热处理炉钢板温度的自适应混沌粒子群算法–最小二乘支持向量机优化预报算法

针对传统传热模型参数调整较复杂和模型精度较低的问题,构建了一种基于改进粒子群算法优化最小二乘支持向量机（least squares SVM,LSSVM）的钢板温度预报模型.首先,对基本粒子群算法进行分析,提出自适应混沌粒子群算法（adaptive chaos PSO,ACPSO）,并通过性能指标定量评价验证算法的有效性、鲁棒性和寻优效率.其次,采用LSSVM建立钢板温度预报模型,并选用径向基函数作为核函数,用ACPSO算法优化该模型参数.最后,结合现场数据进行仿真研究和工程应用,结果表明基于该算法建立的钢板温度预报模型具有较高的预报精度,达到智能调优的目的.     

混沌海豚群优化灰色神经网络的空中目标威胁评估

分析空中目标威胁评估特点,综合考虑威胁价值、威胁能力和威胁程度,建立空中目标威胁评估框架;针对海豚群算法易陷入局部最优和早熟收敛等问题,提出一种混沌海豚群算法,将混沌搜索策略引入海豚群算法,通过混沌初始化、动态分群和早熟优化机制,提高算法的全局寻优能力;利用混沌海豚群算法对灰色神经网络的初始参数寻优,通过搜索到的最优解建立基于混沌海豚群算法优化的灰色神经网络模型,并用于空中目标威胁评估.仿真实验表明,混沌海豚群算法优化的灰色神经网络在保证一定收敛速度的基础上,能够提升寻优精度,对测试集的预测效果优于传统灰色神经网络和基本海豚群优化的灰色神经网络,验证了所提算法模型在空中目标威胁评估中的有效性.     

基于套索算法和改进正余弦优化支持向量回归的目标威胁估计

准确估计空中目标的威胁值对于防空作战指挥决策具有重要的参考意义.针对空中目标特征繁杂易造成模型过拟合、正余弦算法易早熟以及陷入局部最优的不足,首先,通过套索算法(least absolute shrinkage and selection operator, LASSO)去除目标的冗余特征;然后,采用佳点集初始化种群、非线性振幅调整因子、随机惯性权重、自适应终点权重以及最优邻域高斯扰动等策略对正余弦算法(sine cosine algorithm, SCA)进行改进;最后,使用改进的正余弦算法对支持向量回归(support vector regression, SVR)模型进行优化,构建基于套索算法和改进正余弦优化支持向量回归的目标威胁估计模型.对比实验结果表明,改进后的正余弦算法加强了全局搜索能力和局部收敛速度,得到的目标威胁估计模型具有较高的准确度和稳定性,能够为防空作战指挥决策提供科学的参考依据.     

基于改进灰色关联算法的目标威胁评估

针对防空作战中目标威胁评估问题,提出一种基于改进灰色关联算法(IGCA)的威胁评估方法。针对已往目标威胁评估中仅评估当前时刻的不足,采取对时间序列赋予权重的方法,构造多时刻目标威胁模型。运用层次分析与熵权法共同计算实时综合权重,使目标威胁因素的权值既体现专家经验,又反映数据的客观有序性;采用集对分析理论,将权值折算到同一层次,使其更加合理。最后,运用基于理想解的改进灰色关联算法,得出最终目标威胁排序。仿真分析表明,评估方法可以克服采取单一算法得出目标威胁相同的情况,融合多个时刻目标信息的评估方法更加准确、可靠。     

基于神经网络的光电系统空中目标威胁估计

结合光电干扰武器系统的工作过程,对影响目标威胁评估的各种因素进行了分析,讨论了常用威胁评估方法的缺点和不足,提出了基于神经网络的空中目标的威胁估计算法,利用神经网络良好的自适应能力和自学习能力,通过样本数据训练,确定各个因素之间的非线性复杂关系,并通过示例介绍了目标威胁值的解算过程;与层次分析法进行了比较,结果表明,神经网络可以很好地逼近各个因素之间的权重关系,提高了空中目标威胁估计算法的准确性和适应性。     

