基于分割时间窗的武器任务分配优化算法

针对多武器多目标任务分配(Multiple Weapon Task Assignment,MWTA)中火力交叠区分配规则单一、武器利用率不高、协同作战效能不佳的问题,从时间维度重新分析了对空防御MWTA问题,将火力交叠区转换成面向具体来袭目标的可行射击窗交叠区,并提出了时间窗分割系数对其进行离散处理,建立了以我舰生存概率最高和尽早拦截来袭目标为优化目标的MWTA模型,为提高武器利用率、增加火力拦截次数奠定了基础。考虑分割时间窗增加了遗传变异过程中模型约束违反风险,设计了两类约束惩罚函数对非支配遗传算法(Nondominated Sorting Genetic Algorithm,NSGA-Ⅱ)进行改进应用,避免了求解过程中有效个体的大量流失。实验结果表明,本研究所提方法可实现对火力交叠区任务的优化分配,有效提高多目标多武器火力协同决策效果。

基于LOFC时间窗分割算法的航迹聚类研究

针对传统聚类算法在聚类过程中缺乏时间信息而仅考虑三维坐标点的聚类,同时未考虑航空器运行速度和航向变化对聚类结果的影响,以及由于二次雷达机载设备、地面设备和信号遮挡等原因造成的实测数据源中存在离群点异常数据,离群点很难被有效识别出来从而使得非正常航迹点的影响放大,得不到理想的聚类效果等问题。本文提出LOFC算法,引入时间窗分割概念,将航空器进场平均速度值和航向变化值作为确定聚类簇大小的影响因子对进场航空器航迹点数量进行分割,引入离群点检测以及离群点剔除率等概念对离群点进行识别和剔除。对进场二次雷达数据仿真分析,从仿真结果中可以看出,新算法能有效地对离群点进行识别和剔除,当影响因子α取值为0.7时,航迹的曲率最小,得到的中心航迹的平滑程度最佳,验证了新算法对于聚类和离群点识别与剔除具有可行性和优越性。

航迹点特征的时间窗分割算法的航迹聚类

现有航迹聚类算法未考虑到航空器航向变化和高度下降等因素对聚类结果的影响,同时聚类过程中缺乏时间信息,另外实测二次雷达数据中存在离群点异常数据,离群点的存在会影响最终的聚类效果,使得聚类结果不准确。提出基于航迹点特征的时间窗分割算法,将航空器进场的航向变化值以及高度下降值作为确定聚类簇大小的影响因素,对进场航空器航迹点数量进行时间窗分割。对真实的进场二次雷达数据仿真分析,从仿真结果中可以看出当影响因子a为0.4时,航迹的曲率最小,聚类效果最好,进而采用层次聚类算法对不同LOF值所对应的航迹点进行聚类,得到最后的聚类结果可以为管制员现场指挥提供技术指导。