重病态的。传统的三轴磁力仪标定方法缺乏对病态问题的处理,难以获得准确的标定参数。文中采用截断总体最小二乘（TTLS）技术对病态的磁力仪标定问题进行求解。该方法能够有效地抑制观测方程两端的误差,并且适合处理强病态问题。通过车载实验对该方法的有效性进行研究,结果表明文中提出的方法能够有效地减缓磁力仪标定中的病态影响,获得更为稳定的数值解,补偿后的平均航向角估计精度为1.5°,满足车载磁导航的精度要求。     

直觉模糊Petri网的空战战术决策

空战对抗时间短、任务重、态势变化迅速、不确定性因素多。直觉模糊集是处理不确定性问题的有效方法,结合Petri网强大的知识表示能力,给出了直觉模糊Petri网（IFRN）的模糊推理算法和推理规则。针对空战战机稍纵即逝的特点,适当选取模糊控制变量和隶属度函数,构建了直觉模糊Petri网决策模型。选取某空战实例进行仿真实验,决策结果与专家的预测结果吻合,验证了模型的正确性和可用性。分析了模型在实际应用中存在的缺陷,提出适当的改进意见,使模型更加完善。     

基于深度学习的空空导弹多类攻击区实时解算

现代空战日趋复杂,传统攻击区只能提供导弹发射的限度,无法满足现代空战决策的需求。基于目标机水平逃逸角度的最大攻击区、50°攻击区、90°攻击区、水平不可逃逸攻击区、最小攻击区等5类攻击区,针对现有攻击区解算方法无法同时解算多种攻击区的问题,提出多函数深度拟合网络(MFDFN)模型,以实现多种攻击区的同时解算。设计了改进的进退法解算流程,通过弹道仿真获取攻击区数据样本库。根据多函数拟合网络的特点,设计了“整体预训练+局部微调”训练策略,并对网络进行有监督训练。仿真结果表明：采用“整体预训练+局部微调”训练策略的MFDFN比传统网络不仅提高了计算实时性,而且很大程度上提高了计算准确性,其平均相对误差低至0.27%,平均绝对误差低至58.81 m;MFDFN模型具有较强的可靠性和实用性。     

基于HPSO-TPFENN的目标机轨迹预测

轨迹预测在现代空战中发挥着重要作用。针对传统轨迹预测模型复杂度大,预测精度偏低,数据样本真实性、可靠性差等问题,结合轨迹数据具有时间连续性的特点,提出了基于HPSO-TPFENN的轨迹预测模型。在Elman神经网络的目标函数中引入时间收益因子,并利用杂交粒子群算法(HPSO)对改进的Elman网络进行参数寻优,构造了HPSO-TPFENN神经网络。提出将三维坐标进行独立预测的方法,并根据空战训练测量仪(ACMI)中记录的真实数据,构建了包括航向角和俯仰角在内的轨迹预测数据样本,建立了基于HPSO-TPFENN的轨迹预测模型。通过仿真实验对比分析了模型进行轨迹预测的精度和实时性,结果表明模型在不同方向的预测误差不超过1%,连续进行595次预测耗时42 ms左右,可以准确、快速地对目标机的轨迹进行预测。