基于协同memetic PSO算法的传感器-目标分配问题求解

传感器-目标分配问题是防空系统传感器管理的一项重要研究内容。对面向跟踪的防空系统传感器-目标分配问题进行了研究,结合主客观分配原则,利用0-1整数规划模型对问题进行了建模,约束主要考虑传感器的跟踪能力和目标的被执行跟踪容量。构造了一种协同memetic粒子群优化(particle swarm optimization,PSO)算法,分别采用PSO算法和邻域搜索算法作为全局搜索和局部搜索。为了在粒子位置矢量中反映出传感器组合,根据问题设计了一种特殊的粒子编码方法。最后通过仿真实验验证了算法的合理性和有效性。

基于协同Memetic自适应QPSO算法的传感器-目标分配问题求解

对复杂防空作战环境下的传感器-目标分配(sensor target assignment,STA)问题进行了研究,建立了基于识别、跟踪、定位多阶段综合作战效能的分配模型。针对该模型,首先基于粒子群聚集度和进化度判断,对传统量子粒子群(quantum particle swarm optimization,QPSO)算法进行了改进,提出了自适应QPSO算法。然后,结合多粒子群协同和Memetic搜索策略,提出了基于协同Memetic自适应QPSO算法的STA求解方法。同时,为使粒子位置矢量反映分配方案,依据不同战场环境设计了两种特殊的粒子编码方案。最后通过仿真实验验证了所提算法的有效性。

空面多目标攻击中武器-目标最优分配

在多目标空对地攻击中,合理高效的武器-目标分配能显著提升飞机的攻击效率,降低飞机在战场滞留的时间,对于提升飞机的作战效率与生存性能有着重要的意义。本文基于攻击模式、目标毁伤概率、武器成本、飞行航路等约束,构建武器-目标最优分配模型,设计了一种强化局部搜索能力的自适应遗传算法,解决了求解复杂规划问题时的过量冗余迭代与停滞问题。对多组随机目标进行了仿真验证,仿真结果证明,改进算法能够为作战任务提供优质的武器-目标分配方案,且明显提升了求解的运行效率与质量。

自适应差分进化算法求解多平台多武器-目标分配问题

针对水面舰艇编队防空反导作战中的武器-目标分配问题,建立了编队防空火力分配模型,将自适应差分进化算法应用到模型的求解与仿真中,并根据参数优化,改善了问题求解的收敛特性。针对模型求解的特殊要求,采用适当的编码方案,使种群个体编码满足约束条件,利用混沌序列初始化种群,加强种群的搜索多样性,变异、交叉参数的动态自适应策略和混沌序列扰动避免算法陷入局部最优等方法对算法进行优化改进,较方便快捷地解决了多平台多类型武器-目标分配问题。实例证明,该方法能够获得满意的结果,与其他智能算法相比,在优化性能上有较大改进。

基于类型2区间模糊K近邻分类器的动态武器-目标分配方法研究

动态武器-目标分配问题是战场指挥控制决策中的关键问题。由于动态武器-目标分配算法是在攻击间隙所做的决策,对计算时间的实时性要求较高。解决这一问题,可以采用机器学习的方法基于战场辅助决策系统的武器-目标分配,从已知的决策中推理生成出新的决策,而不必每个步骤中都重新搜索新的目标分配方案。根据这种思路,提出了一种基于类型2区间模糊K近邻分类器的武器-目标分配方法,利用分支定界法得到的分配方案作为训练样本,通过构造并行运行的类型2区间模糊K近邻分类器来推导目标分配结论,实现了快速决策的目的。

