改进PSO算法在雷达干扰任务分配中的应用

雷达干扰任务分配是雷达对抗仿真的重要组成部分,雷达于扰任务分配是否合理直接影响电子对抗作战效能.由于常规优化算法相对复杂、计算时间较长,用来解决此问题难以满足实时仿真的要求.针对这一问题,提出适用于解决雷达干扰任务分配优化问题的改进粒子群优化算法,并且将所提出的算法与遗传算法进行比较.仿真结果表明,与遗传算法相比,在相同的条件下,改进粒了群优化算法具有速度快、精度较高的优势,较好地满足了雷达对抗实时仿真的要求.     

基于改进鱼群算法的多无人机任务分配研究

多无人机协同任务分配问题是多无人机协同控制的关键,为解决单目标函数构建的任务分配模型不能满足决策者对战场环境大量信息的需求,以最大航程和最长任务执行时间作为多无人机任务分配的两个目标函数,依据多目标优化理论,建立了协同任务分配多目标优化模型.并采用了一种借鉴遗传算法中的变异思想的改进鱼群算法进行求解,得到多无人机任务分配的多目标最优解集,然后根据决策者的偏好选择最佳任务分配方案.最后将上述算法应用于多无人机协同任务分配中并进行了仿真,仿真结果验证了改进鱼群算法的收敛性及有效性,为多无人机协同任务分配优化提供了参考依据.     

改进PSO算法在多无人机协同任务分配中的应用

针对多无人机协同任务分配越来越复杂的问题,采用一种改进的阶层分级粒子群优化算法（HGIWPSO）获得最优分配方案。首先,根据粒子适应度值将种群动态划分为三个不同阶层,依据不同阶层粒子特性选择合适的学习模型,并引入独立权重思想调节惯性权重大小,平衡算法全局与局部搜索能力,提高算法性能;然后,建立协同多任务分配问题模型,采用多余负载竞拍方案减少非法劣解,通过实数编码建立粒子和实际分配方案之间的映射关系,解决实际分配问题。实验结果表明,该算法能够有效解决复杂约束条件下多无人机协同任务分配问题,得到最优分配序列,具有一定的理论以及实际意义。     

基于改进蚁群算法的多机器人任务分配方法

研究了动态环境下多机器人对多目标点的探测;针对通常采用的是单物品拍卖的方法进行任务分配但是无法得到全局最优解的缺点,提出了用组合拍卖的方法来解决多机器人的任务分配问题;由于组合拍卖(WDP)本身是一个NP-hard的问题,所以文中通过对蚁群算法进行改进,成功地解决了此类任务分配问题;实验表明,该算法有效地缓解了容易出现的早熟停滞现象,达到较好的最优解,收敛速度快且求解质量稳定,满足了多机器人动态任务分配的要求。     

基于改进蚁狮算法的智慧赋能工厂装配线任务分配优化

为提高智慧赋能工厂装配线任务分配效率,提出一种基于改进蚁狮算法的多任务分配优化方法。首先根据装配线生产实际,构建任务分配的目标函数;然后采用改进的蚁狮算法对构建的任务分配目标函数进行求解。仿真结果表明,当优化的目标数量为3时,改进蚁狮算法求解得到的非劣解数目更多,世代距离更近,且算法的求解速度更快。由此得出,通过改进后的蚁狮算法可实现装配线任务的合理分配,可提高智慧工厂的自动化生产效率。     

遗传正交试验算法及其应用

遗传算法是一种能够在较大的参数空间中搜索到问题最优解的方法,在解决非线性问题时具有全局收敛性,但收敛性能差。论文提出一种结合遗传与正交试验两种算法优点的新混合遗传算法,应用表明该算法收敛能力强、寻优能力强及能产生大量次优解,是一种值得信赖的算法。     

基于多目标粒子群优化算法的装备维修任务分配

装备维修任务分配问题是典型的多约束/多目标/非线性规划问题,利用传统方法无法求解,因此提出了一种约束多目标粒子群算法,并运用该算法对装备维修任务分配问题进行了优化求解。仿真结果表明,约束多目标粒子群算法针对该问题,在不同参数和约束条件下都有很强的收敛寻优能力,能快速产生多个非支配解,是一种高效的算法,对实现装备维修任务分配的客观量化优化决策有重要作用。     

