基于蒙特卡洛仿真和遗传算法的车辆装备保障运输网络优化

车辆装备保障运输网络优化是影响非战争军事行动任务效果的关键环节。传统方法描述随机且不连续装备保障需求的能力弱,应用于非战争军事行动车辆装备保障运输网络优化方面,会导致结果不稳定。为解决这些问题,提出了基于蒙特卡洛仿真和遗传算法的车辆装备运输网络优化模型。结合非战争军事行动特点,利用边界条件设定,保障资源调度优化函数及保障资源约束条件设置,构建了车辆装备保障运输网络优化模型;采用遗传算法,在路网和运输路径两个层次对车辆装备保障运输网络进行寻优,进一步提高了运算结果的稳定性。通过残差分析验证了该模型的有效性。     

面向作战任务的装甲装备群携行备件配置优化

为提高携行备件配置方案的针对性,以遂行多阶段作战任务的装甲装备群为研究对象,综合考虑作战任务、装备群组成及备件仓库预置地点等因素对抢修策略的影响,合理统筹伴随维修保障能力与备件需求间关系,构建面向作战任务的装甲装备群携行备件配置优化模型,实现携行备件资源的针对性配置。通过算例,验证了该优化模型的可行性及有效性。     

面向任务的作战单元携行备件配置优化方法研究

备件是作战单元的重要保障物资,能够使故障设备迅速恢复战斗力并投入作战使用。提出一种基于等效寿命转换的冗余系统备件需求计算方法,根据可修备件控制理论,以任务成功概率为目标函数,建立了基于多阶段任务的携行备件动态配置模型,通过引入拉格朗日约束因子,提出了多约束条件下的备件方案优化方法。通过算例,对结果进行了分析,计算得到的携行备件方案能够满足所有约束条件,并且与ExtendSim仿真结果之间的偏差小于3%,验证了该模型的正确性,为面向任务的携行备件优化提供了一种解决思路。     

基于自适应混沌变异粒子群优化算法的旋转弹丸气动参数辨识

将最大似然准则应用于高速旋转弹丸的气动参数辨识问题中,提出一种新的自适应混沌变异粒子群算法求解该准则下的气动参数最优解,进而得到弹丸的气动参数。该算法通过自适应调整惯性权重、利用混沌优化的思想产生初始粒子、设定早熟判别机制来判断是否陷入局部最优解,并通过粒子变异的策略使其跳出局部最优解等方法进一步优化基本粒子群算法。通过常用的测试函数对该算法进行了测试,测试结果表明：相比于基本粒子群算法,该算法具有收敛速度快、寻优精度高、应用范围广等优点。利用系统仿真的方法模拟弹丸的自由飞行数据,并利用该数据结合所提算法对弹丸的主要气动参数进行辨识,辨识结果表明：该算法可以有效辨识弹丸的气动参数,且精度高,收敛速度快,可以应用于工程实际问题。     

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。     

基于粒子群算法的飞行控制系统参数优化

针对飞行控制系统控制器参数优化问题，文中提出了一种基于粒子群算法的模型参考优化整定策略。并将此策略应用于某型飞机的横侧向飞行控制系统的参数优化之中．仿真结果表明．该优化策略能够有效地整定飞行控制系统的参数，具有收敛速度快．编程简单的优点。     

基于粒子群算法的混编群兵力部署优化研究

通过对混编群兵力部署影响因素分析,根据混编群兵力部署原则,建立了混编群兵力部署优化模型.针对该优化问题,提出了一种改进的粒子群算法,给出了模型求解方法和步骤.经过应用实例计算,取得了良好的部署效果,为解决混编群兵力部署优化问题提供了一种有效的途径.     

基于改进型多目标粒子群优化算法的武器-目标分配

在作战中武器-目标分配(WTA)问题包含众多的变量,是典型的非确定性多项式完全问题。针对毁伤效能最大和用弹量最少两个目标函数,建立了基于改进型多目标粒子群优化(MOPSO-Ⅱ)算法的WTA模型。由于粒子群优化算法存在“维数灾难”瓶颈,应用了变量随机分解策略和合作协同进化框架,按照带精英策略的非支配排序遗传(NSGA-Ⅱ)算法中的排序方法对粒子群编码数据进行非支配排序。通过实例仿真分析,结果表明MOPSO-Ⅱ算法比NSGA-Ⅱ算法具有更好的求解精度与运行效率,能够获得满意的分配结果,且计算快速有效,比较适合较大规模的WTA问题实时求解。在作战中武器-目标分配(WTA)问题包含众多的变量,是典型的非确定性多项式完全问题。针对毁伤效能最大和用弹量最少两个目标函数,建立了基于改进型多目标粒子群优化(MOPSO-Ⅱ)算法的WTA模型。由于粒子群优化算法存在“维数灾难”瓶颈,应用了变量随机分解策略和合作协同进化框架,按照带精英策略的非支配排序遗传(NSGA-Ⅱ)算法中的排序方法对粒子群编码数据进行非支配排序。通过实例仿真分析,结果表明MOPSO-Ⅱ算法比NSGA-Ⅱ算法具有更好的求解精度与运行效率,能够获得满意的分配结果,且计算快速有效,比较适合较大规模的WTA问题实时求解。     

基于粒子群优化算法的模糊飞行控制器设计

提出了一种基于粒子群优化（PSO）算法的模糊飞行控制器优化设计方法。PSO算法通过粒子跟踪本身所找到的最优解和种群的最优解来完成优化．该算法具有可调参数少．简单易实现，优化速度快的特点。将PSO算法用于对模糊飞行控制器隶属函数的优化设计中，以达到提高控制效果与简化模糊控制器设计的目的。仿真结果表明．利用PSO算法进行优化设计所得到的模糊飞行控制器具有优良的控制性能。     

