基于粒子群算法的软件可靠性分配问题研究

针对软件可靠性分配中不易求解全局最优解这一问题,将可靠性指标分配到每个模块中,并利用改进的粒子群优化算法来搜索模型的最优解.实验结果表明,改进的粒子群优化算法在求解软件可靠性分配问题时的效果优于遗传算法等其他智能优化算法.     

基于CRLB与改进DPSO算法的多传感器分配

针对地面防空武器系统中多传感器分配问题, 首先研究基于Cramér-Rao下限的多传感器跟踪分配模型, 根据目标跟踪过程的特点将Cramér-Rao下限引入分配模型, 使得在进行跟踪分配时无需考虑目标跟踪滤波算法的选择, 同时通过细化约束条件使模型更加贴近实际作战情况。利用离散粒子群优化算法求解模型, 通过改进其搜索策略以及惯性权值和加权因子提高算法准确性与时效性, 给出了模型的求解步骤。关联仿真结果表明该分配方法的可行性, 并通过对比算法求解模型验证了改进DPSO算法的快速准确性。     

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。     

面向组网雷达干扰任务的多干扰机资源联合优化分配方法

针对多目标突防组网雷达系统(NRS)场景,该文提出一种面向组网雷达干扰任务的多干扰机资源联合优化分配方法.首先,采用组网雷达在干扰环境中对目标的检测概率作为干扰性能指标;然后,结合不同突防目标的检测性能需求,建立了包含干扰波束和发射功率2个优化变量的资源优化模型,并利用粒子群算法对资源优化问题进行求解;最后,考虑到组网...     

基于进化策略改进的D-S证据识别算法

提出了处理多传感器证据冲突的新方法,建立了获取传感器权重的优化模型,运用粒子群优化算法（PSO）求解传感器的权重分配,对Dempster—Shafter（D-S）证据理论进行改进。通过与其它改进算法的比较以及目标识别实例的仿真,验证了新方法的有效性和优越性。     

基于改进粒子群算法的多载波NOMA功率分配策略

相较于传统正交多址接入,非正交多址接入技术由于在系统吞吐量、频谱效率和能量效率等方面的优势,使其成为5G多址技术研究热点.针对NOMA下行链路的系统能量效率优化问题,提出一种基于改进粒子群算法的功率分配策略.建立了基于能量效率最大化的优化模型,在标准粒子群算法的基础上提出三点改进,并将改进后的粒子群算法用于求解最大化系统能效的目标函数.研究结果表明,在最佳功率分配点处,改进后的粒子群算法使系统能量效率显著提高.     

一种求解矩形排样问题的遗传-离散粒子群优化算法

针对制造业领域的矩形优化排样问题,提出一种遗传-离散粒子群优化算法.引入交换子和交换序概念,解决了标准粒子群优化算法在求解组合优化问题时粒子的更新难以描述问题;融合遗传算法的交叉与变异思想,增强了粒子群的多样性和稳定性;同时采用改进的最低水平线搜索算法加快算法的收敛速度,并解码形成排样方案.通过实验数据对比,验证了该算法在求解矩形排样问题中的高效性和鲁棒性.     

基于粒子群优化的公交调度研究

针对公交调度优化问题,建立了以公交费用最小和乘客平均等待时间最短为目标的优化调度模型。应用改进的粒子群优化算法对公交调度排班进行优化,并用实际的运营数据对算法进行验证。结果表明,该求解算法能够兼顾了公交公司和乘客的利益,是可行和有效的。     

基于PPSO-MPC的多雷达协同反隐身指示搜索任务规划

针对ESM/雷达协同反隐身探测中的指示搜索问题,引入模型预测控制(Model Predictive Control,MPC)理论,给出指示搜索任务规划的MPC框架,建立指示搜索的目标状态预测模型和在线滚动优化模型.针对模型求解,引入粒子群优化(Particle Swarm Optimization,PSO)算法,设计了高维矩阵粒子编码方式,引入尺度计算因子处理边界约束,引入概率模型处理离散变量,设计实现了一种"多主节点-单从节点"的 (Multi-Master-Single-Slave,MM-SS)多种群并行计算策略.仿真结果表明,所建立的模型能够在不确定、多目标环境下实现对多雷达的高效协同控制,所提出的模型求解算法能够实现对滚动优化问题的快速、高效求解,即模型和算法的有效性得到了验证.     

