SA-PSO算法在飞行器追逃中的应用

针对飞行器追逃对抗问题,应用微分对策理论,提出了基于模拟退火-粒子群算法(SA-PSO)的非线性模型预测控制(NMPC)方法,得到追逃双方的近似反馈最优策略,避免了复杂的HJI方程求解。将模拟退火思想引入PSO算法,建立SA-PSO算法模型,通过自适应改变的惯性权重和学习因子提高PSO算法的全局寻优能力,将改进的SA-PSO作为优化技术用于预测过程,然后进行在线滚动优化。仿真结果表明了所提出方法的有效性,对初始条件和噪声具有较好的鲁棒性。

基于PSO的无人机协同攻击动态资源分配

为解决空战中软杀伤武器系统和硬杀伤武器系统的无人机群最优协同攻击问题,提出了一种动态资源分配的粒子群优化算法。首先通过机载软硬杀伤性武器无人机对目标进行协同攻击过程中得到的杀伤收益与生存力损耗建立了WTA模型,然后根据该模型的特点及约束条件,建立了微粒与实际问题的映射关系,并运用粒子群优化算法进行优化。结果表明,粒子群算法易于实现且能够很好地解决动态无人机群的协同攻击问题。