基于灰双矩阵博弈的舰载无人机编队协同对海突击目标分配

针对舰载无人机编队协同对海突击目标分配问题中,由于预警探测水平限制、信息的不完全、人的偏好、有限理性等因素导致的灰色情形,建立了攻防对抗双方的分配策略集和支付矩阵,构建了基于灰双矩阵博弈的舰载无人机编队协同对海突击目标分配模型,并设计了新的粒子位置更新公式对粒子群算法进行改进。分别用遗传算法、传统粒子群算法和改进的粒子群算法进行仿真,对比结果表明,改进后的粒子群算法能够跳出局部最优解,快速收敛到全局最优解,所建立的模型能够较好地解决目标分配决策中的灰色问题,是灰双矩阵博弈理论在目标分配领域的重要应用,仿真结果证明了模型的实用有效性和算法的高效性。     

有人机控制无人机群空战多目标分配

针对集中式体系结构下的有人机-无人机群协同空战多目标分配问题,把目标威胁分为固有属性和动态属性两部分,分别建立了目标威胁系数层次结构模型和优势函数模型;根据空战态势的不同,提出了3种效率指标,建立了相应的代价函数;针对3种代价函数,运用离散粒子群算法进行了数值仿真研究,仿真结果表明所用的算法具有良好的收敛性,适合解算文...     

多无人机协同搜索多目标的路径规划问题研究

多无人机协同搜索多目标的多旅行商航路规划问题(MTSP)是无人机协同作战的关键技术之一。在协同搜索背景下,多架无人机从同一个基地出发搜索附近的可疑目标,以最快速完成任务为目的,建立MTSP模型,提出一种聚类算法和遗传算法进行分步组合的优化算法。第一步,利用K-means聚类算法将MTSP问题分解成多个独立的TSP问题;第二步,改进遗传算法,引入2-opt算法作为优化算子,重新设计选择算子和交叉算子,分别求解多个TSP问题。通过具体算例验证了该算法的合理性,并同常用的分组遗传算法比较,分步组合优化算法具有更高的计算效率,求解结果更为可靠,尤其在求解大型MTSP问题时,优势更为明显。     

多无人机协同任务规划

为解决多无人机协同规划军事目标打击的问题,基于多旅行商（TSP）数字规划理论进行路径和时间的优化。文中建立了多旅行商（TSP）数字规划模型,并根据任务性能和区域划分理论,利用退火算法求解出该模型的最优解。使用A*路径规划算法,通过编程仿真规划出了无人机的时间最优路径。结果表明,该方法较好地解决了当前无人机协同作战的目标分配问题,大幅提高了无人机协同作战的能力。     

面向射频隐身的组网雷达多目标跟踪下射频辐射资源优化分配算法

针对组网雷达系统多目标跟踪场景,该文提出一种面向射频(RF)隐身的组网雷达射频辐射资源优化分配算法。首先,采用目标跟踪误差的贝叶斯克拉美-罗下界(BCRLB)作为目标跟踪性能指标。其次,以各雷达照射目标的驻留时间资源和辐射功率资源加权和为优化目标,以BCRLB不大于给定目标跟踪精度阈值及系统射频辐射资源作为约束条件,建立了包含雷达节点分配方式、驻留时间和辐射功率3个优化变量的优化模型。然后,采用两步分解法对上述优化模型进行了求解,即先固定雷达节点选择,利用内点法对简化后的非凸非线性优化模型进行求解,之后再通过匈牙利算法确定最佳雷达节点分配方式。仿真结果表明,相较于辐射资源均匀分配算法,所提算法可以有效降低组网雷达的射频资源消耗,提升系统射频隐身性能。     

面向射频隐身的组网雷达多目标跟踪下射频辐射资源优化分配算法

针对组网雷达系统多目标跟踪场景,该文提出一种面向射频(RF)隐身的组网雷达射频辐射资源优化分配算法.首先,采用目标跟踪误差的贝叶斯克拉美-罗下界(BCRLB)作为目标跟踪性能指标.其次,以各雷达照射目标的驻留时间资源和辐射功率资源加权和为优化目标,以BCRLB不大于给定目标跟踪精度阈值及系统射频辐射资源作为约束条件,建立了包含雷达节点分配方式、驻留时间和辐射功率3个优化变量的优化模型.然后,采用两步分解法对上述优化模型进行了求解,即先固定雷达节点选择,利用内点法对简化后的非凸非线性优化模型进行求解,之后再通过匈牙利算法确定最佳雷达节点分配方式.仿真结果表明,相较于辐射资源均匀分配算法,所提算法可以有效降低组网雷达的射频资源消耗,提升系统射频隐身性能.     

