基于粒子群优化算法的多目标搜索算法

针对多目标优化问题在实际应用中的复杂性,提出一种采用粒子群优化算法来求解多目标优化的问题的方法。在分析了多目标优化问题的基础上,以粒子群优化算法对生产配料流程中的优化问题为例进行非劣最优解集的搜索,并将其运用于实际工程制造中的某配料选型工艺计算中。仿真结果表明:该方法有效,在工程设计选型、模式分类、神经网络训练以及系统控制等领域正得到普遍应用。     

基于Henon 混沌映射的多目标粒子群算法改进分析

为解决多目标粒子群优化算法对初值敏感性较差和局部搜索能力不强的问题,提出一种改进的混沌多目 标粒子群优化算法。根据多目标优化问题的概念,利用混沌对初值敏感、随机的特性,确定种群初始值,通过引入 Henon 混沌映射,将改进后的算法应用到3 个典型的多目标测试函数,并与NSGAⅡ和MOPSO 算法进行对比。仿 真结果表明：改进的多目标粒子群算法在收敛性、分布性和均匀性等均有提高,具有可行性和优越性。     

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。     

基于多目标局部变异-自适应量子粒子群优化算法的复杂地形多传感器优化部署

对复杂地形下的多传感器部署问题进行研究,提出了基于多目标局部变异-自适应量子粒子群优化（LM-AQPSO）算法的多传感器多目标优化部署方法。该方法对复杂地形进行多属性网格建模,给出了传感器探测模型和优化目标。引进局部变异和参数自适应策略对量子粒子群优化算法进行改进,并提出了基于LM-AQPSO的多目标Pareto最优解集优化算法。考虑多目标部署需求,构建了基于Pareto最优解集的多传感器优化部署模型。仿真实验结果表明：相对于经典的改进非支配排序遗传算法,所提算法优化的Pareto最优解有着更好的收敛性和分布性,且寻优时间更短;所提模型能有效解决多目标多传感器部署问题,并能同时提供更多的决策方案。     

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。     

杀伤爆破战斗部杀伤威力的多目标优化

杀伤爆破战斗部杀伤威力一直是杀伤爆破战斗部设计中关注的技术指标之一.基于Stochastic随机破碎模型和破碎性试验对杀伤爆破战斗部威力参数进行研究,分析装药种类、弹体壁厚和弹体材料对杀伤爆破战斗部有效破片形成的影响规律.以弹体材料参数和弹体厚度为设计变量,以有效破片的数量和平均动能最大为优化目标,采用非支配排序遗传算法得到不同设计变量条件下的Pareto最优解集.结果表明:Stochastic随机破碎模型可以有效地反映战斗部形成有效破片的质量分布规律;基于代理模型和多目标遗传算法的战斗部杀伤威力优化方法,能够有效提高杀伤爆破战斗部的杀伤威力,优化结果可为杀伤爆破战斗部设计提供参考.     

基于文化基因算法求解动态武器目标分配

针对动态武器目标分配(dynamic weapon target assignment,DWTA)问题,提出一种基于进化算法和局部 搜索算法的文化基因算法(memetic algorithm,MA)。以最大化目标毁伤为目标,建立考虑能力约束、策略约束、资 源约束、拦截可行性约束条件下的DWTA 模型;引入虚拟排列进行编码以满足拦截可行性要求,设计将排列转化为 实际分配方案的构造方法,给出算法运行过程中对随机事件的处理方法。通过与遗传算法(genetic algorithm,GA)、 MA-GLS(memetic algorithm global local search)求解不同测试实例的对比仿真,结果表明,MA 算法具有寻优速度快、 优化能力强、稳定性好的优点。     

内装式空中发射运载火箭点火状态多目标优化

针对内装式空中发射运载火箭状态空间广泛的特点,提出基于粒子群优化算法的空中发射系统的多目标优化方法。定义了以箭机分离时载机的姿态角、稳定伞的阻力特征、运载火箭点火时的角速度为自变量的粒子群广义位置和广义速度。建立了以箭机安全距离、运载火箭有效动能与耗能的比值、运载火箭控制机构耗能为变量的多目标优化模型。利用MATLAB软件计算优化模型,分析优化结果,证明适用于解决空中发射系统的优化问题。     

基于整数域改进粒子群优化算法的多平台武器目标分配

武器一目标分配( WTA)问题是军事运筹学中经典的NP完全问题,其模型为非线性整数规划模型,包含多种约束条件,求解复杂、收敛速度慢,采用改进粒子群优化( PSO)算法求解WTA问题.在建立WTA最优化分配模型的基础上,提出了一种针对多约束WTA问题的粒子编码方案及模型的适应度函数,解决了粒子的整数域初始化问题.采用粒子...     

