火力优化分配问题的小生境遗传蚂蚁算法

火力分配问题是NP难题,经典的求解算法存在指数级的时间复杂度。文中提出一种小生境遗传算法与蚁群优化算法相结合的小生境遗传蚂蚁算法,并针对具体问题提出蚂蚁搜索的禁忌规则。对该算法进行了实验,并将实验结果与其他算法进行比较分析,分析结果表明：新算法无论是在优化性能还是在时间性能都取得了非常好的效果。文中算法对其他的NP问题同样适用。     

基于改进SPEA2算法的火力分配问题

火力分配是战前任务规划的重要环节。考虑攻击效果、资源等约束条件,以攻击效益最大,武器消耗最小,自身损伤最小原则建立了火力分配多目标数学模型。针对传统方法在求解火力分配多目标优化问题时存在收敛效果差以及Pareto前端分布不均匀等不足,将近邻传播算法引入到SPEA2算法中,改进了SPEA2算法的多样性保持策略,优化了算法性能。实验结果表明：改进的SPEA2算法在解决多目标火力分配问题时,相较于标准SPEA2算法,具有收敛效果好,Pareto前端分布均匀的特性。通过实验,验证了模型的合理性和算法的可行性。     

防空火力分配建模及优化方法研究

在综合考虑防空对抗双方作战价值的基础上,建立了一种用于防空作战多武器系统对抗多批目标的火力分配模型,在此基础上,提出了基于粒子群优化（PSO）算法以及粒子群与遗传算法相结合（PSO—GA）的火力优化分配方法．通过仿真,并与遗传算法（GA）进行了比较,验证了火力分配模型的可行性以及所提出优化方法的有效性和优越性.     

Hopfield神经网络模型在火力分配算法中的应用研究

该文针对指挥控制系统中的火力分配问题进行了研究,首先介绍了几种传统的分配算法,在介绍了离散Hopfield神经网络模型的基本算法的基础上,将其引入到火力分配问题的求解过程中,文章最后给出了一个应用的实例。     

基于改进量子免疫克隆多目标优化算法的火力分配问题

针对传统火力分配中存在武器资源浪费的情况,以对敌目标与网络攻击收益最大、己方武器消耗最小为目标,建立一种考虑毁伤概率约束条件的多目标火力分配模型。对标准量子免疫克隆多目标优化算法进行优化,引入了混沌机制,修复不可行解,并对搜索策略和多样性保持策略进行改进,设计了一种改进的量子免疫克隆多目标优化算法。通过实验仿真,验证了模型的正确性与算法的优越性。相比于传统量子免疫克隆算法,改进算法的性能平均提高了23%。     

基于遗传算法的要地防空武器系统最优火力分配模型研究

结合战场目标价值分析,根据防空武器兵力火力分配情况,运用遗传算法建立了火力分配模型,使防空武器最大限度地发挥火力单位效能,达到最大毁伤效果.采用了适应度函数惩罚的方法,对选择,交叉,变异等操作进行了改进.最后通过实例仿真和计算,针对单发和双发两种射击方式分别建立数学模型,运用遗传算法求解得出了火力分配最优方案,验证了方案的可行性和优越性.研究结果为两型防空武器系统的作战应用奠定了基础,为决策提供一定的理论依据.     

基于遗传蚁群算法的舰艇编队防空火力分配

提高舰艇编队的防空火力分配效率是海上防空中一件紧迫的任务.火力分配问题是NP难问题,经典的求解算法存在指数级的时间复杂度,启发性智能算法又易于陷入局部最优.提出一种基于拥挤替换思想的遗传蚁群算法用于解决水面舰艇编队防空火力分配问题,遗传算法阶段采用拥挤替换和时变性变异算子设计,以维持较好的种群多样性,蚁群算法阶段,由于有较好的初始信息素分布,在进一步求精解的时候能够避免陷入局部最优.仿真结果表明:新算法与其它算法相比,在优化性能和时间性能方面都有了较大的改善,并且分配问题规模越大,优势越明显,能较好地解决舰艇编队防空火力分配问题.     

基于序号遗传编码方式的反舰导弹火力分配算法

遗传算法在解算反舰导弹火力分配问题时,具有解算结果最优或次优,但由于解算过程中会产生过多不满足约束条件的染色体,导致该算法解算时间比较长,不能满足反舰导弹作战使用时对火力分配问题的实时性要求;为了提高解算效率,文中依据反舰导弹火力分配问题的特殊性,提出了基于序号的遗传编码方式,并给出了详细的编码过程模型,提高了遗传算法在多型反舰导弹协同攻击多目标情况下的火力分配解算效率;最后,通过实例论证了该算法的可行性和有效性。     

基于量子遗传算法的反舰导弹火力分配方法

反舰导弹火力分配问题是一个典型的多目标优化问题,一般通过固化各型导弹的数量将其转化为单目标优化问题来进行解算;基于量子遗传算法,研究了在兼顾反舰导弹作战效能最大化和作战成本最小化两个优化指标的情况下,反舰导弹群火力分配寻优解算方法,详尽描述了其寻优解算过程;实例证明,该方法不仅具有良好的种群多样性、较快的收敛速度、较强的全局搜索能力,而且解算结果是最优或次优的.     

