多任务空地武器多目标协同优化任务规划算法研究

在复杂的战场作战环境中可能存在多个动态威胁,如何快速规划出最优航路是攻击任务顺利执行的关键.本文提出一种在文化算法框架下稀疏A?算法与遗传算法(Genetic Algorithm,GA)相结合的动态航路规划算法,用于多任务空地武器多目标协同任务优化中.算法基于文化算法思想框架,首先利用稀疏A?算法快速获取初始航路及航路...     

基于ACA_PSO算法的无人机分布式任务分配方法

为解决分布式任务分配问题，采用“粒子化”的蚁群算法进行无人机分布式任务分配。基于蚁群_粒子群混合算法，在原有蚁群算法基础上进行改进，使其具有“粒子”的特性。建立扩展协同多任务分配问题模型(ECMTAP)，采用构造允许的状态转移集合的方法，大大减少了产生的不合理解的个数，并弥补了蚁群算法陷入局部最优和早熟问题的缺点。实验结果表明：该算法能够有效地解决复杂约束条件下的多无人机分布式任务分配问题，具有较好的收敛速度和任务分配结果。     

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。     

一种无人侦察机监控航线规划方法

提出了一种基于粒子群优化算法的监控航线规划，探讨了粒子群中单个粒子的编码方式和解码顺序，研究了航线光顺方法．最后进行了仿真检验．结果表明，该算法切实可行，初步解决了无人侦察机的监控航线规划问题，在一定程度上提高了无人侦察机的监控效率．     

一种新的混合聚类算法

针对模糊C均值算法与粒子群算法的不足,提出了一种基于粒子群算法和模糊C-均值算法的混合聚类算法.该算法将全局搜索和局部搜索有机结合,采用两阶段的聚类分析方法,解决了FCM算法易于陷入局部最优和PSO算法局部搜索较弱的问题.实验结果表明,该算法具有较好的有效性,增强了全局收敛能力,减小了分类错误率.     

不确定环境下基于PSO 算法的多无人机任务分配方法

实战环境下,无人机所获得的信息通常具有不确定性,针对不确定环境下的多无人机任务分配问题,提出了一种决策方法。分析无人机任务规划中各指标的不确定性,采用主观赋值和客观赋值相结合的方法,确定指标的综合权重,将离散粒子群优化算法和区间数排序方法相结合,给出区间形式不确定信息的无人机任务分配方法。仿真实验结果表明了该方法的可行性和有效性。该决策方法不仅能解决确定信息情况下的无人机任务分配问题,而且能解决区间数不确定信息情况下的无人机任务分配问题。     

多目标时空同步协同攻击无人机任务分配与轨迹优化

针对复杂战场环境下分布式无人机对多目标协同打击任务,提出多目标攻击的任务分配与轨迹优化算法.建立典型多目标打击的任务场景和无人机模型;基于Delaunay三角形理论,以禁飞区为节点构建搜索地图;运用A*算法实现威胁最小的单机路径搜索;在无人机动力学约束和能耗损失最小的基础上,引入时间调节因子,采用基于贝塞尔曲线的分布式...     

多无人机多任务对地攻击协同任务分配

针对多无人机对地协同攻击多任务分配问题,通过合理假设对问题进行抽象简化的基础上,建立了基于任务分配收益和代价的总体分配效能函数模型,并以此模型作为任务分配方案的评估标准。引入各种操作符重新定义了离散粒子群优化算法的速度以及位置更新公式,建立了算法实现的基本流程,并利用该DPSO优化算法对任务分配模型进行求解。分别针对多UAV单任务,单UAV多任务以及多UAV多任务进行仿真分析,结果表明,DPSO算法比遗传算法具有更好的全局搜索能力和收敛速度,通过仿真验证了任务分配模型的合理性和正确性,验证了算法的有效性和相对于遗传算法的优越性。     

基于改进合同网的无人机群协同 实时任务分配问题研究

在未来的信息化战争中,战场环境日益复杂且瞬息万变,无人机群的任务分配结果需要根据战场信息的改变迅速做出响应。针对无人机群协同实时任务分配问题,提出改进合同网算法。通过招标者参与投标策略,将招标者作为基准筛选优质的投标者;引入并发机制,使多个任务可以同时进行拍卖。所提算法提高了协商效率,减少了通信量和通信频率。仿真结果表明,基于并发的合同网算法能够快速有效处理复杂战场中出现的各种突发情况,满足实时任务分配的要求。     

多车协同目标跟踪方法

地面无人系统中多车信息融合技术是提升系统环境感知能力的重要途径。针对单车传感器存在视野遮挡及盲区导致的目标跟踪不连续不稳定问题,提出一种集中式多车协同感知的结果级融合系统模型。该系统模型采用激光雷达作为车辆感知传感器,对不同车辆构建的环境栅格地图在主控端采用D-S证据理论进行融合、得到全局静态环境地图,完成多车协同感知环境模型的构建。在此环境模型基础上设计一种多车协同目标检测与跟踪方法,采用极大值抑制的方法解决检测目标融合冲突;设计一种级联动态目标匹配与跟踪管理方法,完成目标预测跟踪并将结果下发给各车。由两辆无人车组成的实车系统测试结果表明：当出现目标遮挡时,所提多车协同目标检测与跟踪架构相对于单车感知在环境表征上能够获得更全面的目标信息,跟踪目标未出现漏检,未发生跳变;跟踪器输出位置状态结果与检测结果误差较小,能够对所跟踪目标的状态进行准确估计,跟踪轨迹保持连续,有效提高了单车环境感知视野。     

