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...     

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。     

多目标优化的多品种维修器材分配问题研究

为了更好地满足部队维修器材需求,优化需求数量超过供应中心库存数的多品种维修器材分配整合供应问题,建立了保障重点、兼顾公平、效用最大的多目标优化模型。提出了采用灰色关联度方法对多目标进行处理,将多目标转化为单目标问题,并将之内嵌到改进遗传算法中。实例验证表明,该算法最优适应度值及平均适应度值可分别降低31.538 5%和37.371 1%,验证了该模型能有效减少器材分配失衡,提高器材供应效率。     

基于离散映射的量子粒子群优化算法求解WTA问题

针对武器目标分配(WTA)问题及其特点,提出一种基于离散映射的量子粒子群优化算法。通过武器系统对目标攻击过程中得到的毁伤收益建立了目标分配模型,提出一种基于离散映射的编码调整方式,将连续型粒子位置矢量投影至离散空间上,避免产生不满足模型约束条件的非法解,从而提高粒子利用率。通过仿真对比验证,论文算法具有较高的收敛速度与稳定性,表明该方法能有效求解WTA问题。     

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。     

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。     

编队防空火力分配建模及其优化方法研究

为提高编队防空武器的整体作战效能,在面临多批空中威胁目标时最大限度地发挥编队内防空武器资源,建立了编队防空武器火力分配(WTA)模型,将人工免疫算法应用到模型的求解与仿真中。针对模型求解的特殊要求,构造了有效表达编队防空WTA作战效能的特种抗体数据结构染色体编码方案和亲和度算法,给出用于产生高效防空WTA结果的克隆免疫算子。通过实例分析,验证了该算法的正确性和有效性,并与其它进化式算法进行了比较,在大多数情况下,免疫算法能够获得更优的结果。     

基于自适应遗传算法的反坦克导弹阵地武器目标分配研究

针对传统武器目标分配(WTA)方法中将目标视为相互独立实体的不足,提出一种适用于反坦克导弹武器目标分配的联合目标模型及利用自适应遗传算法对模型进行求解的思路,通过新的种群生成编码方法和单亲交叉与双亲交叉相结合的方法,缩小了可行解空间,克服了过早收敛,并加快了搜索速度.仿真表明了自适应遗传算法在求解反坦克导弹阵地WTA问题时不仅全局收敛性好,稳定性高,易于并行处理,且每个解都具有实际的可分配性.     

多约束条件下多目标反导最优分配策略研究

针对弹道导弹中段拦截问题，研究了多对多场景下的武器-目标最优分配策略。首先，提出了一种拦截弹发射诸元和拦截诸元快速解算方法，并建立了最优分配指标模型，实现了拦截效能和威胁指标的快速求解。由于能够预判弹-目末交战过程，较传统的基于单发拦截概率的方法而言，提出的方法在拦截效能的计算上更具实际意义。其次，提出了一种改进粒子群优化算法，以及一种基于种群平均适应度方差的动态变异策略，通过量化群体进化过程的方式从根本上提升了算法的搜索效率，保证了最优分配策略的快速生成。最后通过仿真计算验证了方法的准确性和可行性。     

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。     

基于马尔柯夫过程的防空武器系统火力分配

基于马尔柯夫过程求解火力分配问题的动态WTA方法,把目标威胁程度纳入性能指标进行火力分配决策,并利用Matlab编写主体程序.其建模包括:基本假设、建立模型及算法改进.通过算例分析知:目标密度较小,使用线性规划的静态WTA法分配目标即可;目标密度较大,则应采用动态WTA方法进行火力分配.     