采用改进差分进化算法的防空导弹火力分配

针对目前采用差分进化算法求解防空导弹火力分配问题需要人工确定惩罚系数,从而增大模型建立复杂性的问题。采用一种处理约束条件的改进差分进化算法求解该问题;该方法在解是否可行的基础上采用三种选择准则用于搜索可行解区域,并增加了一个整数变量用于保存整数解。实例结果表明,与采用惩罚函数的方法相比,该方法在同等的求解效率下,能够获得较好的最优值。由于该方法不用人为确定惩罚系数,减少了模型的确定难度和时间,可用于求解火力分配问题。     

基于遗传算法的防空兵群(团)火力分配模型

防空兵火力分配决策是防空兵群团射击指挥的重要内容,火力分配的正确性和实时性关系到防空作战的成败,是防空兵指挥自动化系统追求的目标.在解决防空兵火力分配问题时,以往常采用整数规划的方法.但在实际应用中,传统方法存在着三个方面的不足.为此,该文将标准遗传算法运用于防空兵火力分配方案寻优中,建立了新的基于遗传算法的防空兵群团火力分配模型和计算流程,并给出了计算示例.计算结果表明,该方法较好地克服了传统方法的缺陷,具有良好的实用价值和应用前景.     

基于OpenMP的并行蚁群算法求解协同空战火力分配

根据动态火力分配中"动静结合"的思想,建立了一种带毁伤概率门限的火力分配模型。针对协同空战的第一阶段,在求得对目标机群最大毁伤效果的同时尽量节约导弹武器资源,以应对下一阶段的火力分配。根据粗粒度的并行策略,采用OpenMP并行优化技术对蚁群系统(ACS)中最耗时的循环迭代、循环赋值部分进行并行化处理,在此基础上,将优化后的蚁群算法应用到空战火力分配中,通过对各种规模的火力分配问题进行仿真实验,并验证所提出的火力分配模型的合理性和并行蚁群算法的有效性。     

考虑时间约束的空战编队协同火力分配研究

为提高空战编队协同火力分配模型的准确性, 结合空战实际动态过程的特点,提出相对静态空战过程和窗口时间约束概念,并基于此建立相对静态空战火力分配模型,考虑从分配开始到命中目标所需时间与实际可用时间的相互关系;针对模型在增加了时间约束后难以快速准确求解的问题,提出一种时间约束处理的策略,并基于最佳适应度和遗传代数调整策略相结合的自适应量子遗传算法求解。实验结果验证了改进算法的快速收敛性和稳定性,同时表明模型在空战火力分配方面的适用性。     

基于改进麻雀搜索算法的步战车火力分配模型

火力分配是现代和将来作战中的关键要素,在战斗中具有非常重要的研究意义。文章针对步战车的火力分配运用问题提出了基于改进麻雀搜索算法的步战车火力分配模型。首先,提出了一种步战车火力分配相关的数学模型;其次,为了求取步战车火力分配最优方案,提出了一种基于强化学习的自学习麻雀搜索算法（Self-learning Sparrow Search Algorithm Based on Reinforcement Learning,SSA-RL）;最后,为了避免不良麻雀个体进入子代种群,提出了一种个体精度约束方法。对本文的改进算法进行多次防真实验,证明了SSA-RL的有效性,为解决火力分配问题提供了新的方法和思路。     

舰艇编队信息战火力分配微分对策模型及求解

火力分配问题一直是军事理论工作者和参战双方指挥员关心得最多的重要问题之一. 针对舰艇编队信息战的特殊性, 本文利用兰彻斯特战斗方程和微分对策理论建立了相应的火力分配优化模型, 并进行了模型分析和求解. 通过分析、求解一个实例的最优策略, 从另一层面证明了“集中优势火力”这一战术思想的正确性. 研究结果可为作战指挥决策提供理论参考.     

基于非线性规划协同进化遗传算法的防空导弹火力优化分配研究

为了进一步提高防空导弹目标分配问题的求解效率和解算能力,建立了防空导弹目标火力分配模型,提出了一种非线性规划协同进化遗传算法(NLPCGA).该算法是综合非线性规划算法(NLPA)局部搜索能力强和协同进化算法(CA)求解质量高的优点,并利用遗传理论提高算法的求解效率.通过结合实例,仿真结果表明NLPCGA算法在求解防空目标火力分配问题上要优于单独两种智能算法,可以有效快速地找到最优火力分配方案,为防空作战指挥决策提供支持.     

基于自组网络的武器火力饱和分配研究

针对武器火力分配中网络自组连通情况及能否饱和分配问题,研究了网络自组及饱和攻击数计算方法和匈牙利分配算法,并对其进行了改进.首先根据有效通信距离和火力单元之间距离求解任意两火力单元的连通概率,得出连通概率矩阵,将矩阵中数值规范化,并利用准平方法计算得出网络连接矩阵;然后,根据敌我双方信息,构建火力分配模型;最后,求出各个目标饱和攻击数,运用改进匈牙利算法构建火力分配模型,并根据目标饱和情况进行二次分配.仿真结果表明,在自组网的基础上,运用改进后的匈牙利算法可以有效的解决饱和分配问题.     

最大权-最大基数分配问题算法

本文对经典的分配问题，根据实际需要提出了一个新的应用模型，给出了其实现算法及相关证明．     

基于遗传算法的联合火力WTA问题研究

研究联合火力优化分配问题.联合火力是多种作战力量参战条件下的多武器-多目标对抗.由于火力分配受到多种条件的限制,分配方案又决定作战效果,而武器-目标分配(Weapon Target Assignment,WTA)是多个装备同类型武器的作战单元联合抗击多个目标进行的分配方法.针对WTA问题求解规模大和精度高的特点,传统算法均不能满足速度和精度的要求,在基本遗传算法的基础上,采用精英选择和动态遗传算子的改进算法,避免了过早收敛.利用WTA的数学模型进行仿真.仿真结果验证了算法的有效性.