武器-目标分配问题的模拟退火算法

武器-目标分配(WeaponTargetAssignment)问题是一个典型的优化问题,模拟退火算法是求解此问题的一种有效方法。文章采用模拟退火算法对WTA问题进行求解,通过实验得到了理想的仿真结果。

武器-目标分配问题的蚁群算法

文章建立了武器-目标优化模型,分析了各种优化方法的优缺点。采用蚁群算法解决了此问题,并通过实例给出了算法,并与匈牙利法做了比较,结果表明该方法比较有效。

贪心遗传算法解决一般武器-目标分配问题

一般武器-目标分配问题,是使武器发挥最大效能而使目标遭受最大毁伤的最优化问题。遗传算法广泛用于解决最优化问题。提出一种具有贪心优化机制的局部搜索方法,以提高遗传算法的搜索效率,从而迅速找到全局最优解。应用于炮兵武器-目标分配问题的仿真试验结果表明,此算法比现有的其他搜寻算法具有更好的求解效率。

解武器-目标分配问题的回溯算法

提出一种解武器－目标分配（ＷｅａｐｏｎＴａｒｇｅｔＡｓｓｉｇｎｍｅｎｔ，简称ＷＴＡ）问题的回溯算法。该算法采用二级回溯思想。应用此算法分配迎击武器，使毁伤全部目标的失败概率达到最小。经过多个战例的仿真，结果表明算法效率有所提高。

基于交叉熵-遗传算法的武器目标分配问题研究

武器目标分配问题是军事领域中重要的研究课题,其主要任务是在一定的条件下将武器与来袭目标合理分配,以达到最大的作战收益.提出了一种将遗传算法融入交叉熵算法的混合算法.首先,通过交叉熵算法将原本的武器目标分配优化问题与估计问题联系起来,构建满足武器目标分配方案解的离散概率分布矩阵,进而根据矩阵生成代表解的多个样本.然后,利用遗传算法中的选择、交叉、变异操作增加样本的多样性.最后,利用推导出最优解的迭代公式来更新矩阵,当满足迭代终止条件时输出的矩阵即为最优解.分别针对二维单目标函数优化问题和武器目标分配问题进行计算对比,计算结果验证了交叉熵-遗传算法的有效性.

求解武器—目标分配问题的混合编码差异演化算法

提出一种混合编码差异演化求解武器—目标分配优化问题。在差异演化算法中增加违反边界约束处理操作,确保由变异和交叉操作生成的每个新个体满足边界约束条件;对差异演化算法中的选择操作重新定义,使其可以直接处理约束条件。基于编码映射的方法构建一种新的混合编码差异演化算法。利用武器—目标分配问题对该算法进行了仿真实验,结果表明该算法的有效性与适用性。混合编码差异演化算法是求解离散约束优化问题的一种有效方法。

基于改进蚁群算法的防空作战武器目标分配方法

针对防空作战中传统武器目标分配模型的不足,提出了防空作战的WTA模型。同时,根据蚁群计算在解决武器目标分解问题上的缺陷,提出了把混沌变换运用到蚁群计算中来处理该问题的新思路,即通过改进遗传算法并引入混沌算子,运用混沌变换的特性选择了蚁群计算的起始部分:随机性、遍历性和规则,使初始类型产生了多样化,进而形成了良好的计算公式,进而提升了计算的寻优效率,进而提升了全局角度收敛性。经过仿真实验,该方法是优于原算法的。

基于仿真的武器—目标分配问题求解方法

武器—目标分配问题是一种NP问题。分析了武器—目标分配问题的特点,把武器—目标分配问题转化为加权运输问题,把不同权系数下运输问题的精确解作为原问题的近似解,权系数不同时运输问题的解对应原问题的目标函数值不同,可把武器—目标分配问题的目标函数看作权系数的函数。采用仿真方法产生权系数,计算相应运输问题的解及其对应的武器—目标分配问题的目标函数值,进行迭代搜索,逐步改进武器—目标分配问题的解,得到较好的近似解。实验结果表明:提出的仿真方法计算所得解的质量较高,是求解武器—目标分配问题的一种有效方法。

应用改进遗传算法解决武器目标分配问题

在实际作战过程中,以当前战场态势为输入,特定交战规则为约束的武器目标分配(Weapon Target Assignment,WTA)问题是指挥员必要的决策行为之一。因此,在作战仿真系统中,WTA模型是计算机生成兵力(Computer Generated Forces,CGF)决策行为模型的重要组成部分。对WTA进行有效建模有助于提升决策行为模型的逼真性与智能性,以及仿真结果的可信性和有效性。本文主要研究WTA决策行为建模与优化求解问题,主要包括WTA模型建立,以及面向高实时、高可靠性实际应用需求的算法。论文的最后,通过设计对比实验,验证了WTA模型及提出的改进遗传算法的可行性与有效性。

针对多空中威胁目标的联合火力协同分配打击策略

威胁评估及火力分配打击是打击决策中的重要环节,战场环境因素的复杂性、不确定性,使得现有的威胁评估算法在进行威胁度计算时考虑的因素不够全面,难以有效支撑火力打击决策环节。因此,提出一种考虑、飞行高度、空中运行姿态、行进速度、携弹数量的多空中威胁因素问题模型,基于此模型获取火力协同打击策略。利用本文方法解算出在某一任意环境下,火力系统的最优协同打击策略。通过仿真对比经典粒子群优化算法,本文算法能够更快收敛,验证了本文方法的有效性和可靠性。

使用贪心模拟退火算法求解WTA问题

目的针对当前常用智能算法在求解武器-目标分配问题时存在的不足,将贪心算法思想融入模拟退火算法中,构建贪心模拟退火算法。方法贪心模拟退火算法的思想是基于模拟退火算法容易陷入局部最优解这一缺陷,将贪心思想融入模拟退火算法中,在每次模拟退火算法产生新解后对其进行局部贪心搜索,寻找到更优解,进而提高求解质量。结果分别使用相同的数据,采用遗传算法、神经网络算法以及贪心模拟退火算法对5个案例进行求解,均得到了最优解。结论贪心模拟退火算法的求解结果远远优于其他2种算法,证明了方法的有效性。

面向装甲分队战法运用的两阶段WTA模型

针对目前武器-目标分配模型无法满足装甲分队火力打击战法要求的问题,分析了装甲分队火力打击战法的运用方式及其对分配结果的影响,建立一种面向装甲分队战法运用的两阶段WTA模型,模型第一阶段解决了"单武器高命中概率削弱"的问题,模型第二阶段可以实现装甲分队火力打击战法对于分配结果的多种不同要求。仿真结果证明,该模型解算结果合理,符合装甲分队战法运用要求。

解WTA问题群智能优化算法的种群初始化问题研究

为提高解武器—目标分配问题(WTA)的群智能优化算法初始种群性能,从提高初始种群多样性的角度提出了基于密码筒的种群初始化方法,从提高初始种群解质量的角度分别提出了基于目标威胁—打击效果混合排序的种群初始化方法和装甲分队战术种群初始化方法。最后,通过一系列不同规模WTA算例的仿真实验对初始化方法进行评估,结果表明三种种群初始化方法均达到了设计要求,且各具优势。