PSO算法在子任务分配中的应用

设计一种双重粒子编码方式,提出用于求解子任务分配问题的粒子群优化(PSO)算法。采用预约束方法产生初始种群,根据PSO算法容易陷入局部最优的特点,引入和声搜索策略加以改进。通过对经典实例的仿真分析,并与其他算法进行对比,证明新算法具有较强的寻优能力,收敛速度较快。     

改进模拟退火算法在模块划分中的研究及应用

模块划分是产品模块化设计的关键技术之一。目前大多采用非数值方法划分模块，数值划分方法主要是使用模拟退火算法或遗传算法。模拟退火算法虽可以一次性得到模块划分最优方案，但是操作困难，效率不高。而遗传算法容易陷入局部最优解。该文在模拟退火算法的基础上，融入遗传算法的种群思想，提出了基于改进模拟退火算法的模块划分方法，研究了其实现的关键技术，并通过VC++6.0将其实现。通过具体的模块划分实例，证实了该方法的高效性和易操作性。     

协同进化蚁群算法及其在多目标优化中的应用

针对蚁群算法ACS的控制参数难以确定和早熟停滞等缺陷,提出了进化蚁群系统算法模型EACS.EACS通过引入选择、交叉和变异等操作,实现算法参数的自适应调整.标准测试实例的计算结果表明,EACS算法能够克服上述缺陷,便于工程应用.根据协同进化的思想进一步提出了多目标协同进化蚁群算法CACSM.CACSM中的多个群体协同进化,每个群体对应一个目标,并对其它群体的搜索产生影响.CACSM实现了仅通过算法一次运行便求得若干Pareto最优解,提供了更大的决策空间.最后通过一个多目标组合优化问题--岩石钻孔机路径选择问题的求解,验证说明了CACSM的有效性和适用性.     

基于模糊层次算法的移动互联网安全态势评估研究

针对移动互联网领域日益严重的安全问题,通过对现有网络安全态势评估算法的研究,提出了一种基于改进模糊层次算法的移动互联网安全态势评估模型。首先对移动网络的安全态势要素进行分析和研究,提出了一种移动互联网安全态势评估指标体系;针对传统模糊层次模型中指标权重选择不确定性问题,采用群组层次分析法（Analytic Hierarchy Process,AHP）与熵权法相结合的方式,建立多因素二级评估模型。实验结果表明改进后的评估方法更加客观,有效地反映了指标权重,得到的评估结果更加准确、真实。     

基于免疫粒子群算法的多UCAV协同任务分配

任务分配问题是多UCAV协同控制的关键和有效保证。综合考虑问题的多规划指标和多类复杂约束条件,建立了基于多目标整数规划的协同多任务分配模型。通过模拟生物免疫系统的免疫特征和运行机制,并将粒子群优化作为算法的局部搜索算子,设计了一种适用于问题求解的免疫粒子群算法,使算法同时具有人工免疫算法种群多样性好、粒子群优化局部搜索能力和进化方向性强等特点。仿真实验表明该方法具有良好的优化效果和时间特性,可较好地解决多UCAV协同任务分配问题。     

基于FAHP的可信软件非功能需求评估方法

针对可信软件的非功能需求表示与评估问题,对用于非功能需求描述的软目标相互依赖图（Software Interdependency Graph,SIG）进行改进,提出了一个扩展的软目标相互依赖图（Extended Software Interdependency Graph,ESIG）模型来描述和表示非功能需求。在ESIG图模型上,从面向方面的角度提出了一种基于模糊层次分析法（Fuzzy Analytic Hierarchy Process,FAHP）的可信软件非功能需求评估方法。在评估过程中建立了评价准则集、评价等级标准集、权重向量、评价得分矩阵和综合评判矩阵,综合考虑了非功能需求间存在的相对重要性和促进与抑制影响。最后通过一个实例说明了此评估方法的合理性与有效性。     

