基于改进多目标粒子群优化算法的雷达资源分配方法

针对预警探测任务中多雷达传感器协同探测跟踪同一目标时的雷达资源优化分配问题,提出了一种基于改进多目标粒子群优化算法的雷达资源分配方法。为了获得综合效能最大的雷达资源分配方案,建立了以雷达对目标的探测覆盖占比、雷达交接班次数、目标首点发现时刻为目标函数的多雷达资源优化分配模型,给出了基于改进多目标粒子群优化算法求解雷达资源分配模型的具体步骤。仿真结果表明,提出的方法能够合理地进行多雷达资源优化分配,计算结果高效、可行,算法求解结果稳定,能有效避免基本粒子群算法可能遗漏全局最优解情况的产生。     

基于贝叶斯优化算法的UCAV编队对地攻击协同任务分配

针对UCAV编队对地攻击协同控制决策优化问题,首先构建了UCAV编队对地攻击任务分配的自主价值优势矩阵.在此基础上依据多人冲突理论分别对双方以及本机编队进行权重分配;建立了UCAV编队对地攻击协同任务分配的整体价值优势矩阵,由此根据决策变量与约束条件构建了任务分配问题的数学模型.然后应用贝叶斯优化算法对该模型进行了优化分析.仿真实例表明,所建协同任务分配模型能够反映编队协同控制决策的重要性,而且应用贝叶斯优化算法能够很快收敛到全局最优解,能有效地解决UCAV编队对地攻击的协同任务分配问题.     

基于群体智能算法的无人机协同搜索

为解决无人机集群进行协同搜索时的任务分配问题,在基于天牛须搜索的粒子群优化(BSO)算法的基础上设计了一种天牛粒子群混合(BSO-BAS)算法,克服了粒子群优化(PSO)算法易陷入局部最优解、寻优不稳定的缺点。以多旅行商模型(MTSP)为基础构建了多目标、多约束的无人机集群任务分配模型。通过实验仿真与原始寻优算法进行对比,验证了所设计算法求解无人机协同搜索任务分配问题的可行性和稳定性。     

基于AMPSO算法的无人机任务分配问题研究

针对多无人机多目标任务分配问题,用一种改进的自适应变权重粒子群优化(AMPSO)算法寻找最优分配方案。涉及联盟组建的任务分配问题较为复杂,目前尚不能有效获得最优解。用分配优先权机制处理联盟成员剩余资源不确定的问题,并建立种群粒子和任务分配方案间的映射关系。通过仿真验证,用AMPSO算法可以快速获得多机多目标最优任务分配方案。     

有人机控制无人机群空战多目标分配

针对集中式体系结构下的有人机-无人机群协同空战多目标分配问题,把目标威胁分为固有属性和动态属性两部分,分别建立了目标威胁系数层次结构模型和优势函数模型;根据空战态势的不同,提出了3种效率指标,建立了相应的代价函数;针对3种代价函数,运用离散粒子群算法进行了数值仿真研究,仿真结果表明所用的算法具有良好的收敛性,适合解算文...     

改进粒子群算法的多无人机航迹优化

针对多无人机协同搜索多运动目标航迹优化问题,建立基于搜索概率图的信息环境模型,提出了一种基于人工势场与自适应参数调整粒子群优化的搜索算法(APF-APSO算法),用于不确定环境中的动态目标搜索。利用人工势场中无人机与山体之间、无人机之间的虚拟排斥力进行有效避障,以及无人机与目标之间的虚拟吸引力加快目标搜索;通过非线性的指数函数参数调整法对粒子群参数进行调整,并根据无人机搜索过程中得到的栅格单元信息确定度和目标存在概率对搜索概率图进行实时更新,来引导无人机对目标进行搜索。仿真结果表明,与其他算法相比,所提算法在搜索目标方面具有很大的优势,缩短了路径长度;避免了陷入局部最优解,具有较好的收敛性;能够有效地实现多无人机之间的协同搜索,提高了搜索效率。     

