基于多群体改进萤火虫算法的UCAV协同多目标分配

对多UCAV协同攻击目标分配问题进行了研究。以收益指标、消耗指标及航程指标为准则建立数学模型,采用改进的萤火虫优化算法对模型进行求解;对基本萤火虫优化算法进行了改进,给出了新的萤火虫更新策略,引入了局部搜索及全局信息交换机制,并将萤火虫优化算法与混合蛙跳算法融合,实现了多智能群体共同进化,提出了一种基于多群体改进萤火虫优化算法的UCAV目标分配算法;针对UCAV协同攻击决策特点,设计了萤火虫离散编码方式,最终得到多UCAV协同攻击最优分配方案。仿真结果表明,多群体萤火虫优化算法能够稳定快速地给出目标分配最优方案。     

空战多目标集群攻击算法研究

针对传统多机空战中解算多机攻击策略需要很大计算量,不宜进行攻击任务分配问题,文章提出在我方多机不同编队视角下,采用改进的FCM算法将空战多目标根据目标属性相似性平均进行聚类划分,综合考虑聚类后各个类成员,运用熵理论处理空战客观信息,确定目标各个属性权重,解算不同编队视角下的各个类威胁以及不同聚类结果对我方编队的威胁度,得出最优聚类结果,采用矩阵法将划分的目标类与我方各个编队进行攻击配对,解算最终攻击分配方案.运用该法研究多目标集群聚类攻击问题,建立集群聚类攻击数学模型,并进行仿真研究.仿真结果表明该算法合理和有效.     

改进混合蛙跳优化的片上网络低功耗映射算法

随着片上网络集成度的提高,低功耗映射逐渐成为研究的热点.文中利用调整序思想,将混合蛙跳算法应用到片上网络低功耗映射问题中;同时对混合蛙跳算法进行改进,引入自适应混沌方法优化较差个体,采用多邻域退火策略优化较优个体.实验结果表明,相比于传统混合蛙跳算法和模拟退火混合蛙跳算法,改进混合蛙跳算法具有更优的搜索能力,从而能进一步降低通信功耗.     

基于区间灰数-模拟退火遗传算法的协同空战决策

文摘针对不确定环境下超视距空战中多架先进四代机协同攻击多个空中敌对目标的问题进行了研究。首先,构建空战态势评估指标体系,并用区间层次分析法(IAHP)和模糊优选法确定指标的主客观权重。然后建立相应的不确定环境下的多目标优化攻击效能评估模型,将协同多目标攻击决策问题转化为导弹攻击配对优化问题。进一步提出一种基于区间灰数的模拟退火遗传算法(ISAGA)用于该决策问题的求解,针对性地设计了新的选择操作和相应的模拟退火机制,有效防止算法过早陷入局部最优并能在有限迭代次数内得到满意的解。最后根据寻优所得的解确定合理的攻击方案。仿真结果表明所提出的算法能有效解决不确定环境下协同多目标攻击决策问题。     

一种基于改进粒子群算法的机载多传感器任务分配方法

分析了机载多传感器任务分配问题的特点,建立了机载多传感器任务分配模型。为解决传统粒子群算法存在的局部收敛、收敛较慢等问题,在现有的粒子群算法基础上,调整算法结构与参数,引入方向系数和远离因子来控制粒子远离最劣解的速度和方向,使其在向最优解移动的同时远离最劣解;基于改进后的粒子群算法提出了一种以最大探测概率为目标函数的机载多传感器任务分配方法,并进行了算法仿真。仿真结果表明,算法可以进行有效的任务分配,并能够提升分配效果。     

基于改进混合蛙跳算法的个性化旅游路线推荐

大众在旅游途中期望获得开销低、行程方便、舒适度高的旅游体验,同时还具有历史人文、自然景观、美食购物等不同游览需求.因此,本文提出了一种基于改进混合蛙跳算法的个性化旅游路线推荐方法.首先建立个性化旅游路线推荐问题的优化模型,并针对该模型的特点,设计改进混合蛙跳算法.通过调整可控精度,增加筛选准则和及时处理异常解等策略增强群体的多样性,降低遗漏最优解的风险,强化局部搜索能力,并提高算法的求解精度.以南京三日游个性化旅游路线推荐问题作为实例,收集南京市内知名景点的门票价格、开放时间、不同出行方式所需的时间和花费情况以及食宿费用等相关数据,基于改进混合蛙跳算法进行求解.实验结果表明,与改进前的方法相比,所提改进方法能够获取更优的路径解,推荐的路线能够更好地满足用户的个性需求.     

