基于梯度下降法的离散概率空间区域射击瞄准点求解方法

为增强区域射击方法的适用性,解决目标分布不规则条件下的区域射击瞄准点求解问题,提出基于梯度下降法的离散概率空间区域射击瞄准点求解方法。通过在离散空间内描述目标的分布概率,以适应不规则的目标分布情况;通过变分方法求解离散空间内的最优中间函数,以实际中间函数与最优中间函数的差值范数作为优化指标,给出解析形式的指标梯度;构建基于梯度下降法的射击点位置求解模型。在同等初始条件下,分别采用几何法、函数逼近法、梯度下降法求解得到不同目标分布情况下的瞄准点配置,以对比方法性能。结果表明：相比于现有方法,梯度下降法适用性强、求解速度较快、优化程度高,能够求解目标分布不规则情况的区域射击瞄准点配置。     

基于随机规划的火炮膛内发射性能不确定性优化

为了研究大口径火炮膛内发射性能的不确定性优化问题,编制了内弹道程序并嵌入ABAQUS有限元软件进行二次开发,构建了膛内发射动力学模型。综合考虑火炮内膛结构参数、弹丸结构参数与发射装药参数等不确定性因素,通过分布参数模拟其随机特性,利用BP神经网络建立了膛内发射动力学模型的代理模型。基于蒙特卡洛模拟得到不确定约束函数的概率分布,以内弹道性能指标构建概率约束函数,以起始扰动的均值与标准差构建不确定目标函数,建立膛内发射性能的随机不确定性优化模型。运用多目标遗传算法进行优化求解,获得了该问题的最优解与不确定参数的合理区间,证明了该方法的有效性。     

多样本遗传算法在武器外弹道组网试验中的应用

针对武器试验外弹道组网测量模式,为保证弹道测量精度最优,对测试设备优化布站进行研究。以弹道逐点最小二乘解算模型为基础,弹道参数累积总误差的均方差为精度评价标准,考虑实际情况对解空间构成的非线性约束条件,通过聚焦遗传算法概率特性,设计以Monte Carlo实验和种群罚函数检验为特征的完备多样本遗传算法,实现优化问题的可靠求解。利用设计的遗传算法,对一种光学、雷达设备组网测试优化布站问题作500次Monte Carlo仿真实验,通过结果统计分析确定了全局最优解,并与传统布站方法进行了比较。仿真结果表明：多样本算法降低了遗传算法概率特性影响,以大概率事件锁定全局最优解,确保了最优解的有效性和可信度,符合工程实际应用。     

升力式航天器再入最优轨迹研究

从无量纲飞行器质点运动方程出发，引入了能量参数对运动方程进行推导，使得运动方程和优化问题易于处理．通过将气动力假设为能量参数的分段连续线性函数。并且采用Runge-Kutta数值计算方法，将轨迹优化问题转化为多维非线性规划问题．应用广义乘子法对其进行数值求解．针对给定不同最大航迹角的2种情况，获得了总加热量最小，满足终端要求以及过载、动压、热流约束的最优轨迹，分析了返回最优轨迹的特点。     

基于量子遗传算法的雷达组网布站分析

针对弹道目标雷达组网测试,测量设备布站设计是一个典型的复杂优化问题。基于量子遗传算法搜索机理和待求解优化问题特性,以弹道测量精度为目标函数,设计了优化算法计算流程。对一种多雷达设备组网布站测量进行了仿真评估,重点关注了量子遗传算法2种旋转角策略对搜索全局最优解的影响。结果表明:区别于旋转角变小的更新策略,旋转角变大的更新策略虽然收敛速度下降,但获得全局最优解的概率增大。研究结果为量子遗传算法在弹道组网测试领域的应用提供了参考。     

目标多个最优解的GA求解法及其运用

在寻求目标多个最优解的算法的基础上，提出了一种新的寻求目标多个最优解的GA求解法。通过分析组合优化问题的特点，对原来的小生境半径的自动确定方法进行改进，最后得出了一种新的方法。将此方法运用于防空群作战目标分配，通过仿真结果表明该算法操作简便，计算更快。     

浅海声场对不确定环境参数的灵敏度分析方法

为分析不确定环境参数对浅海声场的影响,用非嵌入式随机多项式展开法获得声场与不确定环境参数之间函数关系式,建立声场对单个不确定参数的局部灵敏度分析方法;当多参数不确定时,提出依据某参数变化前后声场概率密度的变化,定性表征声场对该不确定参数的全局灵敏度分析方法,引入Sobol指数法定量计算声场对不确定环境参数的全局灵敏度。算例结果表明文中提出的分析方法可快速获得浅海声场对不确定参数的灵敏度,可用于优化不确定浅海环境参数模型。     

多约束条件下高超声速导弹再入轨迹优化

为研究多约束条件下的高超声速导弹再入轨迹优化问题,提出了分段优化策略的再入轨迹优化方法,多阶段求解最优轨迹。建立了导弹的动力学模型、气动力模型和大气密度的计算模型,在考虑导弹的过载、动压、驻点热流和角度变化率等多种约束条件下,以导弹再入末速度最大和驻点热流最小为目标函数,基于hp自适应伪谱法和高斯伪谱法进行了弹道数值仿真。仿真结果表明,分段优化策略有效减少了计算时间,降低了计算复杂度。     

基于文化基因算法的多目标优化

针对粒子群算法收敛速度慢、求解精度低的不足,提出了将粒子群改进作为全局搜索,多目标模拟退火算法作为局部搜索的文化基因算法,将交叉和变异操作引入粒子群全局搜索中帮助跳出局部最优。对于多目标优化问题,根据非劣解的拥挤度决定最优值的选取策略,并将该算法用于多目标优化的实际求解中。仿真结果表明,该算法不仅能快速有效地得到Pareto解集,并且能有效地保持所求最优解的多样性。     

地空导弹的分配优化

以毁伤空袭兵器的期望值作为优化原则,通过确定地空导弹对目标的服务度、计算服务效能建立模型.再运用毁伤概率法和蒙特卡罗法,通过确定近似最优方案并进行检测求解模型.由此对地空导弹的分配方案进行优化,为解决地空导弹分配优化问题提供一种较为科学的方法,其算例结果证明该方法可行.