基于改进多目标粒子群优化算法的雷达资源分配方法

针对预警探测任务中多雷达传感器协同探测跟踪同一目标时的雷达资源优化分配问题,提出了一种基于改进多目标粒子群优化算法的雷达资源分配方法。为了获得综合效能最大的雷达资源分配方案,建立了以雷达对目标的探测覆盖占比、雷达交接班次数、目标首点发现时刻为目标函数的多雷达资源优化分配模型,给出了基于改进多目标粒子群优化算法求解雷达资源分配模型的具体步骤。仿真结果表明,提出的方法能够合理地进行多雷达资源优化分配,计算结果高效、可行,算法求解结果稳定,能有效避免基本粒子群算法可能遗漏全局最优解情况的产生。     

基于滚动周期粒子群算法的雷达组网协同分配方法

针对反导预警系统执行饱和弹道导弹目标攻击场景中的雷达实时任务分配问题,提出一种资源约束下基于动态自适应滚动周期混合粒子群算法的多任务协同分配方法。根据弹道导弹的目标特性,建立了任务综合优先级规划模型;为了实现分配效能最大化,考虑资源约束的基础上建立了雷达资源利用率、任务综合价值实现率、雷达切换次数、任务调度成功率为目标函数的雷达组网多任务资源分配模型,基于离散粒子群算法进行粒子迭代逻辑优化,满足算子自适应的选择、变异及交叉操作;为适应战场环境的动态复杂特性,建立了滚动周期调度模型和事件重调度模型,设计的协同调度策略很好地满足了实时性的要求。仿真结果表明,在饱和场景下使用基于动态自适应滚动周期混合粒子群算法能够有效解决实时雷达组网多任务协同分配问题。     

基于群体智能算法的无人机协同搜索

为解决无人机集群进行协同搜索时的任务分配问题,在基于天牛须搜索的粒子群优化(BSO)算法的基础上设计了一种天牛粒子群混合(BSO-BAS)算法,克服了粒子群优化(PSO)算法易陷入局部最优解、寻优不稳定的缺点。以多旅行商模型(MTSP)为基础构建了多目标、多约束的无人机集群任务分配模型。通过实验仿真与原始寻优算法进行对比,验证了所设计算法求解无人机协同搜索任务分配问题的可行性和稳定性。     

机载传感器管理中信息引导雷达搜索空域研究

当前机载传感器管理中,信息引导雷达搜索的空域规划问题由信息误差和经验公式确定,雷达搜索空域较大,使信息引导失去意义.根据雷达搜索空域规划的基本原则,结合目标高斯分布的假设和目标截获概率的推导,建立信息引导雷达空域搜索模型.模型以最小化搜索空域为目标,同时满足目标截获概率和雷达的探测约束,实现对不同截获概率需求的搜索空域规划.引入带约束条件的粒子群优化算法对模型进行求解,仿真结果证明了模型的有效性,并与传统方法、遗传算法和人工鱼群算法进行了对比.     

防空雷达网对多隐身目标的协同检测与跟踪

针对防空雷达网对多隐身目标检测与跟踪时雷达分配问题,该文将二值粒子群优化(BPSO)用于雷达分配,结合粒子滤波,提出了一种隐身目标的协同检测与跟踪算法。该算法将雷达分配问题转化成组合优化问题,根据目标的隐身特性设计雷达分配方案(RAS),借助随机分布的检测粒子计算不同RAS对新生目标的检测概率,同时根据RAS对已跟踪目标位置的后验克拉美罗界衡量跟踪精度,采用BPSO算法在RAS中进行全局搜索,选择最优分配方案进行粒子滤波与融合跟踪。与现有算法相比,该算法不仅能够及时检测新生目标,而且能够利用组网优势持续且优化跟踪隐身目标,使网络的整体跟踪精度得到显著提高,实现多目标协同跟踪。     

DV-Hop定位算法的混沌粒子群优化

针对距离矢量跳距(Distance Vector Hop, DV-Hop)定位算法通信半径选择不合理导致平均跳距和定位误差较大的问题，提出一种基于混沌粒子群改进的DV-Hop定位算法，利用混沌映射的遍历性和随机性实现粒子的局部深度搜索，避免粒子群算法陷入局部最优。通过混沌粒子群优化(Particle Swarm Optimization, PSO)算法迭代求解所有信标节点的通信半径，引入混沌理论调整非线性惯性权重优化搜索过程，通过混沌搜索和混沌扰动迭代求解信标节点的最佳通信半径；通过极大似然估计(Maximum Likelihood Estimate, MLE)法计算的平均定位误差作为混沌粒子群算法的适应值函数；使用费希尔矩阵求解的误差下限作为约束条件求解适应值函数，同时把平均通信半径作为节点能耗模型的阈值来降低节点能量消耗。仿真实验表明，提出的算法在不增加算法复杂度的前提下能够在定位精度方面提升近58%,节点能量消耗方面降低近24%。     

