遗传-蚁群算法在目标分配问题中的应用研究

针对传统算法很难满足大型水面舰艇编队防空武器的武器目标分配(weapon target assignment,WTA)问题,提出一种将遗传算法融入蚁群算法的混合算法。分析了遗传算法和蚁群算法的优缺点、利用遗传算法快速全局随机搜索能力生成一组粗略解,用其作为蚁群算法的初始信息素,再利用蚁群算法的并行性、正反馈机制,最后求得最优解,并对遗传-蚁群算法与蚁群算法、遗传算法这3种方法进行仿真比较。分析结果证明:遗传-蚁群算法用更少的时间获得最优的火力分配方案,缩短了武器系统反应时间,在求解质量方面有较大优势。     

基于蚁群优化的多弹协同目标分配算法

为了提高对目标群的打击效果,研究了多弹编队系统中存在的目标分配决策问题。首先,利用弹间共享信息,综合考虑导弹性能、目标特性以及弹目之间的态势关系,建立弹目之间优势矩阵模型;然后,利用贪心算法及蚁群优化提出了一种简单有效的一轮拍卖及其改进算法以在规定时间内得到单弹的次优目标分配方案,并以此得到整个弹群的分配结果。最后,仿真结果证实了所提出方法的有效性。     

基于改进蚁群算法的炮兵火力优化分配模型

根据炮兵作战实际问题,建立基于改进蚁群算法的火力分配决策模型。描述解决火力分配问题的一般步骤,对算法流程进行设计,并利用匈牙利法进行实验结果比对。实验结果表明,该方法合理有效,求解效率和质量较其它算法有明显提高。     

基于拍卖算法的目标分配问题优化

基于偶图理论对目标分配问题进行数学描述,提出设立虚拟火力点和目标的方法对拍卖算法进行适当改进来解决目标分配问题。基于拍卖算法建立的目标分配模型,采用C语言编程实现,最后通过算例验证模型的正确性。该算法计算量小、优化性好,应用范围广,具有极大的实用价值。     

基于改进型遗传和蚁群混合算法的防空兵群火力分配模型

基于改进型遗传和蚁群混合算法的防空兵群火力分配问题,先建立火力分配数学模型,通过第i个火力单位对第j批目标的射击效益,求得所有火力单位对所有目标射击总效益.改进型遗传算法包括:对可行解空间参数编码,设定祖先群体、适应度函数和控制参数等.蚁群算法则通过双向图,将武器分配优化转化为双向寻找最佳路径.     

考虑毁伤概率门限的火力分配变异蚁群算法

提出了一个火力分配的非线性整数规划模型，该模型充分考虑了多火力点联合毁伤概率对实际射击效果的影响。应用基本蚁群指派算法可以求解此NP问题，但难以满足战术决策的实时性要求。为此，提出一种自适应的信息索更新方法和消除无效分配的变异策略，提高了收敛速度。采用删除已访问节点的方法取代比较禁忌表的方法，进一步降低了计算代价。计算机实验结果表明，该算法在优化性能和时间性能上都取得了良好的效果，满足战术决策的实时性要求。     

一种基于信息素变化的改进蚁群算法

针对蚁群算法搜索时间长、易陷于局部最优解的缺点,提出一种增幅递减的局部信息素更新模型。通过分析现有蚁群算法信息素更新模型陷入局部最优的原因,借鉴蚁群模型退火算法思想,根据假设推导出增幅递减信息素更新模型,分析该模型对算法复杂度的影响,并分别采用4种信息素更新模型求解最短路问题。仿真结果表明,该模型能较好地抑制算法陷入局部最优解问题。     

基于混合量子算法的武器目标分配研究

目前,虽已出现许多针对火力对抗武器目标分配问题的新型算法设计,然而由于问题的NP-hard特性及算法依据不同环境的较强针对性,在大规模来袭目标情况下,对多属性武器的选择决策仍显低效。为了进一步降低火力对抗中武器损耗并提高目标打击力度,分析并建立了武器目标分配模型,并针对该模型设计了新型混合量子算法,使得NP-hard武器目标分配问题的求解更高效。     