多约束集群目标下武器-目标分配问题

面对未来作战中高密度、多方位的集群智能体,传统点对点饱和攻击已不是最佳策略,可通过选择合适的武器类型和作用点实现火力覆盖,达到武器数量小于目标数量的最大杀伤效果。综合考虑安全目标、毁伤门限、偏好指派等作战需求,首先,建立了多约束多目标武器-目标分配(CMWTA)数学模型;其次,设计了约束违反值的计算方法,并采用个体编码、检测修复和约束支配相结合的方式处理多约束;最后,设计了针对多目标武器-目标分配模型的收敛性度量指标,并基于多目标进化算法(MOEA)框架进行了仿真分析。其中在进化算法框架对比中,SPEA2下的Pareto集合容量主要分布于[21,25]区间内,NSGA-Ⅱ下的Pareto集合容量主要分布于[16,20],而MOEA/D下的Pareto集合容量均小于16;在修复算法验证中,修复算法将三种进化算法框架的Convergence指标提升了20%以上,且可将Pareto解集中不可行解的比例保持在0%。实验结果表明,在求解CMWTA模型中,SPEA2算法框架在分布性和收敛性上优于NSGA-Ⅱ和MOEA/D算法框架,且所提修复算法有效地提高了进化算法对非支配可行解的求解效率。

武器-目标分配问题综述

介绍武器-目标分配问题的应用背景、基本概念、基本模型、数学性质及该问题的现状及进展。目前WTA问题的研究内容主要集中在模型和算法上。模型研究以静态模型研究为主,动态模型研究在近几年有所发展;算法研究主要以智能算法研究为主,尚未出现其它新式算法。并指出目前WTA问题研究存在的不足及进一步的发展方向。

一种武器-目标分配模型及求解算法

武器-目标分配是拟制作战计划的一项重要内容,是合理运用现有武器系统,充分发挥其作战效能的关键。依据火力分配的基本要素,针对多种武器对多个目标的分配问题,运用一种基于模糊优选技术的多目标混合优化理论,建立了武器-目标最佳分配模型,然后用遗传算法来求解,并在计算机条件下对求解的效果进行了检验。

改进的人工免疫算法求解武器-目标分配问题

为提高武器-目标分配(weapon-target assignment,WTA)模型求解的实时性与精确度,针对人工免疫算法(artificial immune algorithm,AIA)提出了一系列改进措施。在采用自适应锦标赛选择算子的基础上,引入"(1+λ)-选择"全局更新技术以提高算法的全局寻优能力,引入Memetic局部更新技术以提高算法的局部搜索能力,采用最优抗体抑制机制减小了AIA陷入局部最优的危险。仿真实验结果显示,改进的人工免疫算法(improved AIA,IAIA)具有较快的收敛速度及较高的收敛精度,满足WTA问题解算需求。

武器-目标分配问题的粒子群优化算法

建立了武器-目标分配问题的优化模型,分析了各种解决此模型的方法的优缺点。经典的粒子群是一个有效的寻找连续函数极值的方法,结合遗传算法的思想提出粒子群算法来解决武器-目标分配问题。经过比较测试,4种粒子群算法的效果都比较好,特别交叉策略A和变异策略B的混合粒子群算法是最好的且简单有效的算法。

基于进化多目标优化的对地打击武器-目标分配

基于进化多目标优化方法研究对地打击武器-目标分配(WTA)建模和求解问题。首先,分析对地打击WTA问题特点,定义优化目标函数为飞机突防风险最小和目标毁伤效能最大,提出一种基于栅格地图的防空火力对飞机威胁的量化评估方法,建立多目标优化问题模型;然后,采用一种多目标优化算法NSGA-Ⅱ对问题求解,结合问题特点设计算法各组成部分;最后,构建仿真算例进行实验分析,仿真结果表明,所提模型和算法能够有效求解对地打击WTA问题,可为工程实现提供参考。

武器-目标分配问题的模拟退火算法

武器-目标分配(WeaponTargetAssignment)问题是一个典型的优化问题,模拟退火算法是求解此问题的一种有效方法。文章采用模拟退火算法对WTA问题进行求解,通过实验得到了理想的仿真结果。

求解面向进攻的武器-目标分配问题的蚁群算法

面向进攻的武器-目标分配问题是军事运筹学研究中的重要课题,旨在制定合理的打击策略以最大程度摧毁敌方目标。采用一种融合局部搜索和信息素控制的蚁群算法,兼顾控制解的局部收敛速度和全局收敛质量。在解的构造过程中直接处理约束条件,提高生成解的可行性,并大大缩小了搜索空间,提高了算法效率。通过采用多种算法对不同规模的武器-目标分配问题进行实验,结果表明改进的蚁群算法在收敛速度和求解质量上表现优异。

