改进PSO算法在雷达干扰任务分配中的应用

雷达干扰任务分配是雷达对抗仿真的重要组成部分,雷达于扰任务分配是否合理直接影响电子对抗作战效能.由于常规优化算法相对复杂、计算时间较长,用来解决此问题难以满足实时仿真的要求.针对这一问题,提出适用于解决雷达干扰任务分配优化问题的改进粒子群优化算法,并且将所提出的算法与遗传算法进行比较.仿真结果表明,与遗传算法相比,在相同的条件下,改进粒了群优化算法具有速度快、精度较高的优势,较好地满足了雷达对抗实时仿真的要求.     

基于改进PSO算法的机动通信保障任务分配方法

针对机动通信保障问题建立任务分配模型,结合梯度下降法提出一种基于改进粒子群算法(TSPSO)的任务分配模型求解方法.在TSPSO算法中增加判断极值陷阱、粒子二次搜索、设定禁忌区域、粒子淘汰与生成4个部分,并将TSPSO算法与其他4种改进PSO算法应用于四种典型测试函数的优化.结果表明,TSPSO算法收敛精度更高、收敛速度更快.在基于TSPSO算法的任务分配模型求解方法中,基于各机动通信保障单元到不同通信地点分配概率的思想对粒子群进行编码和解码,提高模型求解效率.仿真结果表明,TSPSO算法能够快速寻找到机动通信保障任务最优分配方案.     

PSO算法在子任务分配中的应用

设计一种双重粒子编码方式,提出用于求解子任务分配问题的粒子群优化(PSO)算法。采用预约束方法产生初始种群,根据PSO算法容易陷入局部最优的特点,引入和声搜索策略加以改进。通过对经典实例的仿真分析,并与其他算法进行对比,证明新算法具有较强的寻优能力,收敛速度较快。     

改进PSO算法在多无人机协同任务分配中的应用

针对多无人机协同任务分配越来越复杂的问题,采用一种改进的阶层分级粒子群优化算法（HGIWPSO）获得最优分配方案。首先,根据粒子适应度值将种群动态划分为三个不同阶层,依据不同阶层粒子特性选择合适的学习模型,并引入独立权重思想调节惯性权重大小,平衡算法全局与局部搜索能力,提高算法性能;然后,建立协同多任务分配问题模型,采用多余负载竞拍方案减少非法劣解,通过实数编码建立粒子和实际分配方案之间的映射关系,解决实际分配问题。实验结果表明,该算法能够有效解决复杂约束条件下多无人机协同任务分配问题,得到最优分配序列,具有一定的理论以及实际意义。     

基于改进粒子群算法的多无人机任务分配研究

任务分配问题是多无人机协同控制的关键技术之一.在深入分析多无人机任务分配问题特点的基础上,对现有模型进行了扩展,建立了多无人机协同任务分配的混合移数线性规划(MILP)模型.对现有粒子群算法进行了改进,提出一种具有较强全局搜索能力的多子群多阶段粒子群算法,开展了粒子群算法在多无人机协同任务分配问题中的应用研究,主要针对粒子群算法的编码策略、约束处理、算子选取、参数设置等方面进行相应的调整和改进.最后对算法进行了仿真,仿真结果表明了该方法的有效性.     

基于模糊集与TOPSIS的工作流任务分配方法研究*

为了解决工作流中任务的自动优选分配问题,提出了一种基于模糊集与TOPSIS的任务分配方法。在详细分析任务分配影响因素的基础上,建立了工作流任务分配决策模型。引入模糊集对模糊元素的处理,进而讨论了模型中的各决策属性及其权重的计算方法。在此基础上,设计了以逼近理想解排序法（TOPSIS）为核心的模型求解算法,用以获取任务执行的最优人选。最后,通过实例验证了该方法的合理性与适用性。     

基于多目标粒子群优化算法的装备维修任务分配

装备维修任务分配问题是典型的多约束/多目标/非线性规划问题,利用传统方法无法求解,因此提出了一种约束多目标粒子群算法,并运用该算法对装备维修任务分配问题进行了优化求解。仿真结果表明,约束多目标粒子群算法针对该问题,在不同参数和约束条件下都有很强的收敛寻优能力,能快速产生多个非支配解,是一种高效的算法,对实现装备维修任务分配的客观量化优化决策有重要作用。     

基于PSO改进决策树算法的研究

决策树方法是发现概念描述空间的一种特别有效的方法，是实例学习中具有代表性的学习方法，专门用于处理大量对象．如何快速建立简单可靠的决策树是一个重要的问题．文章引入PSO算法，并针对标准PSO算法易限于局部极小点的局限性，在保持了PSO算法结构简单可行特点的同时，利用惩罚函数方法，引入叉乘控制项，帮助算法摆脱局部极小点的束缚，提高了优化速度．将改进的PSO引入到决策树建树方法中，并与传统的决策树方法及使用遗传算法改进后的树进行比较，验证了其优越性．     

基于改进PSO和DE的混合算法

研究粒子群优化(PSO)算法和差分进化(DE)算法的优缺点,通过改进PSO算法并与DE算法混合,得到一种双种群的新型混合全局优化算法。经过对5个标准测试函数的大量实验计算表明,该算法能有效克服PSO算法和DE算法的缺陷,使寻优精度有较大改进,在高维情况下表现更加突出。     

基于水平集的PSO算法的改进

粒子群优化算法PSO(Particle Swarm Optimization)目前仍存在着早熟收敛和收敛速度较慢的难题,提出一种新的PSO改进算法.该算法利用水平集对PSO的每一代粒子按照适应度进行划分,把与目标相关的所有信息结合在一起,改变了原有的PSO进化公式,提高了算法的收敛速度;其次,对于每一代的某个个体进行变异,使其变异到粒子密度低的空间中去,从而提高了粒子的多样性,减少早熟发生的机会.实验证明,这种算法是有效的.     

