蝙蝠算法结合动态列表在应急救援装备保障规划中的应用研究

针对联合应急救援环境中装备资源的精确保障和协同规划难题,可以采用改进的蝙蝠算法结合动态列表调度的方法,来进行模型构建,采用动态列表的方式对实施保障任务进行筛选,同时引入自适应学习因子来均衡全局搜索和局部搜索能力,最后利用联合应急救援作为实例进行仿真验证,该方法能够实现装备保障规划流程的有效管理与优化,对提升应急救援保障能力、降低损失有着重要意义。本文在阐述蝙蝠算法及动态列表概念和总结蝙蝠算法发展历史的基础上,以自适应进化二进制蝙蝠算法结合动态列表为例,提出装备保障规划中蝙蝠算法总体框架设计,对未来蝙蝠算法在应急保障领域的有关研究具有重要的指导意义和作用。

基于动态优先级的任务计划建模及方法

在任务-平台关系设计问题中,所选择的任务平台(组)和作战任务合理匹配。针对以往在多维动态列表调度算法(Multi-dimensional Dynamic List Scheduling,MDLS)中采用平台的静态优先级进行平台(组)的选择的不足,设计了一种平台动态优先级计算方法。上述方法在进行任务-平台匹配过程中,根据任务需求资源的变化对平台的优先级进行动态变化,最后通过联合作战的战役特定算例,验证了所提方法的优越性和适用性。

DLS和NGA结合的平台资源调度方法

研究战场环境平台资源调度问题,针对传统使用的动态列表调度算法易陷入局部最优,提出一种基于动态列表调度和小生境遗传算法相结合的求解方法。考虑任务激烈度来更准确地描述平台资源能力的动态损耗,以使命完成时间为指标,在保证平台资源利用率的前提下,采用具有全局性的小生境遗传算法,得到最优的平台资源调度方案。通过一个联合作战案例,得出所提方法作战使命完成时间更短,为战场资源调度提供依据。

基于DLS和GA的作战任务-平台资源匹配方法

作战任务和平台资源的合理匹配是战役作战准备阶段的主要内容。考虑平台资源能力在作战过程中的损耗,在问题建模的过程中引入了资源能力的损耗系数,使得所建模型更加符合实际作战。提出了基于动态列表调度(dynamic list scheduling,DLS)和遗传算法(genetic algorithm,GA)的模型求解方法,使用DLS选择处理的任务,使用GA为选定任务分配平台资源,给出了该方法具体的设计思路和流程。最后结合联合作战的战役算例,验证了所提方法的优越性和适用性。

任务计划适应性改造优化建模及方法

针对指挥控制(C2)组织资源层-任务计划的适应性优化问题,提出了一种方案改造代价限制条件下的任务计划适应性优化(AOMPTP)问题模型及求解算法。介绍了国内外学者对任务计划适应性优化及适应性测度的研究成果,在分析方案改造代价的必要性和衡量标准的基础上,给出了方案改造代价的定义和约束条件。在方案改造代价限制条件下,建立了以使命完成时间最短为目标的问题数学模型,设计了求解该模型的多维动态列表规划(MDLS)及循环遗传(CG)算法,使指挥员能够更好地权衡方案改造优化的性能与代价,作出决策。最后通过实验分析,验证了所提方法的有效性和适用性。

一种基于模体的无人机集群智能任务规划方法

由于无人机集群中通信受到制约,无人机集群配系需要随着任务的改变而变化。如何在有限通信下进行无人机集群的智能任务规划成为研究的热点和难点问题。基于功能建立了无人机集群作战网络模体模型框架,提出了6类不同功能类型的基础模体模型;通过能力需求和信息需求将作战任务映射到完成这项任务需要的模体种类和数量;利用"多维动态列表调度法"进行无人机集群的任务规划策略的自动生成。使用定制的NSGA-Ⅱ算法通过改变任务执行顺序,对作战时间和连接改变量进行任务规划策略的自动优化选择。通过一个案例对本文所提出的方法进行了初步验证。

基于改进二进制蝙蝠算法的装备资源保障规划

针对联合作战环境下的装备资源精确保障协同规划问题,考虑以所有保障任务完成时间最短为目标,以保障任务的执行时序和资源需求、保障编组占用冲突,以及资源平台能力更新机制等复杂条件为约束,构建数学模型,提出了基于动态列表调度(Dynamic List Scheduling,DLS)和自适应进化变异二进制蝙蝠算法(Adaptive Mutation Binary Bat Algorithm,AMBBA)的混合装备资源协同保障规划方法。通过动态列表调度选择当前执行保障的任务,在二进制蝙蝠算法寻优中引入自适应学习因子以平衡全局搜索和局部搜索能力,通过在当前可用资源集中搜索最优解为选定任务分配资源,以复杂地域联合作战为例仿真并验证规划效果,结果显示,所提方法可对大规模装备资源协同分配保障问题进行精确高效求解。

基于MDLS和ANN的联合作战资源调度研究

改进了多维动态列表调度算法,并将其与自适应神经网络相结合。仿真实验表明所提算法能够在多项式时间内得到资源调度的可行策略;与传统的多维动态列表调度算法相比,改进后的算法具有显著的优越性,避免了多维动态列表调度陷入局部最优,可为联合作战资源调度计划的制定提供理论支撑。