基于水利益共享的跨境流域水资源多目标分配研究——以澜沧江-湄公河为例

以水利益共享代替分水的理念有利于充分发挥水资源效益和减少区域矛盾冲突,但由于缺乏具体可实施的分配模式一直停留在设想阶段。基于水利益共享理念,建立跨境流域水资源多目标分配指标体系,并结合澜沧江-湄公河流域跨境水资源利用现状及需求,提出澜沧江-湄公河流域跨境水资源多目标分配模型。为基于水利益共享的跨境水资源多目标分配提供了具有充分可操作性的指标体系和分配模型,有助于推进跨境流域水利益共享的实施,实现区域双边或多边在水资源利用上的共赢和发展目标。

基于模糊推理的公路养护资金多目标分配问题求解

提出基于模糊推理的智能资金分配模型及分配方法 ,可以将决策者以自然语言形式表达的知识集成到问题求解过程中 ,与以往的单一的固定加权求解方法相比 ,不仅容易理解 。

匈牙利算法在多目标分配中的应用

在多目标攻击决策中 ,根据 Harold提出的目标优势函数 ,分析了使所有目标机的总优势函数为指派问题 ,运用匈牙利算法对 n对 n的最优目标分配指派问题进行求解 ,并把它推广至 n对 m的多目标分配中。仿真结果表明匈牙利算法对于此类多目标分配指派问题的求解是十分有效的。

有人机控制无人机群空战多目标分配

针对集中式体系结构下的有人机-无人机群协同空战多目标分配问题,把目标威胁分为固有属性和动态属性两部分,分别建立了目标威胁系数层次结构模型和优势函数模型;根据空战态势的不同,提出了3种效率指标,建立了相应的代价函数;针对3种代价函数,运用离散粒子群算法进行了数值仿真研究,仿真结果表明所用的算法具有良好的收敛性,适合解算文中所建立的有人机-无人机群协同空战多目标分配模型。

多机协同多目标分配战术决策研究

神经网络在协同空战决策领域有着非常好地运用的前景,本文引入威胁指数法来计算协同优先权,并将其作为神经网络的教师值.最后给出了仿真算例,计算结果表明,通过文中介绍的方法改进的协同优先权算法可以更有针对性地完成战术决策任务.

基于改进遗传算法的多机协同多目标分配方法

针对复杂三维环境中多无人机协同多目标分配问题,在飞行代价函数建模的基础上,提出了一种改进遗传算法。首先通过引入启发式信息和采用随机生成的方法构造初始种群,保证了初始种群的多样性和高适应性;然后构造适应度函数,加入惩罚项排除不满足约束条件的方案;最后进行遗传操作,将变异产生的个体组成新的种群,把新种群中性能优异的个体加入到初始种群中,使初始种群个体种类更加丰富,扩大了解的范围。设计实验将改进遗传算法与基本遗传算法和差分进化算法进行了对比,实验结果表明,改进遗传算法在无人机与目标不同的数量关系下都能够得到合理的分配方案;改进遗传算法有效改善了早熟问题,并具有更快的收敛速度,适合于求解多无人机多目标分配问题。

基于改进蝙蝠算法的多传感器多目标分配

针对多目标多传感器分配中的NP爆炸问题,引入蝙蝠算法进行求解。通过K-均值算法初始化、速度更新采用自适应步长、向反方向搜索及变异操作3项措施对基本蝙蝠算法进行改进,得到改进蝙蝠算法。在仿真实验中,一方面将改进蝙蝠算法和基本蝙蝠算法作对比,证明基本蝙蝠算法在改进后,其计算速度和寻优能力大大提高;另一方面将改进蝙蝠算法与粒子群算法、蜂群算法、狼群算法3种算法作对比,表明改进算法更适用于多传感器多目标分配问题求解,其求解质量更高。

