基于改进量子免疫克隆多目标优化算法的火力分配问题

针对传统火力分配中存在武器资源浪费的情况,以对敌目标与网络攻击收益最大、己方武器消耗最小为目标,建立一种考虑毁伤概率约束条件的多目标火力分配模型。对标准量子免疫克隆多目标优化算法进行优化,引入了混沌机制,修复不可行解,并对搜索策略和多样性保持策略进行改进,设计了一种改进的量子免疫克隆多目标优化算法。通过实验仿真,验证了模型的正确性与算法的优越性。相比于传统量子免疫克隆算法,改进算法的性能平均提高了23%。

基于网络对抗火力分配的改进量子免疫克隆算法

考虑对于目标与目标组成网络的攻击总收益最大、自身消耗最小的原则,建立网络对抗条件下火力分配多目标优化模型,引入随机网络拓扑结构,分析火力分配方案对于随机网络的攻击效果,采用改进量子免疫克隆多目标算法对模型进行求解。通过实验仿真,分析攻击收益与不同弹药成本之间的变化情况,发现使用改进算法得到火力分配方案的攻击效率比标准算法平均高出23%;对算法的收敛性与Pareto解分布的均匀性进行研究,发现改进算法得到的Pareto解分布均匀性比标准算法提高了42%,验证了模型的有效性以及改进算法的优越性。

基于改进免疫克隆多目标算法的轧制规程优化

针对冷连轧轧制规程目标函数之间存在耦合、相互制约、难以选择目标侧重的问题,采用了一种先优化后选择的方式设定轧制规程。构造了等功率裕度、板形良好和防打滑目标负荷,建立了多目标轧制规程目标函数,采用改进的免疫克隆多目标算法对唐山某钢厂冷连轧机进行轧制规程优化计算。试验结果表明,改进的免疫克隆多目标算法能够很快地收敛到Pareto前沿,并且解集的分布性良好;优化后的不同偏好轧制规程组合可以满足不同的选择要求。与原规程相比,各轧机的利用更加合理,提高了轧机的利用效率,改善了带钢板形和表面质量,并且减少了划痕的产生概率。

多目标系统最优控制方法研究

用多个性能指标评价系统更有实际意义,但在现有的研究中,针对此类问题所采取的方法通常是线性加权,权值是人为选取以达到"最优",这就使得"最优"控制成为主观最优而非数值实际最优。本文针对这一问题,结合决策者先验知识的多少,给出2种新的解决方法:层次分析和Pareto交互式决策。首次采用免疫克隆选择多目标优化算法来设计多指标情况下的LQR控制器。仿真结果表明:该算法在时间复杂度、分布性等方面均优于现在常用的NSGA-II,且本文给出的解决方法更适合于复杂情况下的最优控制器设计。

QoS动态变化的服务选择算法

由于现代战争的快节奏和异常激烈,在面向服务的军事综合电子信息系统中候选服务的服务质量往往随时间快速变化,有时还有服务的加入和退出,现有组合服务选择方法很难应对这种场景.提出了一种基于危险理论的动态约束多目标免疫克隆算法(DCMOICADT)用于QoS动态变化的服务选择.首先将基于QoS的军事信息服务选择问题建模为带QoS约束的动态多目标组合优化问题,接着采用基于危险理论的动态约束多目标免疫克隆算法同时优化多个目标函数,最终产生一组满足约束条件的Pareto最优解服务组合集.对比实验结果表明,DCMOICADT设计了环境感知因式用于描述QoS动态变化,使用Pareto-占优集和有益不可行解协同的免疫进化方案,能根据当前环境的变化快速且自适应地调整各免疫操作,所得最优解集具有较好的多样性和较强的逼近性,能有效解决QoS动态变化的军事信息服务选择问题.