改进的模糊C-均值聚类算法研究

为解决模糊C-均值（FCM）聚类算法对噪声和孤立点数据敏感、样本分布不均衡的问题,提出了具体的改进和提高的方法：改进隶属度函数,以消除孤立点对聚类结果的影响;为每个样本点赋予一个定量的权值,以区分不同的样本点对于知识发现的不同作用,改善噪音和分布不均衡的样本集的聚类结果。实验结果表明该算法具有更好的健壮性和聚类效果。     

基于FAHP的构件安全性量化评估方法

应用构件开发安全苛求系统时,需要对所选用的构件进行安全性评估.为此,以层次分析法为基础,设计模糊层次分析法(FAHP)以确定构件的节点权重,利用三角模糊数标识模糊信息,通过模糊隶属函数对节点信息进行相应处理.实例应用结果表明,该方法对构件的安全性评估效果较好.     

基于改进PSO算法的任务分配研究

为了解决虚拟企业中的任务分配问题,建立了任务分配的多目标决策优化模型。分析了传统的PSO算法,通过设置算法中速度惯性权重和加速度系数的自动调整,以及引入遗传算法中的变异操作,实现了对该算法的改进。基于改进的PSO算法求解任务分配模型,研究了求解问题与粒子的映射以及采用TOPSIS计算粒子位置适应度的方法,进而设计了一种基于改进PSO算法的任务分配算法。通过应用实例及仿真实验,证明了改进的PSO算法应用于任务分配的可行性和有效性。     

两类层次分析法的转换及在应用中的比较

模糊层次分析法是层次分析法的一种,用于处理含有模糊性的决策问题。通过研究一致互反判断矩阵与模糊互补判断矩阵的转换关系,给出把一致互反矩阵转换成模糊互补矩阵且权向量排序不变的方法,基于这种转换的保序性,提出了一种介于层次分析法与模糊层次分析法之间的新的层次分析方法,这种方法简化了层次分析法的计算。作为这种新方法的应用,通过实例验证了该方法的合理性。     

基于MapReduce的并行SFLA-FCM聚类算法

模糊C均值算法（Fuzzy C-Means,FCM）是目前应用比较广泛的一种聚类算法。FCM算法的聚类质量依赖于初始聚类中心的选择并且易陷入局部极值,结合混合蛙跳算法（Shuffled Frog Leaping Algorithm,SFLA）较强的搜索能力,提出一种基于MapReduce的并行SFLA-FCM聚类算法。该算法利用SFLA算法的子群内模因信息传递和全局信息交换来搜索高质量的聚类中心,根据MapReduce编程模型设计算法流程,实现并行化,使其具有处理大规模数据集的能力。实验证明,并行SFLA-FCM算法提高了的搜索能力和聚类结果的精度,并且具有良好的加速比和扩展性。     

基于直觉模糊散度的噪声图像边缘检测

针对传统图像边缘检测算法抑制噪声能力差的问题,提出一种基于直觉模糊集（Intuitionistic Fuzzy Set,IFS）的边缘检测算法。该算法设定了一个表示平坦区域的模板图像,并在图像窗口内构造了一种同时考虑了图像梯度和图像窗口的方差信息的隶属度函数,然后通过计算图像窗口与模板图像之间的模糊直觉散度（Intuitionistic Fuzzy Divergence,IFD）对边缘进行定位和输出。实验结果表明,对于被高斯噪声或均匀噪声严重污染的图像,该算法能够得到较好的检测结果。     

基于可拓理论的CBR系统实例检索模型

围绕产品配置设计中实例检索的准确性问题,依据可拓学中关联函数的概念,提出了一种新的实例检索方案。根据客户定制需求和产品实例对属性的描述方式对属性进行分类,在可拓学关联函数的基础上分别定义它们的相似度的计算方法,根据AHP（Analytical Hierarchy Process）计算属性的权重比,给出客户需求与产品实例的相似度计算模型,并通过一个具体例子证明模型的有效性。