一种改进的混合蛙跳算法

针对基本混合蛙跳算法存在的易陷入局部最优、随着迭代次数增加种群退化的缺点,提出了一种改进的混合蛙跳算法。该算法将混合蛙跳算法中子群体内最差解根据子群内最优解和全局最优解进行更新的方式转换为最差个体根据子群内中心点和全局最优解进行更新的方式,使得最差解通过获得来自子种群内其他解的更多信息量来调整自身的状态。同时,算法在完成一次内迭代合并之后利用选择算子对整个种群进行选择更新。中值策略较好地平衡了算法的全局搜索与局部搜索能力,选择策略保持了进化过程中种群的多样性。实验结果表明:改进后的算法具有更好的优化性能。     

无人机对地攻击任务分配问题研究

在不确定条件下的战场环境中,实时有效的动态任务分配是多无人机顺利完成对地攻击任务的关键.由于系统呈现多目标、多任务、多约束等特性,问题的复杂性随问题规模和约束数量急剧增加.文章建立任务分配数学模型,采用NSGA-Ⅱ算法分析并改进,仿真结果验证了所建多无人机攻击任务分配问题模型及所提求解算法的有效性.     

无人机群协同作战任务分配方法研究

针对战场环境的多目标、多任务以及无人机能力有限等特点,设计了一种适应于多目标、多无人机、多任务种类的无人机群协同多任务分配模型。结合该模型以及其中的任务偏序约束、协同任务约束、无人机能力约束等约束条件提出了基于任务序列的遗传算法染色体编码方法,和基于同类任务的遗传算法交叉、变异算子。该方法利用遗传算法的全局搜索优化解特点,对无人机群的协同任务分配进行优化。仿真试验表明该方法能够保证满足任务分配约束条件的基础上使任务的分配更加优化。     

基于混合蛙跳算法优化人工势场的路径规划方法研究

针对传统人工势场在路径规划时易陷入局部极小、目标不可达和狭窄通道左右摆动的问题,提出了一种改进人工势场算法。该改进算法将目标距离引入斥力函数解决目标不可达问题:将斥力分解为由障碍指向机器人的分量和垂直于机器人与障碍连线的分量,分别用于阻止机器人接近障碍和引导机器人离开障碍。针对蛙跳算法迭代速度慢的问题,提出了改进混合蛙跳算法来提高蛙跳算法的进化速度和精度,并用于优化人工势场的参数以提高路径规划性能。仿真试验验证了所提出算法的有效性。     

基于递进多目标蛙跳优化的LSB±K隐写算法

设计一种采用非支配排序、拥挤机制和种群重构等策略的递进多目标混合蛙跳算法,可有效保证Pareto前沿的多样性和均匀性.将该多目标优化算法用于设计LSB±K隐写算法.在优化过程中对图像分块,对应所有图像子块组成的矩阵构成优化算法的可行解,矩阵元素代表对应图像块像素的嵌入位数.以载体图像与载密图像差分图的直方图特征函数质心差和隐写容量为两个优化目标,对不同图像块的嵌入位数进行优化.实验结果表明,采用递进多目标混合蛙跳优化的LSB±K隐写算法,与相近抗分析性能下的LSBM隐写及单目标优化LSBM隐写相比,嵌入容量提高了30%;与相同容量的LSB±2隐写及单目标优化LSB±2隐写相比,抗分析能力更强.     

基于多目标优化的大型项目任务分配模型

大型项目任务分配问题的多目标、多变量、多约束、大组合等特点,使得任务分配费时、费力.文中分别以利润最大且延期较短和无延期且利润最大为目标,利用时间序列分析方法,将贪婪算法和多目标优化问题相结合,建立两个基于多目标优化的大型项目任务分配模型.利用两个模型分别确定某大型项目的任务分配方案,仿真结果表明:两个模型和算法均最大限度降低了大型项目任务分配问题的时间复杂度,有效地解决了任务分配费时、费力这一问题.     

基于SAGA的协同多目标攻击决策

以超视距协同空战为背景,在对每个目标分配一枚导弹攻击的模式下,研究了协同多目标攻击空战决策问题.首先,基于对空战威胁态势的分析,将协同多目标攻击决策问题转化为导弹目标攻击分配的优化问题并建立其攻击效能评估模型.然后,提出将模拟退火遗传算法(SAGA)用于该问题的寻优,算法中个体采用整数编码,并采用非常规的交叉与变异操作产生新的个体.在进化结束后,通过最佳导弹目标分配个体求得最终协同攻击决策方案.仿真结果表明所提出的算法对最优分配方案的搜索效率明显优于单纯的遗传算法.     