基于DMPC的多无人机多维决策协同区域搜索

为了提高面向频域的多无人机（UAV）协同区域搜索效率,提出了一种基于分布式模型预测控制（DMPC）的多UAV多维决策协同区域搜索策略优化方法。首先,基于电磁目标信号检测模型设计了频域数字信息素图及其与空间区域信息图的融合机制;其次,由于多UAV面临在航行路径、频域覆盖和波束机动上多维决策协同目标搜索问题,基于DMPC框架,提出了多维决策协同搜索（MDCS）算法,建立多维决策空间模型,设计了分层搜索决策机制及其效能函数,最后结合滚动时域优化求解各UAV的搜索决策。仿真实验结果表明,MDCS算法能够实现时空频多维在线决策协同区域搜索策略,引导UAV对未知区域进行最大化覆盖搜索,并且有效降低了多维决策造成的优化求解规模,提升搜索决策的实时性。     

结合极值优化的多粒子群协同进化算法

多粒子群协同进化算法是一种群智能算法,具有智能性、通用性、并行性和全局搜索能力,能够很好地解决全局寻优问题,但其保持粒子多样性的机制和协同进化的机制有待做进一步的改进.为了进一步提高多粒子群协同进化算法的寻优效率,提出了一种结合极值优化的多粒子群协同进化算法,它将多粒子群协同进化算法的全局搜索能力与极值优化算法的局部搜索能力进行了结合.最后通过实验验证了该算法的有效性.     

一种基于粒子群算法的螺旋迭代模型研究

实际工程优化过程中,对于多个目标的优化与求解最优值是值得研究的一个问题。文章基于粒子群算法研究多目标优化问题,实现二维多目标搜索,运用粒子群多目标求解模型迭代实现动态多目标搜索,最终得到非劣解在目标空间中的分布,构成了Pareto面,得到非劣解集,在实际问题中,提供最优解的备选,为工程实践优化和筛选最优解问题提供参考依据。     

基于RHC-PSO的双机协同探测跟踪行为决策

针对现代空战双机编队协同探测的复杂性, 以双机协同探测一架敌机为背景, 基于滚动时域控制思想对搜索跟踪阶段战斗机机动决策及雷达行为决策进行研究。首先建立雷达的探测模型, 重点研究双机协同探测态势及全向雷达反射面积(RCS)动态特性; 其次建立了战斗机协同搜索跟踪行为决策模型, 重点分析了协同探测控制函数的建立, 以及基于粒子群算法的探测行为决策模型; 最后进行了仿真验证。仿真结果表明, 该方法可以有效提高我方战斗机协同探测能力。     

RFID network planning based on improved brain storm optimization algorithm

In order to improve the service quality of radio frequency identification (RFID) systems, multiple objectives should be comprehensively considered. An improved brain storm optimization algorithm GABSO, which incorporated adaptive learning operator and golden sine operator into the original brain storm optimization (BSO) algorithm, was proposed to solve the problem of RFID network planning (RNP). GABSO algorithm introduces learning operator and golden sine operator to achieve a balance between exploration and development. Based on GABSO algorithm, an optimization model is established to optimize the position of the reader. The GABSO algorithm was tested on the RFID model and dataset, and was compared with other methods. The GABSO algorithm's tag coverage was increased by 9.62% over the Cuckoo search (CS) algorithm, and 7.70% over BSO. The results show that the GABSO algorithm could be successfully applied to solve the problem of RNP.     

Image cluster algorithm of hybrid encoding method

In the clustering analysis based on swarm intelligence optimization algorithm,the most of encoding method only used single form,and this method might be limit range of search space,the algorithm was easy to fall into local op-timum.In order to solve this problem,image clustering algorithm of hybrid encoding (HEICA) was proposed.Firstly,a hybrid encoding model based on image clustering was established,this method could expand the scope of the search space.Meanwhile,it was combined with two optimization algorithms which improved rain forest algorithm (IRFA) and quantum particle swarm optimization (QPSO),this method could improve the global search capability.In the simulation experiment,it was carried out to illustrate the performance of the proposed method based on four datasets.Compared with results form four measured cluster algorithm.The experimental results show that the algorithm has strong global search capability,high stability and clustering effect.     

模块化可重构服务机器人群的任务规划

对模块化可重构服务机器人群在医院中应用所产生的任务规划问题进行了分析和建模,提炼出一个多目标、多约束的多维组合优化问题.设计了改进二进制蜜蜂算法(IBBA)进行组合方案寻优.作为一种启发式群智能优化算法,其特点在于:(1)全局搜索和局部搜索的功能划分明确且并行实施;(2)在基本算法框架中融入了组合方案的表示与进化方法、多目标处理方法、约束处理方法等要素;(3)在算法原型的基础上改进了局部搜索策略.针对一个实际算例进行了优化计算,算法在可行性、稳定性、计算结果质量、计算效率、单目标优化等方面取得了较好表现,并从算法机制中得到了合理解释.扩展了模块化可重构机器人的研究范畴,为多目标、多约束的多维组合优化问题提出了通用的建模方法和优化算法.     