车间调度问题的量子粒子群优化算法设计

针对粒子群优化算法搜索空间有限、容易出现早熟现象的缺陷,将量子粒子群优化算法用于求解车间调度问题,按照量子粒子群优化算法的进化规则在调度空间内搜索最优解,并对量子粒子群算法的参数选择进行了研究。以典型的Job-Shop调度问题作为实验对象,实验结果表明QPSO算法相对PSO算法具有较好的全局搜索能力。     

一对多目标分配中目标顺序寻优参数自适应方法

在一对多目标分配问题中,需要利用蚁群算法确定某一平台执行任务时的最优访问顺序。文中针对不同目标数量的场景进行建模并仿真,根据仿真结果选出适用的蚁群规模及迭代次数,并将多场景的结果数据采用最小二乘法拟合得到参数模型。将参数模型应用于目标分配问题中,实验结果表明,文中方法使蚁群算法的相关参数能够自适应目标分配场景,从而提高目标分配方法运行效率及优化结果的可靠性。     

基于博弈论的多雷达多目标分配方法研究

根据雷达网作战需求和作战任务分配准则,以雷达网目标分配效益为目标函数,对雷达网目标分配问题进行了建模,利用潜博弈理论进行了分析,并证明了纳什均衡的可行性、存在性和最优性。基于最佳动态反应设计了迭代目标分配策略选择算法,并分析了算法的复杂度。仿真结果表明:该目标分配策略选择算法具有很好的收敛性,能够在较短时间内寻求近似最优解。当不存在最大目标探测容量限制时,该算法能够获得与穷举法相同的性能。分配决策模型和算法合理便捷,可以较好地解决雷达网多目标分配问题,对实际作战指挥有一定的指导意义。     

一种启发式的信道分配优化方法

在对信道分配问题分析的基础上,给出数学模型,将此问题转化为带约束的优化问题,并通过设计遗传算法的个体编码方式,适应度函数、遗传算子实现了移动通信中的信道分配问题的优化。     

融合多属性决策和深度Q值网络的反导火力分配方法

针对中大规模武器-目标分配(WTA)决策空间复杂度高、求解效率低的问题,该文提出一种基于多属性决策和深度Q网络(DQN)的WTA优化方法。建立基于层次分析法(AHP)的导弹威胁评估模型,引入熵值法表征目标属性差异,提升威胁评估客观性。根据最大毁伤概率准则,建立基于DQN的WTA分段决策模型,引入经验池均匀采样策略,确保各类目标分配经验的等概率抽取;设计综合局部和全局收益的奖励函数,兼顾DQN火力分配模型的训练效率和决策准确性。仿真结果表明,相较于传统启发式方法,该方法具备在线快速求解大规模WTA问题的优势,且对于WTA场景要素变化具有较好的鲁棒性。     

基于遗传算法的光电干扰资源优化分配研究

结合光电信息系统作战运筹中目标分配原则，及军事运筹理论，建立了干扰资源优化分配模型。给出了基于遗传算法的模型求解方法及步骤，阐述了遗传算法在光电干扰资源分配中的应用，并进行了实例仿真，得出了最佳干扰资源分配方案。仿真结果证明，该方法对于约束条件复杂的优化模型求解是有效、可行的，为光电信息系统指挥控制决策提供了有力支持。     

基于遗传算法的多侦察传感器目标优化分配

针对电子战系统试验与训练任务中的多个侦察传感器的目标分配实际应用,讨论了多目标分配规划问题,建立了一对多目标分配规划模型。将多个侦察传感器的总侦察效率作为目标函数,分析了相关约束条件,采用遗传算法进行求解得到了优化后的侦察目标分配方案,为合理地进行武器系统的作战目标分配研究以及为试验与训练任务节约资源、提高效率提供了有益的帮助。     

人工神经网络在航迹关联中的应用研究

在分布式多传感器系统中的多节点情况下,航迹关联问题可以转化为多维分配问题。而多维分配问题是典型的组合优化问题,很难找到问题的最优解,而且其计算量随着问题规模的增加易出现指数爆炸现象。该文提出了一种三维神经网络模型,用以解决三节点情况下航迹关联的三维分配问题,并进行了实验仿真。仿真结果表明,三维人工神经劂络模型能够有效地求解此三维分配问题,并且具有较高的航迹关联正确率。另外三维神经网络模型同样可以推广到多维,用以解决航迹关联的多维分配问题。     

雷达干扰任务分配的蚁群算法实现

合理分配干扰目标是雷达干扰任务区分中的难点问题.提出了一种基于蚁群算法的新型的目标分配算法模型,并进行了算法实验.实验结果表明,基于蚁群算法思想的目标分配算法是有效的,特别是问题规模较大时更显示出其较快的收敛速度和较高的精度.     

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。     

基于图论的无线传感器网络并行禁忌搜索信道分配方法

Wireless sensor networks are suffering from serious frequency interference. In this paper, we propose a channel assignment algorithm based on graph theory in wireless sensor networks. We first model the conflict infection graph for channel assignment with the goal of global optimization minimizing the total interferences in wireless sensor networks. The channel assignment problem is equivalent to the generalized graph coloring problem which is a NP complete problem. We further present a meta heuristic Wireless Sensor Network Parallel Tabu Search (WSN PTS) algorithm, which can optimize global networks with small numbers of iterations. The results from a simulation experiment reveal that the novel algorithm can effectively solve the channel assignment problem.