基于蚁群算法的对抗资源多目标分配

针对多平台设备对抗多雷达目标的应用背景,提出了基于效益的对抗资源多目标分配方法,同时为解决对抗资源与雷达目标数量不对等以及对抗设备可对抗目标数量不同时的对抗资源多目标分配问题,提出了目标筛选与剔除策略和多目标分配的蚁群算法求解模型,并给出求解算法的具体流程。设计算例进行仿真实验分析,验证了提出的多目标分配模型和求解算法的有效性。     

基于改进遗传算法的多无人机任务分配

为解决传统遗传算法在求解多无人机任务分配问题时易陷入局部最优和收敛速度较慢的问题,文中提出一种融合模拟退火思想的改进遗传算法。首先描述多无人机任务分配问题,将其转化为多旅行商问题,并建立数学模型;然后在传统的遗传算法中引入Metropolis准则,对选择、交叉、变异后的子代种群进行优化调整,使算法可以跳出局部最优并快速收敛;最后进行仿真实验,采用TSPLIB数据库对改进算法进行有效性验证,分别求解不同规模的多旅行商问题,对算法的优越性进行验证,求解任务分配算例以验证改进算法解决多无人机任务分配问题的可行性。实验结果表明,改进的遗传算法能跳出局部最优,收敛速度显著提升,在求解多无人机任务分配问题时,寻优效果优于改进前的算法。     

基于混合粒子群优化的编队防空目标分配

针对防空作战中的多批次目标分配问题进行了研究。首先,建立了目标分配的约束优化模型;其次,提出了一种混合式粒子群优化算法用于问题的求解;然后,给出了问题求解的详细步骤和粒子群算法的应用规则;最后,基于仿真算法验证了模型的正确性和算法的有效性及计算实时性。     

舰艇编队网络化反导作战动态目标分配方法

舰艇编队网络化反导作战条件下,目标分配问题演变为"发射节点-制导节点-目标"三者的优化匹配问题,该问题具有很强的实时性和动态随机性。将目标分配分为拦截适应性判断和优化匹配决策两个阶段。拦截适应性判断阶段给出了集成火力单元目标分配区、截止期的计算方法,进而确定了每个目标的拦截适应性判断结果;优化匹配决策阶段建立了静态"发射节点-制导节点-目标"三者的优化匹配模型,分析了动态随机性对目标分配方案的影响。最后,设计了基于遗传算法的Anytime算法求解模型,重点给出了算法的随机事件处理方法和算法的元级控制策略。仿真结果验证了方法的可行性和模型、算法的有效性。     

无人机编队信息交互拓扑多目标优化

无人机编队信息交互拓扑优化对于提高无人机集群任务执行的协同性和通信传输效率具有重要意义。首先,提出无人机编队剩余能量不均衡度指标,在编队通信链长的基础上,将网络延迟影响因素、剩余能量不均衡度纳入无人机编队信息交互拓扑的生成体系中,综合考虑多个目标优化无人机集群信息交互拓扑;然后,通过构建满意度偏差隶属度函数,建立目标规划模型实现多个目标的综合;同时,在拓扑生成中采用多叉树结构进行分级,并改进人工蜂群算法求解模型,可以支持较大规模无人机的协同;最后,通过16架无人机组成的编队进行仿真分析,验证了模型的合理性及算法的有效性。     

考虑时间窗约束的多无人机任务分配

针对异构多无人机执行侦察、攻击等多任务时的分配问题,提出带有时间窗的基于共识的捆绑算法(WCBBA),该算法解决了基于任务时间窗以及无人机载弹限制约束条件下的多无人机任务分配问题。首先,基于约束条件建立了异构多无人机任务分配模型,设计了任务收益函数以及由于飞行距离所产生的折扣函数;其次,利用算法对多无人机执行侦察、攻击任务的分配模型进行求解。仿真结果表明,算法能够成功、高效地解决任务分配过程中的冲突问题,完成最优化的任务分配,对多任务条件下的异构多无人机协同作战任务分解具有一定的理论意义和实用价值。     

用混合蛙跳算法的智能防空火力分配

结合混合蛙跳算法对防空作战火力分配问题进行了探索。在火力分配建模的前提下,应用改进的混合蛙跳算法求解模型。首先根据空袭目标特点,采用十进制编码方式设计模型求解矩阵,由该矩阵可直接得到火力决策阵,其特点是求解精度高,可锁定任意火力单元的打击对象。在原混合蛙跳算法的基础上,通过引入一个与迭代次数相关的可变步长σ,使算法的执行过程从多点变异方式转换到单点变异方式,从而使算法具有更强的健壮性。在满足单个火力单元射击约束的前提下,根据算法原理给出具体的求解方案和步骤。通过实例仿真验证了算法的可行性和有效性。与遗传算法及改进的遗传算法相比较,混合蛙跳算法具有更快的收敛速度和精度。     