改进的混合遗传算法在防空目标分配中的应用

根据现代海战中防空目标分配的特点,建立了目标分配模型。针对基本遗传算法进行目标分配中存在的问题,提出了一种改进的混合遗传算法。该方法首先对交叉和变异算子进行了改进,引入了小生境技术解决早熟收敛问题。然后利用模拟退火算法具有较强的局部搜索能力,并且能够使搜索过程避免陷入局部最优解的特点,将模拟退火算法嵌入到基本遗传算法的循环中,解决了基本遗传算法收敛速度慢,时间复杂度高的不足。仿真结果表明,混合算法能很快收敛到全局最优解,效果较好。     

武器-目标分配问题综述

介绍武器-目标分配问题的应用背景、基本概念、基本模型、数学性质及该问题的现状及进展。目前WTA问题的研究内容主要集中在模型和算法上。模型研究以静态模型研究为主,动态模型研究在近几年有所发展;算法研究主要以智能算法研究为主,尚未出现其它新式算法。并指出目前WTA问题研究存在的不足及进一步的发展方向。     

基于SAPSO算法的无人机三维航迹规划

运用粒子群算法(PSO)进行无人机三维航迹规划时,常通过引入最小威胁曲面来减小搜索空间,提高算法效率,但将威胁信息等效至数字地图中并不能准确反映威胁作用,且失去了利用地形遮蔽进行突防的优势。针对这一问题,从航迹规划的核心适应度函数出发,综合考虑火力威胁、地形威胁、高度威胁、机动性能四个方面约束,对适应度函数模型进行了分析改进。同时,针对粒子群算法易陷入局部最优的问题,提出将模拟退火粒子群算法(SAPSO)运用于航迹规划,利用模拟退火算法概率突跳能力进一步改善航迹质量。仿真结果表明,改进模型获得的三维航迹不仅满足各项约束,而且能够利用地形遮蔽进行突防,SAPSO算法改善航迹效果明显。     

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。     

改进分解进化算法求解动态火力分配多目标优化模型

战前制定合理的火力分配（WTA）方案,可以优化资源配置,用最小的代价获取最大的战场收益。其一,建立了面向多型武器协同进攻作战的动态火力分配（DWTA）多目标优化模型,由多个阶段静态模型构成,各阶段静态模型参数需根据战场态势实时获取;其二,重点研究阶段静态模型求解算法。针对模型特点,设计了一种满足资源约束的编码方式,融合禁忌搜索和拥挤距离策略,提出了一种改进分解进化算法。对比实验验证了算法的可行性、快速性和有效性。     

基于改进型遗传和蚁群混合算法的防空兵群火力分配模型

基于改进型遗传和蚁群混合算法的防空兵群火力分配问题,先建立火力分配数学模型,通过第i个火力单位对第j批目标的射击效益,求得所有火力单位对所有目标射击总效益.改进型遗传算法包括:对可行解空间参数编码,设定祖先群体、适应度函数和控制参数等.蚁群算法则通过双向图,将武器分配优化转化为双向寻找最佳路径.     

遗传算法在武器目标分配中的应用

从问题编码、初始种群产生、遗传操作等方面给出了武器目标分配问题的遗传算法详细设计,以及不同武器射击精度和射击规则下的编码方式.将遗传算法和仿真模型相结合,实现了适应度函数的动态变化,为解决对抗作战中大规模的武器目标动态分配问题提供了一种有效方法.     

分阶段对地打击武器-目标分配建模与决策

为解决以对地打击作战行动为背景的武器-目标分配问题,在合理的假设条件下,建立了分阶段对地打击武器-目标分配的全局模型和局部模型,并设计了粒子群算法结合改进单纯形法的模型求解思路。结合具体算例所得出的仿真结果表明,所提出的模型与算法是准确的,能够有效地得到目标选择方案和武器分配方案,决策结果与实际作战思路基本一致,为对地打击武器-目标分配问题的工程实现提供了参考,具有重要的实际应用价值。     

基于遗传算法的防空兵群最优火力分配模型

基于遗传算法的防空兵群最优火力分配模型,运用战场目标价值和防空兵火力分配情况建立.最大限度发挥武器火力单位效能并达到最大毁伤效果.步骤包括:采用实数编码,通过构建染色体,生成初始群种;计算适应度,检验初始群种;操作遗传算子并改进选择、交叉、变异等操作.最后求解最优解,找出最优的分配方案.