考虑低碳效益的配电网广义电源优化配置

配电网中分布式电源的接入会对配电网的系统网损及电压造成影响,在考虑配电网的分布式电源接入方案时,加入系统等效碳排放这一节能目标,建立了综合考虑分布式电源建设费用、损耗费用、购电费用和系统碳排放费用的优化配置模型。针对混合蛙跳算法搜索速度和精度不高的缺陷,提出了一种将遗传算法与蛙跳算法融合的改进蛙跳算法。基于几种算法,结合IEEE-33节点系统的计算分析表明,该方法能够对广义电源在配电网的接入进行有效配置和优化。 更多还原     

基于混合蛙跳算法的背包问题求解算法

混合蛙跳算法是一种全新的基于群体智能的后启发式计算技术,具有高效的计算性能和优良的全局搜索能力。描述了0／1背包问题的数学模型,阐述了混合蛙跳算法的基本理论。通过在全局信息交换过程中加入变异操作的方法,提出了一种改进的混合蛙跳算法,并利用该算法求解0／1背包问题。实例的运行结果表明该算法有较好的可行性和有效性。     

改进模拟退火遗传算法在协同空战中的应用

针对不确定环境下的目标分配问题,本文建立了相应的评估及分配模型。构建空战态势评估指标体系,并用区间层次分析法(interval analytic hierarchy process,IAHP)和模糊优选法确定指标的主客观权重。然后建立相应的不确定环境下多目标优化攻击效能评估模型,将协同多目标攻击决策问题转化为导弹攻击配对优化问题。进一步提出一种基于区间灰数的模拟退火遗传算法(interval grey number-simulated annealing genetic algorithm,ISAGA)用于该决策问题的求解,设计了选择操作和相应的模拟退火机制,有效防止算法陷入局部最优。最后根据寻优所得的解确定合理的攻击方案。仿真结果表明:所提出的算法可以胜任不确定环境下目标分配问题的评估和寻优,并且在10步以内能够找到比较好的解,这在一定程度上是对传统的目标分配问题的完善。     

基于蚁群算法的多无人机协同任务规划研究

现代战争中,无人机对战前情报收集、重要空域控制、重点目标监视和打击等起着关键作用.随着攻击方参战无人机的规模增加,相应防御方的防御力度也在提高.无人机群的作战任务面临的是多目标多雷达的防御群.因此,多无人机协同任务规划的研究主要集中在任务分配和路径规划.基于蚁群算法建立了针对目标群简化的数学模型,解决了侦查无人机滞留防御方雷达探测范围内的时间总和最小的航线优化问题,完成了无人机侦查任务拟制最佳路线和调度策略,实现了多无人机的协同任务规划.     

进港飞机调度多目标优化问题的改进NSGA-II算法

基于多目标优化问题的Pareto最优解概念,提出了一种求解非劣解集的改进非支配排序遗传算法(NSGA-II),用于解决多条跑道情况下进港航班调度问题,要求航班总延误时间平方和及总延误成本两个目标最少。重点讨论了算法实现中的基于最近邻思想的启发式交叉算子和改进的变异算子,以及对非劣解集的筛选操作。最后进行了仿真实验,对优化结果进行了分析比较。研究结果表明改进NSGA-II算法对多跑道进港飞机调度多目标优化问题具有较好的应用前景。     

一个基于混合蛙跳算法的0/1背包问题算法

混合蛙跳算法是一种全新的基于群体智能的后启发式计算技术,具有高效的计算性能和优良的全局搜索能力.描述了0/1背包问题的数学模型,阐述了混合蛙跳算法的基本理论,在全局信息交换过程中加入变异操作,改进了混合蛙跳算法,并将该算法应用到0/1背包问题的求解,在实例上的运行结果表明本文方法的可行性和有效性.     

一种自适应混合多目标粒子群优化算法

文章针对多目标粒子群优化算法多样性损失和收敛性不好的问题,提出了一种自适应混合多目标粒子群优化算法。首先,使用Sobol序列映射决策变量初始值,使得初始解集在全决策空间范围有更均匀的分布。使用线性递减权重法调整粒子群算法的权重,增强算法收敛性。提出了使用基于多样性指标SP的自适应变异算子增加种群多样性的同时,还提出了在最优档案集中,使用基于改进的世代距离指标GD的自适应混沌搜索增强算法局部搜索能力。最后,将文中提出的改进算法与MOPSO(基本多目标粒子群优化算法)和NSGA2对比,结果显示出该算法能够在保持优化解收敛性的同时获得更好的多样性。