多无人机协同多任务分配研究

对多无人机协同多任务分配优化问题的目标函数构建进行研究。多无人机协同多任务分配模型的两个主要目标函数(无人机团队总飞行航程最小化和执行完所有任务时间最小化)都有各自的局限性,且两个指标函数存在利益冲突。通过为两个指标函数分配权重,建立融合两个指标函数的新指标函数,采用离散粒子群算法对协同多任务分配模型进行求解。通过调节权重的大小,可以适应不同的战场环境,使得两个指标函数都得到优化。仿真结果验证了所提方法的有效性。     

基于遗传的人工鱼群优化之武装直升机对地攻击火力分配决策

结合遗传算法和人工鱼群算法的优点对武装直升机对地攻击作战的火力分配问题进行研究,建立了火力分配的教学模型,并利用基于遗传算法的人工鱼群优化算法实现武装直升机对地攻击的火力分配.仿真实验结果表明,基于遗传算法的人工鱼群优化算法解决火力分配问题不仅收敛速度快、效果好,而且运行速度快、求解精度高,满足火力分配实时性和准确性的...     

基于多目标遗传算法的异构无人机协同察打

针对多架异构无人机在未知环境下协同执行搜索打击任务。考虑无人机和目标资源问题,采用了一种组建联盟方式来完成打击任务,建立了组建联盟的多目标优化模型,并提出了一种并行带精英策略非支配排序的遗传算法(NSGA-Ⅱ)求解模型。通过具体的仿真验证了模型的合理性,分析了不同情况下的算法运行速度,并与传统方法进行对比,证明了并行NSGA-Ⅱ具有很强的实时性,且提高了任务的完成效率。     

无人机空对地多目标攻击的满意分配决策技术

任务分配是多无人机协同控制的重要内容。建立了多机协同多目标攻击排序的数学模型、并提出基于满意决策的攻击分配算法, 根据参与目标分配的每架无人机完成任务的预估效益和预估代价提出满意集, 建立拒绝函数和选择函数从而获得满意分配结果, 最后在Matlab环境下进行了数值仿真。仿真结果表明, 所研究的基于满意决策的多无人机协同攻击的目标分配方法是有效的。     

改进粒子群算法的多无人机航迹优化

针对多无人机协同搜索多运动目标航迹优化问题,建立基于搜索概率图的信息环境模型,提出了一种基于人工势场与自适应参数调整粒子群优化的搜索算法(APF-APSO算法),用于不确定环境中的动态目标搜索。利用人工势场中无人机与山体之间、无人机之间的虚拟排斥力进行有效避障,以及无人机与目标之间的虚拟吸引力加快目标搜索;通过非线性的指数函数参数调整法对粒子群参数进行调整,并根据无人机搜索过程中得到的栅格单元信息确定度和目标存在概率对搜索概率图进行实时更新,来引导无人机对目标进行搜索。仿真结果表明,与其他算法相比,所提算法在搜索目标方面具有很大的优势,缩短了路径长度;避免了陷入局部最优解,具有较好的收敛性;能够有效地实现多无人机之间的协同搜索,提高了搜索效率。     

一种基于遗传算法的多传感器目标分配方法

针对目前海上平台多传感器目标分配在信息融合中存在目标优先级函数构建因素没有具体量化的问题,提出一种利用目标战术重要性函数量化求解目标优先级的方法,从最大信息增益准则出发,通过合理转化并利用约束条件,建立一种基于遗传算法的多传感器优化分配模型。仿真结果表明,该算法稳定性强、收敛速度快,多传感器优化分配模型具有可行性。     

单步预测影响图法在空战机动决策中的应用

提出了一种基于单步预测的多级影响图法,并将该理论应用在单机连续空战机动决策系统建模中.在决策系统的建模过程中考虑了影响无人机机动决策的各要素,包括无人机动力学方程、决策者的偏好以及战斗双方态势的不确定性等.机动决策的态势基准是通过无人机动力学方程迭代获得,运动方程中的控制量通过求解单步预测影响图获得.该预测影响图算法,效能函数的起点不断向后平移,建立了离散空间空战决策的纳什平衡,通过求解效能函数的最大值就能获得每一步的最优控制解.最后仿真验证该方法有效性,元人机模型采用质点运动方程,使用VC++实现并机动决策算法.分析表明提供了一种新型无人机机动决策算法,发展了无人机自主空战机动决策系统.