基于Epsilon-Nash策略的动态武器-目标分配方法

在大型任务规划软件的作战单元任务分配中,搜索零和博弈问题的纳什均衡点是求解任务分配的一种有效的方法。然而,纳什均衡点在决策中并不一定总是存在且唯一,这造成了纳什均衡策略在实际使用时具有较大的局限。通过采用Epsilon-Nash策略克服这种局限,并将其应用于自主空战任务规划系统中,通过仿真实验,证实Epsilon-Nash策略具有近似于纳什策略的效果。

传感器/武器——目标分配问题的两种规划模型及求解

通过分析现代火力打击作战中传感器——目标分配与武器——目标分配间的相互关系,在武器——目标分配问题基础上提出了传感器/武器——目标分配问题。依据目标被毁伤概率的两种计算方法,给出了该问题的两种规划模型,在武器目标分配时一种模型考虑所有可能被截获的目标,而另一种模型则只考虑被传感器截获的期望目标集合。根据模型特点在应用遗传算法对问题进行求解时,设计了异体交换算子和段内交换算子等两种新的遗传操作算子。最后通过仿真算例对两种模型进行了验证。

火炮武器-目标分配模型及其算法研究

根据火炮不同作战任务或作战目的,防空反导火炮作战目标分配需遵循最大威胁法则,而远程压制火炮作战目标分配需遵循最大毁伤法则。针对火炮武器-目标分配问题,提出了两种典型的火炮武器-目标分配模型,分别为防空反导、远程压制目标分配。针对上述模型提出了基于模拟退火的目标分配优化算法,并通过嵌入局部领域贪婪搜索策略,提高了该算法的收敛速度和搜索效率。仿真结果表明,该算法具有收敛速度快、分配偏差低的优点,在军事领域具有潜在的应用价值。

一种基于多传感器时间-空间信息融合的红外小目标识别方法

为了提高强干扰条件下的红外弱小目标识别的可靠性 ,提出了一种基于多传感器时间 空间信息融合的红外小目标识别方法 ,并采用D S证据合成理论对来自多个红外双波段成像传感器的实际图像信息进行了仿真融合计算 .

武器-目标分配问题的蚁群算法

文章建立了武器-目标优化模型,分析了各种优化方法的优缺点。采用蚁群算法解决了此问题,并通过实例给出了算法,并与匈牙利法做了比较,结果表明该方法比较有效。

武器-目标分配问题的分布估计算法及参数设计

建立了武器-目标分配问题的优化模型,分析了分布估计算法与遗传算法的异同.将分布估计算法应用于武器-目标分配问题,该算法通过统计当前群体中优选出的个体信息,给出下一代个体的概率估计,用随机取样的方法生成下一代群体.分析了个体种群数量、选择比例等参数对算法的影响,得出个体种群数量和选择比例取适中时效果最好的结论.仿真结果表明了分布估计算法求解武器-目标分配问题是可靠有效的.此方法具有较好的可扩展性,修改此算法可解决一般组合优化问题.

一种求解武器-目标分配问题的启发式方法

武器-目标分配问题是一种NP问题。结合武器-目标分配问题的特点,提出了一种求解武器-目标分配问题的启发式方法。首先给定问题的初始解作为当前最优解,然后采用多点调整方法在当前最优解的邻域内搜索最优解,其后采用重复迭代策略逐步改进初始解,直到得到较好的近似解。实验研究发现,多点调整方法只是一种局部优化方法,由不同初始解出发获得的近似解对应目标值可能不同。把多起点策略、多点调整方法和重复迭代搜索策略相结合,可得到求解武器-目标分配问题的一种有效方法。实验结果表明,提出的启发式方法计算所得解的质量较高,是求解武器-目标分配问题的一种有效方法。