有人/无人机编队打击时敏目标任务分配

针对有人/无人机编队协同打击地面时敏目标的任务分配问题,利用有人/无人机编队系统总体框架和时敏特性函数,构建有人/无人机编队协同打击地面时敏目标的任务分配模型。采用改进的遗传算法,通过引入矩阵型编码提升任务效率,通过引入针对死锁问题的解码方法来解决任务分配的时序问题,最后运用该算法进行了仿真计算。结果表明该算法具有良好的任务分配效率。     

恶意干扰下基于斯坦伯格博弈的无人机动态频谱分配

针对恶意干扰场景下无人机群动态频谱分配问题,构建了基于斯坦伯格博弈的动态频谱分配模型,干扰机为斯坦伯格博弈的领导者,无人机群为斯坦伯格博弈的跟随者,设计了不同博弈参与者的效益函数,并证明了该博弈存在稳定的斯坦伯格均衡解。在此基础上设计了一种分层动态频谱分配算法,针对领导者采用Q学习选择干扰信道的场景下,跟随者采用随机学习自动机来确定信道分配策略。仿真结果表明,所提算法能够得到无人机用户的最优信道分配策略,有效提升无人机用户的总吞吐量性能,实现效益最大化。     

基于动态博弈的目标分配方法研究

以博弈论为基础,防空火力单元与攻击飞机多次对抗为作战背景,建立了基于动态博弈的防空火力单元目标分配模型.利用双矩阵博弈纳什均衡求解与数学规划的关系,建立了求解纳什均衡的二次规划,利用混合粒子群算法进行求解.仿真结果表明:用博弈论研究防空火力单元与攻击飞机多次对抗过程中的目标分配问题时,符合实际作战过程,真实性好,应用价值较高.     

某于动态博弈的目标分配方法研究

以博弈论为基础,防空火力单元与攻击飞机多次对抗为作战背景,建立了基于动态博弈的防空火力单元目标分配模型.利用双矩阵博弈纳什均衡求解与数学规划的关系,建立了求解纳什均衡的二次规划,利用混合粒子群算法进行求解.仿真结果表明:用博弈论研究防空火力单元与攻击飞机多次对抗过程中的目标分配问题时,符合实际作战过程,真实性好,应用价...     

基于MODPSO-SA算法的多AUV任务分配

提出一种基于Pareto解集的多目标模拟退火粒子群算法(MODPSO-SA),用于解决自主水下机器人(AUV)协同任务分配问题.为避免粒子群算法陷入局部最优,加入改进的模拟退火技术,形成一种新的多目标局部搜索策略.仿真结果表明,MODPSO-SA算法能够得出多组合理Pareto解集,可以有效解决多AUV任务分配问题.     

基于改进NSGA-Ⅱ算法的双运输机重装空投研究

为了提高空降部队突击突防能力,对双运输机重装空投编队多目标规划问题进行研究。首先,基于分离法分析重装空投货台运动过程,通过欧拉迭代思想构建货台动力学模型。然后,考虑到前机尾涡对后机影响,构建了双运输机编队空间位置模型。为确定双机编队位置关系的最优解,采用改进后的NSGA-II算法,引入支配强度、优化精英策略、种群等级交叉系数以及高斯变异算子,同时基于方差表示拥挤度,计算出最终结果。仿真实验数据表明,优化后的算法不仅能够提升双运输机编队飞行安全性,而且使得空投点更加密集、空投精度更高。     

基于多目标MSQPSO算法的UAVS协同任务分配

针对无人机系统协同作战过程中存在多任务类型时序约束以及单目标优化决策欠佳问题,提出了一种利用多策略融合量子粒子群算法进行多目标优化的解决方法.在建立任务分配模型过程中,考虑不同类型任务的时序约束和多无人机协同约束,并抽象出无人机执行不同类型任务的能力,使模型更加符合实际作战情况.利用佳点集构造理论、变尺度混沌因子、量子变异操作与动态惯性权重对量子粒子群算法（Quantum Particle Swarm Optimization,QPSO）进行改进.最后通过采取多目标优化决策来选取相应的分配方案,仿真结果验证了所提算法的有效性与优越性.     