不可靠测试条件下基于多目标粒子群的测试优化选择方法

针对测试条件下多目标优化的问题,提出一种在不可靠测试条件下的测试优化选择方法.通过对测试优化选择过程进行分析,建立多目标优化的数学模型,利用最大似然估计法得到故障测试样本参数信息,采用E占优多目标粒子群算法选取最优解,并通过某导弹雷达组件实例验证了算法的有效性与可用性.结果表明:该方案可在兼顾所有因素的同时,着重关注漏检率因素.     

内弹道多目标优化算法对比分析

为保证在威力不变的情况下,尽可能降低内弹道过程的最大膛压,建立基于NSGA-Ⅱ、CMOPSO、NSGA-Ⅲ多目标内弹道优化算法,对其进行计算分析.以某无后坐发射系统为研究对象,选定设计变量与目标函数,对目标函数进行无量纲化,对内弹道进行多目标优化,并对比3种算法在内弹道优化过程中的优劣.结果表明:CMPSO算法具有最大的相对速度分布,NSGA-Ⅱ具有最大的相对压力跨度,而NSGA-Ⅲ具有最好的收敛性.     

防空武器多目标优化分配建模与决策

在对决策机理分析的基础上,建立了防空武器系统的多目标分配决策模型,实现了防空导弹的多目标优化分配。在此基础上,提出一种改进的粒子群优化(PSO)算法以求解防空武器的最优分配,通过与遗传算法的实例比较,结果证明了该方法的有效性和优越性。     

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。     

鱼雷武器系统方案多目标优化论证

根据鱼雷武器系统概念设计的费效多目标优化模型,采用多目标遗传算法(MOGA)求解Pareto最优解,并根据距离理想解最近的方法得到方案论证的最终满意解.文中讨论了一个鱼雷论证的数值算例.结果表明,多目标遗传算法能够应用于鱼雷武器系统的费效方案比较,方案集的多样性良好,分布比较均匀,决策的方法简单适用,能够在工程设计中使用.     

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。     

基于文化粒子群的图像配准优化算法

针对图像配准中采用互信息作为配准相似度函数存在配准精度小和收敛速度慢等问题,构造了一个基于最大化互信息的配准测度函数。结合一种适用于图像自动配准的文化粒子群优化(CPSO)算法,给出了一种新的图像配准算法。该算法将搜索空间设置成群体空间和信念空间,群体空间采用自适应粒子群算法完成进化,信念空间通过更新函数来进行演化。群体空间的粒子群不仅通过跟踪个体极值和全局极值来更新自己,还通过不断与信念空间中的优秀个体交互,加快群体的收敛速度。这就克服了图像配准中计算量过大、搜索速度慢等问题。大量实验表明,与现有的粒子群优化（PSO）算法配准算法相比,文中提出的算法具有较好的鲁棒性和配准精确率。     

基于混合离散粒子群算法的多无人作战飞机协同目标分配

针对多无人作战飞机(UCAV)协同目标分配问题,提出了一种基于混合离散粒子群算法的多UCAV协同目标分配方法。混合离散粒子群算法根据多UCAV协同目标分配问题的特点,设计了新的粒子群位置和速度更新公式,并且充分利用粒子群优化算法的全局搜索能力,同时利用禁忌搜索的局部搜索能力,使2种算法的优势得到互补,较为显著地提升了原算法的性能。仿真结果表明:混合离散粒子群算法能够有效地解决多约束条件下多UCAV协同目标分配问题,并且算法简单、灵活,易于实现和扩展。     

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MOEA/D算法的多脉冲末修子弹多目标优化设计研究

针对多脉冲末修子弹设计中脱靶量、落地时间、弹着角等优化目标间的强烈冲突性问题,以其修正段为研究对象,建立了以初始高度、初始落速、单个脉冲发动机冲量为决策变量,以打靶误差、落地时间、弹着角、脉冲发动机耗能为目标函数的三种多目标优化模型,并采用MOEA/D算法进行仿真计算.结果表明:所求Pareto最优解较符合工程实际问题,有助于设计人员选择合理参数优化弹道,对多脉冲修正子弹的总体设计有着重要的参考意义.