基于拍卖算法的动态防空武器目标分配

为解决网络化防空作战中“制导平台-武器-目标”三者的优化匹配问题,提出一种基于拍卖算法的武器目标分配(weapon-target assignment,WTA)问题求解方法。建立多约束条件下的动态武器目标优化分配模型,将动态作战过程离散化为静态分配问题处理。实例验证结果表明,该方法具备有效性、快速性。     

一种求解军事指派问题的改进蚁群算法

指派问题在军事领域非常常见,军事指派问题一般是用匈牙利法来进行求解,匈牙利法复杂且难于编程实现,根据指派问题的特点将其与旅行商问题联系起来,提出了一种改进的蚁群算法。仿真证明了该算法解决军事领域指派问题的可行性和先进性。     

基于并行蚁群算法的常规导弹作战任务分配

作战任务分配是常规导弹作战研究的关键问题之一。结合常规导弹作战实际情况和任务分配特点,综合考虑作战意图、任务协同等约束条件,采用并行蚁群算法,建立了作战任务分配模型。在多子群蚁群算法的基础上,设计了基于任务能力评估的子群协调沟通策略和基于任务代价的状态转移规则,提出了并行求解任务分配问题的蚁群算法思想。通过仿真验证了模型的正确性,仿真结果表明该方法能够有效解决常规导弹作战任务分配问题。     

基于多蚁群系统的多无人机协同目标搜索方法

针对多UAV协同搜索问题,建立了基于搜索概率图的UAV环境信息描述模型,提出了一种基于多蚁群算法的协同目标搜索算法。该算法由多个蚂蚁种群构成,每个蚂蚁种群负责搜索一架无人机的路径。蚂蚁个体在搜索路径时通过其所在群体的信息素的引导以趋向最优路径,同时,受到来自其它种群的信息素的排斥作用进而避免无效搜索。实验结果表明,该方法能有效地实现多UAV之间的协同,实现路径搜索,减少路径交叠,提高了搜索效能。     

基于蚁群算法的多连接查询优化问题研究

介绍了蚁群算法在数据库查询中的应用,在给出蚁群算法的基本原理和程序流程的基础上,对传统蚁群算法进行了改进,将伪随机状态转移规则和局部信息素更新规则引入蚁群算法,提出了基于蚁群系统解决数据库多连接查询优化的方法,建立了多连接查询优化问题的数学模型,并进行了相关的实验;结果表明：当数据库的表数目较多时,基于蚁群系统算法对解决多连接查询优化问题有良好的求解性能,在求最优解品质和求最优解时间上都有较好的效果。     

基于改进蚁群算法的软件测试方法

为了降低软件的测试成本,提高软件测试效率,提出一种基于改进蚁群算法的软件测试方法.将Markov决策模型应用到软件测试过程当中,采用测试用例约简技术对测试用例集进行简化,利用贪心算法求得的较优解增强蚁群算法初始时刻信息素,通过改进的蚁群算法求得最优解,并进行仿真分析.仿真结果表明:改进的测试方法比采用基本蚁群算法的测试方法求得解更优,说明改进的测试方法可以使搜索时间更短,并可降低软件的测试成本.     

基于蚁群算法的无人机航迹规划技术及研究现状

配置适当的算法是无人机航迹规划的关键技术之一。介绍了一种基于蚁群算法的无人机航迹规划技术的基本原理,并采用网格图建模,演示了无人机二维航迹规划问题的一般实现步骤。然后从改进算法、更换其它模型、多无人机航迹规划、动态航迹规划等四个方面探讨了基于蚁群算法的无人机航迹规划技术的研究现状,并指明了配置更完善的算法实现复杂条件下的实时航迹规划等问题是无人机航迹规划未来的主要研究方向。