考虑毁伤概率门限的火力分配变异蚁群算法

提出了一个火力分配的非线性整数规划模型,该模型充分考虑了多火力点联合毁伤概率对实际射击效果的影响。应用基本蚁群指派算法可以求解此NP[1]问题,但难以满足战术决策的实时性要求。为此,提出一种自适应的信息素更新方法和消除无效分配的变异策略,提高了收敛速度。采用删除已访问节点的方法取代比较禁忌表的方法,进一步降低了计算代价。计算机实验结果表明,该算法在优化性能和时间性能上都取得了良好的效果,满足战术决策的实时性要求。

基于改进变异蚁群算法神经网络的空间大型可展开天线动态响应辨识

针对空间大型可展开天线柔性大、展开过程中弹性变形与刚体运动相互耦合、机构运动参数时变的特点,提出了基于改进变异蚁群算法神经网络的辨识模型用于可展开天线动态响应辨识的方法。该方法采用改进变异蚁群算法优化神经网络权值,将变异机制引入蚁群算法,解决了蚁群算法收敛慢的缺点,对变异蚁群算法进行改进,提高了算法跳出局部最优的能力,进一步加快了收敛速度。仿真结果表明,该辨识模型兼具神经网络和蚁群算法的优点,不仅具有优异的非线性逼近能力,还具有高的运算效率。该辨识模型能够准确地辨识天线的动态响应,辨识的收敛速度快且精度高。

逆转变异蚁群算法在CGF多目标分配中的应用

在预警机指挥引导多机协同空战对抗仿真过程中,为了提高CGF实体的智能性和实时性,对多CGF实体协同作战时目标选择因素进行分析,构建了一种基于变异蚁群算法的多CGF实体协同作战目标选择模型。该模型对蚁群算法中的选择策略进行了改进,引入一种遗传算法的变异算子以减少最优解的搜索时间,改进了搜索空间中信息素的更新方式,提高了模型最优解的搜索能力。运用该模型对多CGF实体协同作战过程进行仿真,仿真结果表明,所提出的变异蚁群算法对多CGF实体目标选择最优解的搜索效率明显优于基本蚁群算法,能够更好地模拟真实作战兵力的目标选择过程。

多车场多车型最快完成车辆路径问题的变异蚁群算法

一般车辆路径问题的目标是总路程或总费用最小,而在应急管理或特殊配送中要求以最快的速度完成配送任务,该文研究了以最快完成为目标的多车场多车型车辆路径问题的变异蚁群算法.首先介绍了多车场多车型最快完成车辆路径问题,然后分别给出求解多车型和单车型问题的车辆分割的动态规划方法,并把单车型问题的动态规划方法和改进的Split方法进行对比,同时利用改进的最大流算法将车辆分配给各车场,从而把该问题转化为寻找最优顾客排列的问题.随后给出了求解该问题的变异蚁群算法,最后给出了计算实例.

具有分段和变异特性的蚁群算法求解TSP问题

常规蚁群算法具有搜索时间较长,易于过早地收敛于非最优解的缺陷。为了提高蚂蚁一次周游的质量,采用具有轮盘赌方式的最大最小蚁群算法(MMAS+RW),即在依据概率选择下一个城市时采用轮盘赌的方式。提出一种具有分段和变异特性的蚁群算法。该算法融合了分段的分而治之思想和遗传算法中的变异,有利于保持群体多样性的特性,是在采用轮盘赌方式的最大最小蚁群算法陷入局部最优解的情况下,引入随机分段和遗传算法的变异操作来优化当前最优解,改善解的质量,改进蚁群算法易于过早地收敛于非最优解的缺陷。仿真实验表明取得了较好的效果。

基于块效应谱分析的JPEG图像旋转角度估计

图像旋转可以使图像伪造在几何角度上更加逼真,现有JPEG图像旋转角度估计算法的性能易受到块效应干扰和图像块尺寸大小影响,且对于旋转角度区间为[1°,15°]的估计仍然较为困难。文中提出了一种基于块效应谱分析的JPEG图像旋转角度估计算法:首先,使用变异蚁群算法提取图像的边缘并将其移除以突显块效应,并通过交叉差分进一步减轻图像纹理的影响;然后,通过设定合理的阈值和使用高斯高通滤波器移除傅里叶变换域的无关峰值,以减少干扰;最后,将傅里叶频谱的幅值分量投影到极坐标中,并将极坐标中峰值对应的极角作为旋转角度的估计值。实验结果表明,针对旋转角度位于[1°,15°]区间内的小尺寸JPEG图像检测,文中所提方法比现有方法具有更低的平均绝对误差。此外,当压缩质量因子逐渐下降时,文中所提算法的性能仍然优于现有方法,对JPEG压缩具有更好的鲁棒性。