基于粒子群算法的仿真任务共同体服务选择算法优化研究

在研究粒子群算法（ PSO）及其改进的DGOSS算法、STCSSA算法基础上,从仿真任务共同体的定义、服务选择界定及服务品质（ QoS）描述出发,改进设计了PSO的惯性权重动态调整策略,建立了一种优化的仿真任务共同体服务选择算法（ ITCSSA）;通过仿真对比验证表明：ITCSSA算法较DGOSS算法、STCSSA算法有更好的收敛速度、精度和适用性,对于多用途仿真系统的资源分配优化具有一定的参考价值。     

基于粒子群优化的再入可达区计算方法研究

针对升力式高超声速飞行器再入可达区计算问题,提出了一种粒子群优化（PSO）和倾侧角反转相结合的混合求解方案。为了减小待优化变量的搜寻空间,设计了一种参数化的倾侧角剖面,利用约束PSO算法求解满足再入过程约束和末端约束的最优滑翔轨迹。通过倾侧角正向和逆向反转逻辑直接生成倾侧角指令集合,进而实现高超声速飞行器再入可达区的快速估算。高升阻比再入滑翔飞行器CAV-H仿真实例表明,该混合优化求解方案易于实现且无需预估参数初值,具有良好的可操作性。     

基于优先排序与粒子群优化的装备保障任务规划方法

针对装备保障任务规划过程中保障资源占用冲突及保障任务逻辑关系约束的实际问题,构建基于任务优先排序的解空间模型,并进一步提出基于优先排序与改进粒子群优化的装备保障任务规划方法。该方法将分解后的保障任务按照其重要性和逻辑顺序进行优先排序,并根据排序结果对粒子群优化算法得到的任务与资源匹配解空间进行调整,以解决资源占用冲突和逻辑顺序问题。为保证每次迭代后的粒子为可行解,提出不可行粒子的多维异步处理机制,提高了粒子群优化算法的搜索效率。通过实例应用仿真分析,验证了该方法在装备保障任务规划中的有效性和优越性。     

基于微粒群算法的中制导弹道优化设计

为使拦截武器有效拦截目标,将直接多重打靶算法与微粒群算法相结合,设计了一种基于微粒群算法的中制导弹道优化算法。该算法借鉴直接多重打靶算法基本思想,将状态空间与参数空间分别进行分解与分段,并在此基础上结合中制导末端条件构建性能指标函数,将弹道优化问题转化为多目标优化问题;基于对指标函数之间依赖性的分析,在求解过程中将多目标优化分解为参数层和指标层优化两部分,采用微粒群算法对其进行分层优化求解。仿真研究表明,该优化算法能够对弹道进行有效优化。     

基于马尔科夫与蒙特卡罗仿真的导弹装备备件需求量预测

针对低需求量备件采用一般的时间序列预测法误差较大的难题,构建基于马尔可夫与蒙特卡罗仿真的预测模型。分析备件需求量的马尔可夫性,将马尔可夫链与蒙特卡罗仿真相结合,在建立仿真模型的基础上,以MATLAB为平台,给出利用计算机实现蒙特卡罗仿真的算法步骤,并应用实例进行分析。结果表明：在给定备件满足率的情况下,应用该模型可根据季度消耗量序列来预测该类备件未来1年的需求量,为低需求量备件的预测提供借鉴。     

一种基于化学反应优化和粒子群优化的混合型优化算法

针对现有化学反应优化算法存在的不足,提出一种基于粒子群优化算法(particle swarm optimization,PSO) 和自适应化学反应优化算法(adaptive chemical reaction optimization,ACRO)相结合的混合算法(a hybrid optimization based on ACRO and PSO,ACRO-PSO)。在ACRO 算法的领域算子基础上,融入PSO 算法的全局算子,加入权重系 数控制本地搜索和全局搜索的比例,修改分解反应合化合反应出现的时机,利用化合反应输出最优解,采用标准测 试函数对ACRO-PSO 进行性能分析。仿真结果表明,ACRO-PSO 算法能高效地解决待优化问题。     

基于改进粒子群优化算法的网络化仿真任务共同体服务选择

作为网络化仿真中新的应用需求,如何动态地把散布在网络上各种服务整合起来以形成新的、满足不同用户需求的仿真任务共同体(STC)成为了当前研究热点。提出了一种基于粒子群优化（PSO）算法的仿真服务选择方法,针对传统PSO易陷入局部最优和收敛速度慢等不足,设计了一种惯性权重动态变化策略和一种可选的变异操作方法。该算法不仅能提高服务选择收敛速度,还能避免算法陷入局部最优。通过实验,采用典型函数进行了测试,并详细介绍了算法在STC服务选择上的实际运用,说明了算法的可行性和有效性。     

基于贝叶斯法和蒙特卡洛仿真的威布尔型装备器材需求预测

为了解决装备器材历史需求数据少、需求规律不明确的问题,提出一种基于贝叶斯法和蒙特卡洛仿真的威布尔型装备器材需求预测方法。针对威布尔分布尺度参数未知以及形状和尺度参数均未知两种情况,分别基于贝叶斯方法通过解析求解和数值模拟的方式进行了参数估计,并引入柯尔莫哥洛夫-斯米尔诺夫检验法对寿命分布模型进行拟合优度检验;综合考虑修复性维修、预防性维修和装备器材的已使用时间,提出了基于蒙特卡洛仿真的部队装备器材年度需求预测方法。算例分析表明：小样本下通过贝叶斯估计得到的寿命分布模型拟合度高,基于仿真的需求预测方法简单、有效。