基于混沌蚁群算法的多机协同空战火力分配

针对多机协同空战中的多目标攻击决策问题,提出了一种基于混沌蚁群算法的火力分配方法。该方法将混沌运动的遍历性、随机性和蚁群算法信息素正反馈相结合,起到了优势互补作用。根据相应数学模型进行的仿真结果表明,该方法在多机协同空战火力分配中具有较强的全局寻优能力,且收敛速度快,寻优效果好。     

基于蚁群算法的目标分配问题研究

目标分配问题是多机协同战术决策的核心内容之一.文中以攻击优势最大为准则,结合蚁群算法的思想,建立了基于蚁群算法的目标分配问题求解模型,并以实例说明了算法的有效性.     

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。     

基于交叉熵优化的多飞行器在线协同目标分配方法

在线协同目标分配技术是支撑多飞行器自主协同作战的关键,为此,针对多飞行器在线协同目标分配问题进行研究,综合考虑飞行器性能、命中概率、目标价值等因素建立了约束条件模型和代价指标评估模型,提出了基于交叉熵的在线协同目标分配策略求解算法,经不同计算规模下的数学仿真分析,验证了本文方法对于解决在线目标分配问题的计算实时性和有效性。     

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。     

导弹对目标群射击时火力分配优化研究

阐述了导弹攻击前,根据被攻击的目标对导弹进行火力分配是一项十分重要的工作,需要经过严格的定量计算才能完成．根据编队超视距导弹攻击的实际情况,建立了多类型导弹对目标群射击时的火力分配非线性规划模型,并设计出具体的解法流程,研究当前超视距导弹攻击中的火力分配问题．其解法根据编制的计算机程序检验,运算量较少,对解决导弹射击的火力分配问题具有重要的意义．     

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。     

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。     

基于蚁群算法的测试任务调度优化方法

复杂系统测试通常存在任务复杂、测试时间长、资源浪费等问题,对资源和任务进行合理调度具有重要实用价值。提出基于蚁群算法的测试任务并行任务调度优化方法,对测试问题进行描述,与蚁群算法结合,设计了启发函数、状态转移规则;根据算法流程获得测试时间最短的任务调度序列;针对任务序列多解的问题,提出资源均衡度的评价标准,得到最优的资源任务调度序列。基于蚁群算法解决了复杂测试系统任务调度问题,对某实际测试系统资源任务集进行调度仿真,并与随机穷举法对比验证算法的有效性,结果表明该方法能大大节约测试时间。测试实例与当前常用的半串行测试进行对比,测试效率提升了43.07%;所得结果为最短测试时间任务调度序列中资源均衡度最高的。     

基于蚁群算法的静电探测器阵列优化设计

采用平面圆阵的被动式静电探测系统可以对远距离目标进行精确的定位．通过对圆阵的布设参数进行优化设计，可以提高静电探测圆阵对目标进行定位的准确性．蚁群算法具有求解快速、能够获得全局优化等优点，因此适合于复杂系统的优化问题求解．对静电探测圆阵的参数优化问题可以用有约束条件的组合优化模型来表示，而采用蚁群算法解决约束优化问题的具体方案经过改进可以应用于静电探测圆阵的参数优化设计．由仿真试验可以证明，算法能够显著的提高优化效率．因此，蚁群算法对解决静电探测圆阵布设参数的优化问题是可行并且有效的．     

基于微分进化-蚁群优化算法的潜航器航路规划

航路规划是包括新型巡航鱼雷和诱饵、远程布雷系统等潜航器完成指定任务的关键技术之一;为了解决蚁群优化算法在航路规划时存在的容易陷入局部最优、收敛速度慢等问题,引入了微分进化原理,对蚁群优化算法进行了改进,提出了微分进化-蚁群优化混合算法;该算法将微分进化的随机偏差扰动产生新个体的思想融入到蚁群优化算法中,对蚁群算法的信息素进行优化;最后以潜航器航路规划问题为实例,对改进后的混合算法进行了仿真研究;结果表明:提出的混合算法不仅能够得到更好的解,还能显著地提高算法的收敛速度。     

基于蚁群算法的我方机群优化分组

针对空战中我方机群分组问题,首先以敌方相应的空战能力、战术价值和分组情况以及我方空战能力建立我方机群分配模型,然后结合具有变异和自适应功能的蚁群算法,在分析了蚁群算法的状态转移、局部调整和全局调整规则的基础上,给出了我方机群分配优化算法,最后进行仿真实验,证明了算法的有效性     

基于改进蚁群算法的红外图像边缘检测方法

蚁群算法应用在红外图像边缘检测方面具有良好的效果,但个体蚂蚁的参数需要针对不同图像进行手动配置,这种情况既不利于工程化应用,又降低了算法的效率。针对该问题,提出了一种基于改进蚁群算法的图像边缘检测方法,该方法采用估计个体蚂蚁的分布区域来代替以往全局随机分布的方式,提高算法在敏感区域的搜索效率;同时根据图像边缘复杂程度给出个体蚂蚁的移动步长、禁忌列表长度等参数用于算法迭代,促进算法在边缘丰富区域搜索的同时抑制了算法结果早熟。多组仿真结果证明该方法能够自动给出较为合适的参数,同时在不影响边缘检测效果的前提下缩短运行时间。