多无人机编队自主重构的内点算法

考虑多无人机编队自主重构的优化设计问题,联合编队过程中的3类代价函数、无人机的非线性动力学方程以及4类不等式约束条件,构成一个非线性多目标优化模型。采用加权和策略并将所有的等式和不等式约束分别组合,将非线性多目标优化模型转化为一个标准的非线性单目标优化模型。采用运筹学中的内点算法来求解最优解,并在算法的实现过程中做了某些改进,以避免出现矩阵的秩亏损。从理论上证明多目标优化在加权和策略下与单目标优化间的等价性。最后用仿真算例验证了算法的有效性。     

基于粒子群算法的软件可靠性分配问题研究

针对软件可靠性分配中不易求解全局最优解这一问题,将可靠性指标分配到每个模块中,并利用改进的粒子群优化算法来搜索模型的最优解.实验结果表明,改进的粒子群优化算法在求解软件可靠性分配问题时的效果优于遗传算法等其他智能优化算法.     

基于改进粒子群算法的多UAV协同侦察任务规划

针对多无人机（UAV）协同侦察的任务规划问题,充分考虑侦察目标的侦察分辨率和时间窗约束,建立了数学模型;提出了一种改进的粒子群算法,使得粒子群能够较均匀地在问题空间内搜索,避免陷入局部极值,在保持传统PSO算法快速收敛的同时,加强了算法局部搜索能力。基于该模型和优化算法,制定了合理的多UAV协同侦察任务计划,使得多UAV协同侦察任务在满足任务要求、平台性能和战场约束的条件下具有最小代价和最优作战效能。     

基于多目标禁忌搜索算法的认知无线电频谱分配

针对认知无线电动态频谱分配问题,建立图着色频谱分配模型,将模型中的分配矩阵和禁忌搜索算法中的可行解相对应,提出基于禁忌搜索的智能求解算法。同时将高斯柯西算子引入到禁忌搜索的更新策略当中,改善了算法的收敛速度和爬坡能力。在最大化认知无线电网络效益和最大化公平效益准则下建立多目标评价函数,将禁忌搜索算法和粒子群算法在图着色频谱分配模型基础上进行性能比较,结果表明在不同权重的评价函数下,禁忌搜索算法找到的理想最优解都要优于粒子群算法。     

多无人机协同多任务分配研究

对多无人机协同多任务分配优化问题的目标函数构建进行研究。多无人机协同多任务分配模型的两个主要目标函数(无人机团队总飞行航程最小化和执行完所有任务时间最小化)都有各自的局限性,且两个指标函数存在利益冲突。通过为两个指标函数分配权重,建立融合两个指标函数的新指标函数,采用离散粒子群算法对协同多任务分配模型进行求解。通过调节权重的大小,可以适应不同的战场环境,使得两个指标函数都得到优化。仿真结果验证了所提方法的有效性。     

多无人机协同任务规划

为解决多无人机协同规划军事目标打击的问题,基于多旅行商（TSP）数字规划理论进行路径和时间的优化。文中建立了多旅行商（TSP）数字规划模型,并根据任务性能和区域划分理论,利用退火算法求解出该模型的最优解。使用A*路径规划算法,通过编程仿真规划出了无人机的时间最优路径。结果表明,该方法较好地解决了当前无人机协同作战的目标分配问题,大幅提高了无人机协同作战的能力。     

无人机编队信息交互拓扑多目标优化

无人机编队信息交互拓扑优化对于提高无人机集群任务执行的协同性和通信传输效率具有重要意义。首先,提出无人机编队剩余能量不均衡度指标,在编队通信链长的基础上,将网络延迟影响因素、剩余能量不均衡度纳入无人机编队信息交互拓扑的生成体系中,综合考虑多个目标优化无人机集群信息交互拓扑;然后,通过构建满意度偏差隶属度函数,建立目标规划模型实现多个目标的综合;同时,在拓扑生成中采用多叉树结构进行分级,并改进人工蜂群算法求解模型,可以支持较大规模无人机的协同;最后,通过16架无人机组成的编队进行仿真分析,验证了模型的合理性及算法的有效性。