支持向量机在衰落信道预测中的应用

研究信道通信优化控制问题,针对传统衰落信道预测算法中的不足,提出一种改进LSSVM的衰落信道预测。首先通过相空间重构对衰落信道系数序列进行重构,然后采用LSSVM对训练样本集进行学习,并通过自适应遗传算法对LSSVM参数进行优化建立最优衰落信道系数预测模型,最后采用测试集对模型的性能进行验证。仿真结果表明,相对于传统LSS-VM模型,改进模型提高了衰落信道系数预测精度,是一种进行衰落信道非线性预测的有效方法。     

基于CMFO算法的投影寻踪威胁目标评估模型

为了提高威胁目标评估的准确性,快速对威胁目标进行排序,提出了一种基于混沌飞蛾火焰优化（Chaotic Moth-Flame Optimization,CMFO）算法的投影寻踪威胁目标评估模型。简单介绍了一种新的群智能算法--飞蛾火焰优化算法（Moth-Flame Optimization,MFO）,并引入混沌映射提高了MFO的性能。给出了投影寻踪威胁目标评估模型的算法流程,同时给出了基于CMFO求解最佳投影方向的方法步骤。选取了3个目标威胁评估的算例,进行实验分析,并与其他评估方法进行比较。比较结果表明该评估模型简单、有效,为快速、准确实现目标威胁评估提供了一种新的方法。     

基于自适应变异的混沌粒子群优化算法

粒子群优化算法参数少,寻优速度快,但其寻优效率低且在寻优后期易早熟收敛。为改善其寻优性能,在标准粒子群优化算法中,通过引入混沌映射和自适应变异策略,提出具有自适应变异的混沌粒子群优化（ACPSO）算法,以增强种群的全局寻优性能和局部寻优效率。六个基准测试函数的仿真结果表明,ACPSO算法比已有的五个算法具有更好的寻优能力。     

基于层次分析法(AHP)的空中目标威胁度估计

为了对空中目标的威胁度进行科学评估和排序,以便于指挥员正确作出决策和作战指令,提出基于AHP的空中目标威胁估计的方法和具体步骤。首先分析影响空中目标威胁度的具体指标因素,同时构建各个因素的威胁因子和评判函数,然后利用一种改进型的层次分析算法对空中目标的威胁度进行全面综合的评估排序。实验案例结果表明,该评估方法的应用解决...     

基于熵的逼近于理想解的排序法空袭目标威胁度评估

对空袭目标进行威胁评估是水面舰艇火力组织的基本依据,针对传统逼近理想解的排序法（TOPSIS法）在确定权重系数上的缺陷和不足,运用熵理论处理空袭目标的客观信息,确定目标各个属性权重,将权重运用到TOPSIS法模型中,提出了基于熵的TOPSIS改进算法,并将该算法应用于多目标威胁评估中。实例分析结果符合部队实际,证明了该算法是合理和有效的。     

雷达模拟器目标威胁度评估方法研究

研究雷达模拟器目标威胁度的准确评估问题,是辅助操作手对空中目标进行打击的重要依据.威胁度普通雷达是难以探测的.由于目标的速度、距离等随机性强,具体数据难以确定.针对威胁度评估问题,多限于权重分析、聚类分析等方法,对难以确定的参数有较大依赖.为解决上述问题,提出应用效能指数的方法来确定未知目标对雷达阵地的威胁度,根据雷达能够获取的数据,得出判断矩阵,实现对雷达所测数据的分析,并评估目标的威胁度.上述方法可用于雷达模拟器,能够灵活地根据情况调整威胁度评估方法.实验结果表明,方法能够较好地在某些属性未知的情况下,可对目标威胁度进行准确评估,证明改进方法为威胁度评估提供了有效依据.     