基于文化基因算法的多目标优化

针对粒子群算法收敛速度慢、求解精度低的不足,提出了将粒子群改进作为全局搜索,多目标模拟退火算法作为局部搜索的文化基因算法,将交叉和变异操作引入粒子群全局搜索中帮助跳出局部最优。对于多目标优化问题,根据非劣解的拥挤度决定最优值的选取策略,并将该算法用于多目标优化的实际求解中。仿真结果表明,该算法不仅能快速有效地得到Pareto解集,并且能有效地保持所求最优解的多样性。     

基于离散粒子群优化算法的多值属性系统故障诊断策略

针对传统离散粒子群优化（PSO）算法仅能搜索多值属性系统（MVAS）最小完备测试集的问题,通过重塑离散PSO算法,提出一种测试序列寻优算法—PSO-测试(TS)算法。在多值D矩阵和五元组的基础上,公式化处理MVAS的诊断策略。重塑离散粒子群的过程,将离散PSO算法与MVAS的故障诊断策略融合。设置PSO-TS算法的自身认知和社会知识阶段的计算规则,并通过引入交换序提升PSO-TS算法中粒子的多样性。采用实例和随机仿真实验验证PSO-TS算法。研究结果表明：与MV-Rollout和MV-IG算法相比,PSO-TS算法的期望测试费用少,能够获得较优的诊断策略,但是运行时间较长。     

多约束条件下战时装备维修任务分配方法

针对现有战时装备维修任务分配中考虑约束条件不足、脱离实际的问题,以指派问题为基础,建立装备维修任务分配模型。该模型是在时间限制和维修能力限制的约束条件下,综合考虑装备修理时间、机动时间和维修能力的变化等因素,以修竣装备的重要度之和最大为目标,进行维修任务分配的最优决策。同时设计一种两阶段启发式算法,运用遗传算法和邻域搜索方法进行模型求解。通过算例和对比分析,验证了该方法的合理性和有效性。     

基于粒子群算法优化的目标识别方法

误差反向传播算法(back-propagation简称BP算法)是当前前馈神经网络训练中应用最多的算法,其优化算法也层出不穷。针对LM优化算法存在局部极小点的问题,通过采用基于优化理论的粒子群优化算法(PSO)来改进Levenberg-Marquardt(LM)算法。将提取的目标瞬态特性特征作为各种算法的输入,通过mat-lab仿真,对整个样本进行训练,并随机选择小样本进行检验。结果表明,优化方法均合理可行,其收敛速度和预测精度有明显的提高,综合来讲,粒子群算法优化后的LM算法表现出较大的优越性,为利用目标的瞬态特性进行目标识别提供了一种新方法。     

无人作战飞机侦察监视航路规划研究

侦察监视航路规划是无人作战飞机（unmanned combat aerial vechicles,UCAV）任务规划系统的一项重要研究内容,其目的是找到一条从起始点出发并最终回到起始点,在某种性能指标下最优的飞行路径。本文提出了一种航路规划的遗传粒子群优化算法,设计了算法流程,给出了规划方法,解决了大范围内单／多机的侦察监视航路规划问题,仿真结果证明了该算法的有效性。     

内装式空中发射运载火箭点火状态多目标优化

针对内装式空中发射运载火箭状态空间广泛的特点,提出基于粒子群优化算法的空中发射系统的多目标优化方法。定义了以箭机分离时载机的姿态角、稳定伞的阻力特征、运载火箭点火时的角速度为自变量的粒子群广义位置和广义速度。建立了以箭机安全距离、运载火箭有效动能与耗能的比值、运载火箭控制机构耗能为变量的多目标优化模型。利用MATLAB软件计算优化模型,分析优化结果,证明适用于解决空中发射系统的优化问题。     

基于粒子群优化算法的多目标搜索算法

针对多目标优化问题在实际应用中的复杂性,提出一种采用粒子群优化算法来求解多目标优化的问题的方法。在分析了多目标优化问题的基础上,以粒子群优化算法对生产配料流程中的优化问题为例进行非劣最优解集的搜索,并将其运用于实际工程制造中的某配料选型工艺计算中。仿真结果表明:该方法有效,在工程设计选型、模式分类、神经网络训练以及系统控制等领域正得到普遍应用。     

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。     

无人集群系统协同运动规划技术综述

地面无人集群由多个地面无人移动平台构成,能够通过各无人平台间相互协同完成统一的系统协同目标,在军事和交通系统等领域能够发挥重要的作用。协同运动规划作为无人集群系统协同的关键技术之一,近年来在理论和应用等方面的研究受到越来越多的关注。针对此研究问题,归纳总结了近年来相关领域的无人集群系统协同运动规划的研究成果,阐述了无人集群协同运动规划技术的研究背景和意义,结合国内外发展现状和研究进展,对多车协同系统的应用进行了表述,并根据主流研究方法使用的框架和算法,对现有的协同运动规划技术进行分类,并讨论了各类方法的主要特点,同时对相关代表性工作进行讨论,提出了无人集群协同规划技术面临的挑战和未来发展方向。     

基于区间直觉模糊决策的多无人机任务分配方法

针对多无人机在不确定环境下面向SEAD 约束的任务分配问题,提出一种基于区间直觉模糊决策的多无 人机任务分配方法。构建面向不确定环境下无人机的任务分配数学模型,将无人机和任务的不确定信息用区间直觉 模糊数表示;借助TOPSIS 原理,考虑区间直觉模糊数的曼哈顿距离和犹豫度对区间直觉模糊数进行比较,采用改 进后的离散差分进化算法求解得到最优的任务分配方案。结果表明：该分配模型合理,算法具有较好的收敛性。