通信拒止环境下的导弹集群多目标分配与决策方法

针对通信拒止复杂环境下的导弹集群多目标分配问题,提出一种分布式的多目标分配与决策方法。基于弹-目攻防性能指标,设计时间戳、获胜导弹、获胜投标、优势度等列表,通过一致性和拍卖阶段,优化目标分配方案,并借鉴自然界鸟群、鱼群等群居性生物的群体协同运动机制,利用“避撞-结队-聚集-攻击”集群行为规则模型(Separation Alignment Cohesion Offense,SACO),结合集群动态拓扑交互机制,建立支持不同通信拒止等级环境下的导弹集群运动决策模型,使导弹集群涌现出宏观的作战行为。仿真结果表明,本文设计的方法能够在不同通信拒止等级条件下进行多目标分配和决策,涌现出宏观的集群作战行为,并具有较好的优化性能,其计算效率相对于其他方法具有更明显的优势。

量子遗传算法在多目标分配中的应用探讨

多目标分配目前是最优化领域中的一个重要研究方向。遗传算法是一种借鉴生物界自然选择和遗传机制的高度并行、随机、自适应的全局优化搜索算法，近年来，基于遗传算法的多目标分配应用研究在过程工程领域越来越受重视。本论文提出了用量子遗传算法处理和解决多目标分配问题，有一定的工程价值。

基于DQN出价策略的多无人机目标分配拍卖算法

为实现多无人机监测目标分配任务匹配度、成功率等收益最大化及路径长度、障碍物碰撞风险等代价最小化,基于数据样本驱动的强化学习方法,提出了一种融合深度Q网络(Deep Q-network,DQN)出价策略的自主进化拍卖算法。首先,构建了多无人机任务目标拍卖的马尔科夫决策模型,并且分别以竞拍者剩余竞拍容量为环境,输出增价因子为动作,前后两轮拍卖收益增幅为回报。其次,构建了新型的DQN出价和竞拍决策神经网络模型。该模型通过构建包含拍卖环境、增价因子、回报等元素的强化学习训练样本库,在拍卖过程中以一种离线学习模式不断训练DQN神经网络,使其按照DQN策略在拍卖过程中,根据拍卖环境输出增价因子,实现拍卖结果收益的优化。最后,通过多无人机多监测目标分配仿真,验证了所提出基于DQN拍卖机制的目标分配方法的有效性。通过与传统拍卖算法结果相比,方法获得的拍卖收益提升21.4%。

基于成本函数与精度稳定性的机械系统精度多目标优化分配

目前在研究机械传动系统运动精度分配时,仅考虑成本因素,而忽视了系统运动精度稳定性因素对精度分配的影响。为此,提出一种基于成本函数与系统运动精度稳定性的机械系统精度多目标优化分配方法。通过引入元动作理论,建立元动作单元的精度-成本函数模型,利用综合复杂度系数表示元动作单元精度提升与成本的关系。以机械传动系统运动误差传递模型为基础,建立机械系统运动精度稳定性分析模型。以机械系统综合成本和系统运动精度稳定性为目标,建立机械系统运动精度多目标优化分配模型。利用模糊集合方法对Pareto非支配解集进行分析,确定最优解。最后,以数控转台系统运动精度分配为例,将所提的多目标优化分配方法与单目标优化分配方法进行对比,验证了文中所述方法的有效性。

分布式四驱电动汽车多目标优化转矩分配策略

为了降低分布式四驱电动汽车整车能耗,提升突发转向稳定性,提出一种多目标优化转矩分配策略。首先,推导整车动力学模型,利用数学模型构建整车前向仿真平台;然后,分别对整车能耗及稳定性进行分析,构建降低整车能耗、提升整车稳定性的多目标优化转矩分配策略,利用多目标权重系数法得出转矩分配结果;最后,将转矩分配结果应用于整车前向仿真模型,结合欧洲循环工况对不同转矩分配方案进行仿真对比分析。仿真结果表明:在车辆行驶过程中,采用多目标优化转矩分配策略,系统能耗降低了26.6%,系统运行稳定性提升了26.1%,同时整车续航能力延长了0.5%。

防空武器多目标优化分配建模与决策

在对决策机理分析的基础上,建立了防空武器系统的多目标分配决策模型,实现了防空导弹的多目标优化分配。在此基础上,提出一种改进的粒子群优化(PSO)算法以求解防空武器的最优分配,通过与遗传算法的实例比较,结果证明了该方法的有效性和优越性。