一种求解SLA等级感知服务组合问题的多目标离散粒子群优化算法

针对SLA等级感知服务组合问题,本文提出了一种求解该问题的多目标离散粒子群算法(MDPSO),建立了多目标粒子群算法优化模型.根据该问题的特征,对粒子更新策略进行重新设计;并且提出粒子变异策略以抑制群体的早熟收敛增强群体的全局搜索能力.另外,提出了一种基于约束支配关系的局部搜索策略并将其结合到MDPSO算法,形成算法MDPSO+.最后对MDPSO算法的参数设值进行了分析,并将算法MDPSO、MDPSO+与最近提出的求解该问题的E³-MOGA算法及NSGA-II算法在不同规模的测试用例上进行了实验对比,结果表明算法MDPSO+能够更加有效的解决该问题.     

用于资源动态预留的航天测控资源配置优化算法

针对航天测控资源配置优化问题这类约束条件繁杂且数量众多的组合优化问题,提出了可用于资源动态预留的航天测控资源配置优化算法。具体来讲,考虑测控设备和航天器执行任务的唯一性约束以及时间窗口冲突约束,建立了基于原子型任务调度的0-1整数规划模型;设计了能将实际需求和求解算法进行解耦的求解框架,并基于最大化利用测控资源的思想获得了可回溯的并行最佳优先搜索算法。仿真结果表明,所提算法达到了能在国内东部、西部、南部和北部四大测控区域中更加均衡地动态预留出更多、更重要测控设备的资源配置优化效果。     

改进粒子群算法在频谱功率分配中的应用

在认知无线电中,由于次用户干扰门限要求的存在,传统频谱功率分配方式获得的次用户有效信道容量较低。针对这一问题,提出了一种基于粒子群算法的频谱功率分配算法。首先建立基于干扰距离的认知网络干扰模型,将频谱功率分配问题转化为函数优化问题,并借助混合随机变异思想的粒子群算法进行求解;针对寻优过程中的约束问题,提出了一种基于投入产出比的外点法,保证粒子群在可行域中寻优,最终获得频谱功率分配。仿真结果表明,与传统算法相比,所提算法能够获得较高的次用户有效信道容量。     

面向密集多波束组网的卫星通信系统资源调度算法

研究了高动态、资源受限条件下的卫星通信系统资源调度问题.以时间窗口、卫星功耗、信道数量、用户优先级以及任务突发性为约束,建立了卫星资源调度模型.考虑到传统的蚁群优化算法存在初期搜索速度过慢、局部搜索能力较弱以及易陷入局部最优等缺点,提出了以初始解集构造、额外信息素沉积为核心的改进蚁群优化算法,来求解资源调度问题.仿真实...     

基于LS-SVM的光刻过程R2R预测控制方法

针对光刻过程非线性、时变和产品质量不易在线测量的特性,提出了一种基于最小二乘支持向量机预测模型和微粒群滚动优化方法的批次控制预测控制器。通过历史批次样本数据构建光刻过程的最小二乘支持向量机预测模型,解决了复杂光刻过程难以建立精确数学模型的难题,提高了预测模型的精度。通过预测误差的反馈校正和微粒群滚动优化算法求解最优控制律,提高了控制精度。性能分析结果表明,与指数加权移动平均方法及非线性模型预测控制方法相比较,批次控制预测控制器控制器减小了不同批次关键尺寸输出的差异,显著降低了关键尺寸输出的均方根误差,有效抑制了过程扰动影响。     

基于人工势场启发粒子群算法的空战机动决策

以敌我双机空战为背景,基于滚动时域控制思想对空战机动决策进行研究。借鉴人工势场的思想构建了空战人工势场,重点分析了人工势场函数的构建,变权重函数的建立,提出了人工势场启发粒子群算法的空战机动决策方法,最后进行仿真验证。仿真结果表明,该方法能有效消除人工势场的局部极小值问题,同时也改善了粒子群算法全局搜索能力,避免了早熟,得到的结果是有效的。     

思维进化蝙蝠算法及其在混合气体红外光谱特征选择中的应用

为了解决混合气体多组分间特征吸收峰相互重叠引起的特征选择困难问题,提出了新型红外光谱特征选择方法,并对该方法的性能进行了分析与评价.首先,充分结合思维进化计算的并行机制、异化操作与蝙蝠算法的局部搜索能力,设计了思维进化蝙蝠算法.接着,通过实验采集两个混合气体数据库,利用思维进化蝙蝠算法对其目标组分的特征峰进行筛选.然后,从算法的收敛速度和筛选出的特征峰两个方面,将思维进化蝙蝠算法与基本蝙蝠算法、遗传算法、粒子群优化算法及并行萤火虫群优化算法等进行比较.最后,讨论了思维进化蝙蝠算法与无信息变量消除法相结合对结果的影响.实验结果表明:CO的特征峰范围包括2 090~2 110 cm-1和2 115~2 125 cm-1,共包含32个波长点;N2O的特征峰范围为2 225~2 250 cm-1,共包含26个波长点.利用筛选出的特征波长点建立的浓度反演模型,测试集均方根误差为0.155,决定系数可达0.908.实验结果表明:思维进化蝙蝠算法收敛速度快、全局搜索能力强,适用于存在重叠特征峰的混合气体的特征选择,对应的浓度反演模型的泛化性能也有显著提升.