评标信息集成模型与算法

以图书招标为背景,提出一种对评标信息进行合理集成的模型。首先阐述评标需要考虑的因素,然后根据招标的多属性群决策特点,基于逼近理想解的排序方法,建立对各评标委员的评标信息进行集成的模型与算法,求得评标委员会对投标者的最终优劣评价,最后给出一个实例。该方法可提高评标结果的可信度。     

异构无线网络中基于信任度的接入选择算法

针对异构无线网络不确定性的特点,提出一种基于信任度的接入选择算法。引入直接信任度、推荐信任度、推荐主体可信度和信任时间戳4个参量计算网络的信任度,利用信任度对网络性能指标进行信任加权。同时,综合考虑用户个人偏好,对网络进行逼近理想解排序,得到最佳接入网络。仿真实验结果表明,该方法综合考虑了网络多种性能指标及其信任度,能提高异构无线网络中用户选择网络的安全性。     

基于TOPSIS的无整合第四方物流多属性指派决策机制

针对第四方物流多属性指派决策机制研究方面的不足,基于TOPSIS法的基本思想,引入了随机解、正理想解、负理想解等参数,建立了一个基于TOPSIS法的无整合的第四方物流多属性指派决策机制;根据此模型的具体特性,设计了具有自身特点的遗传算法和程序;利用该算法对算例进行计算和分析,给出了针对这一算例的第四方物流的最佳指派方案,与其初始方案进行比较,远远优于初始方案。     

基于区间直觉模糊集的供应商选择方法

提出一种基于区间直觉模糊集和TOPSIS法的供应商选择方法。给出了区间直觉模糊集的概念,定义了区间直觉模糊集之间的距离测度,在此基础上,将区间直觉模糊集和TOPSIS法相结合,提出了一种供应商选择的新方法,算例分析说明了该方法的有效性。     

基于前景理论的随机多属性VIKOR决策方法

为提高基于前景理论TOPSIS决策方法的可靠性和稳定性以及防止逆序的产生,在前景理论的思想框架基础上,提出了一种VIKOR决策新方法;构建了前景值决策矩阵,运用VIKOR方法,在可接受优势和决策过程稳定的条件下对方案进行择优;在理论分析的基础上,提出了这种新方法的计算步骤,通过算例以及和TOP-SIS方法决策结果对比说明了方法的有效性和可行性,具有更高的稳定性。     

基于Pythagorean模糊语言集多属性群决策方法

为了解决直觉语言集不能够处理隶属于与非隶属于语言值的程度之和大于1的情况,提出了Pythagorean模糊语言集。针对Pythagorean模糊语言信息的集成问题,定义了Pythagorean模糊语言数的运算法则及其得分函数、精确函数,提出了Pythagorean模糊语言加权平均（PFLWA）算子、Pythagorean模糊语言有序加权平均（PFLOWA）算子、Pythagorean模糊语言混合平均（PFLHA）算子,并讨论了相应的性质。然后基于组合权重的PFLWA算子与拓展的TOPSIS,提出了两种多属性群决策方法。最后通过实例验证了该方法的有效性。     

基于PSO算法的飞行保障车辆调度问题研究

通过对飞行保障车辆调度过程的分析,针对传统估算法依据指挥员经验进行飞行保障车辆调度效率低等缺点,提出了一种基于线性递减权重PSO的飞行保障车辆调度问题解决方案。根据飞行保障车辆调度问题解的特点,对粒子的编码及寻优操作进行了深入研究,提出适合飞行保障车辆调度问题的粒子编码和寻优方式,并将算法利用Matlab编程实现,应用于实际飞行保障车辆调度过程中。仿真结果表明,通过对算法参数的合理设置,可以快速地得到较优的飞机保障工序排序结果,该排序结果能够满足动态飞行保障车辆调度的需要。     

直觉模糊环境下的物流配送中心选址方法研究

物流配送中心选址决策是直接关系到物流配送系统运作效率的重要问题之一。提出了一种基于直觉模糊TOPSIS法的物流配送中心选址方法,给出了直觉模糊集的概念和运算,定义了直觉模糊集之间的距离测度;在此基础上,将直觉模糊集和TOPSIS法相结合,提出了一种配送中心选址决策的新方法,最后的算例分析说明了该方法的有效性。     

机器人非视觉多传感器信息融合的TOPSIS法

针对机器人非视觉多传感器目标识别问题,提出了一种基于改进TOPSIS的多传感器信息融合方法。该方法利用指标隶属度矩阵把多目标识别问题转化为多目标决策问题。通过引入熵权和相对接近度改进TOPSIS,给出多传感器目标识别规则。应用实例验证了算法的有效性和实用性。     

改进粒子群优化算法求解任务指派问题

任务指派问题是典型NP难题,引入粒子群优化算法对其进行求解。建立了任务指派问题的数学模型,给出了粒子群优化算法求解任务指派问题的具体方案。为提高其优化求解效果,引入变异机制及局部更新机制对粒子群优化算法进行改进。实例及数字仿真验证了改进粒子群优化算法的有效性。