弹道导弹多目标火力分配方法

多目标打击火力分配是弹道导弹顶层作战关键问题,也是一类多约束优化问题。对目标位置、发射位置、导弹射程、突防概率、潜艇兵力生存概率等多目标打击火力分配关键因素进行了分析,提出了海基战略导弹多目标打击火力分配方法和算法步骤。设定了2种武器类型、3个发射海区、5个打击目标的作战想定,给出了目标分配方案,验证了算法的正确性和可行性。

应急救援中基于线性规划的多目标多资源分配模型

在应急救援中,救援情况各不相同,救援任务对执行时间有着严苛的限制,而救援资源又十分匮乏,以往单目标和一对一的资源分配方法很难有效解决应急救援中的资源分配问题.为此提出了一种新的应急救援资源分配模型,该模型通过组合救援资源以减少救援任务的执行时间,同时可以增强救援资源的能力.另外,模型通过对多个目标的比重进行调整,并利用线性规划方法得到更符合实际救援需求的资源分配方案.最后,通过采用动态规划思想中的多阶段的资源分配方式,可以解决应急救援中的救援任务和救援资源的动态性问题.由实验可以看出,该模型对不同救援任务和不同救援目标都有着良好的适应性,可以满足应急救援中救援任务和救援资源的动态性需求.

基于任务合成技术的目标分配问题研究

通过将多机空战中目标分配作为任务合成技术的一个典型应用场景,提出了一种基于任务合成技术解决目标分配问题的方案。首先,通过传统方法构建己方优势函数、目标威胁指数和WSEIAC效能评估模型,实现了目标态势感知和作战效能评估;然后,将依据"以优攻劣"原则设计的目标分配算法与任务计划评估决策技术和任务执行管理技术结合,设计了目标分配方案;最后,利用贝叶斯网络和任务合成软件进行了目标分配算法和方案的仿真验证。仿真结果验证了基于任务合成技术的目标分配方案的有效性。

基于模糊多属性的机群空面多目标任务分配

飞机编队在执行空面作战任务时,在进行多目标任务分配之前必须对作战的目标进行有效评估。考虑目标的威胁、政治价值和经济价值等不同属性,建立了多目标分配综合价值评估指标;运用模糊多属性法和G.A.M iller九级量化理论对目标综合价值进行量化,并采用离差最大组合赋权法求出各属性权值,建立单机多目标分配模型。提出基于数据链通信的编队多目标最优分配算法,最后给出仿真实例,仿真结果表明此方法能合理有效地对多目标进行最优分配。

基于时变量测方差的多传感器多目标优化分配算法

在目标跟踪过程中,目标的动态模型通常在笛卡尔坐标系中,而量测是在极/球坐标系中得到的。在基于卡尔曼滤波及其一些改进算法中,设定量测方差固定不变,可能导致滤波发散。为此提出了一种基于时变量测方差的多传感器资源管理算法。该算法通过统计方法求出转换测量值误差的均值和方差,利用转化卡尔曼滤波算法估计误差协方差,基于协方差的效能函数进行多传感器多目标分配。仿真结果显示该算法在目标跟踪过程中满足跟踪精度要求,并实现传感器资源的充分的利用。

基于二元蚁群算法的多目标订单分配问题求解

为了在最小化综合成本的同时尽量均衡企业的生产负荷以及为水平型制造协作联盟(HMCA)订单分配的管理工作提供依据,设计多种群混合行为二元蚁群算法,用于求解HMCA订单分配的多目标模型。该方法在二元蚁群算法的基础上引入区域划分、环境评价与奖励策略,以弥补二元蚁群算法难以同时寻找多个解的缺陷,通过引入中心扰动行为,进一步提高求解质量。实验结果表明,该算法可以保证分布性,且求解质量较高。

分布式多无人机协同侦察目标分配研究

首先根据分布式多无人机协同特点,建立了考虑路程、通信容量、雷达探测能力、无人机智能水平的侦察优势函数;然后基于该函数建立了目标分配模型;最后运用离散粒子群算法给出了8架无人机协同侦察8个目标的算例,并对仿真结果进行了讨论和分析,验证了模型和算法的良好可用性和广泛适用性。