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。     

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。     

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。     

基于粒子群算法的广义S维分配算法

多传感器多目标检测的静态数据关联问题可用广义S维算法求解,但求解复杂度是NP的.因此提出用粒子群算法来实现,它把多维分配问题中的目标代价函数极小化问题表达为一类约束的组合优化问题,再通过增加量测约束条件,缩小搜索空间,更快的得到最优解实现关联.在无杂波和无漏检情况下,用不同策略的粒子群算法和遗传算法实现静态数据关联仿真比较,结果证明该算法的有效性和优越性.     

无人机总体参数多目标优化设计方法研究

文中对无人机总体参数的多目标优化方法进行了研究．并利用线性加权和法将总体参数的多目标优化问题转化为单目标优化问题进行求解．在此基础上建立了喷气式无人机总体设计模型和相应的计算机多目标优化设计算法及程序。通过在某无人机总体方案设计中的应用．验证了该方法的合理性和有效性。     

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。     

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.