基于群广义直觉模糊软集的空袭目标威胁评估方法

空袭目标威胁评估是提高防空武器系统应对多目标的基础. 针对威胁评估的实时性、多因素和信息不确定性问题, 构建一种基于群广义直觉模糊软集的多属性威胁评估模型. 在选择合适的威胁评估指标和量化方法的基础上, 引入多专家参量集来弥补传统广义直觉模糊软集中单个专家的评估不准确性和知识局限性等缺陷. 通过应用实例分析并与其他最新决策评估方法进行比较, 验证了该方法的可行性和有效性.

     

基于PSO-BP算法的目标威胁评估*

通过对目标高度、距离、速度、角度这些空间态势因素和空战能力因素的分析,建立了目标威胁评估模型,提出了基于PSO-BP(粒子群和后向传播)算法的目标威胁程度评估方法。通过对空中八个目标某一时刻威胁程度的预测,并将结果与多数属性决策方法的结果进行了比较,表明此方法有效地解决了空战目标威胁评估问题,大大提高了决策的客观性。     

基于ZeroMQ消息通讯的多源空中目标跟踪处理平台设计

通过分析空中目标的信源异构性,提出使用ZeroMQ消息通讯库设计完成多源目标跟踪平台的设计方法,平台采用消息库的3种通信模式的组合与Json消息格式与各监测节点数据交互,为提高数据传输与交互能力,建立多线程Push-Poll数据推拉传输模式,且支持多源监测点实时接入与退出;本文采用欧式距离的最小二乘法二次曲线拟合方法进行航迹关联操作,有效的保证同一目标的航迹关联融合,可将目标属性融合、目标身份信息传递给目标综合识别,为后续的空中态势评估和威胁评估提供较为可靠的数据基础和保障。     

基于RCGA优化GRNN的实时动态目标追踪模型

针对三维环境中导弹追踪目标时制导和控制算法复杂而导致计算量非常大的问题,提出了一种基于隐性交叉遗传算法优化广义回归神经网络的实时动态目标追踪模型。通过将导弹防御区离散化为多个小模块生成输入数据,并针对每个可接受的目标参数数据集,使用RCGA估算导航常量和导弹注意时间;利用输入和输出的目标参数集生成GRNN所需的训练数据集;针对任意位置的目标轨道,将训练后的GRNN应用于实时导弹导引系统的实现中。通过战术目标仿真模型验证了所提算法的有效性及可靠性,仿真结果表明,相比其他几种目标追踪算法,算法取得了更好的实时性和更高的目标定位精度,脱靶率接近零。     

一种细粒度的网络威胁态势评估方法

针对现有网络威胁态势评估方法评估粒度较粗,无法满足不同管理人员评估需求的问题,提出了一种细粒度的网络威胁态势评估方法。按照从局部到整体、从微观到宏观的评估策略,分别对威胁节点、威胁链路、威胁路径、威胁目标和全网威胁态势进行评估,实现了对网络威胁的深入分析和细粒度评估,通过实验分析证明了评估结果的合理性和准确性。     

PAAIS中的态势威胁评估模型

目标态势威胁评估是PAAIS(Pilot Assistant Artificial InteHigent System)中任务规划、应急动作规划、火力分配、攻击排序的基础.通过对超视距空战威胁态势的分析,采用了TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)算法对空中作战目标进行其威胁指数计算,建立了超视距空中威胁排序模型.和其他威胁评估算法相比,方法具建模简单,计算速度快的优点,而且便于更新.仿真实验结果表明该方法对发现的目标可及时做出威胁响应,为PAAIS制定下一步方案奠定了基础.     

部分指标值未知的空中目标威胁评估模型

空袭目标的威胁程度的评估将涉及许多不确定的因素,甚至是无法得到的。如何在空中目标的指标值不完全确定的情况下对目标进行威胁评估,这是一个棘手的问题。提出的基于不完全信息的多属性决策的目标威胁评估方法,该方法为解决这样的问题提供了新的途径,并通过实例分析了该方法的可行性。