舰载机模块化弹药调度方案优化设计

舰载机模块化弹药存储和调度是未来发展的主要趋势之一。模块化弹药调度与整弹调度相比,调度对象的数量成倍增加并且多了一个弹药装配环节,使调度工作的难度呈指数级增长。针对模块化弹药调度问题,建立以任务完成时间最小化和各舱室与升降机平均工作时间最小化为优化目标,以各模块调度次序、机器选择和调度起始时间为约束条件的舰载机模块化弹药调度模型,设计递推法计算任务完成时间,并使用改进的遗传算法对模型进行求解,结合模块化弹药特点优化多层编码方式,使染色体更加完整地表达弹药在各个阶段的信息。通过仿真验证,所提的舰载机模块化弹药调度方法生成的调度方案具有可行性。

基于逆向强化学习的舰载机甲板调度优化方案生成方法

针对计算机辅助指挥调度舰载机甲板作业的决策过程无法脱离人参与这一特点,引入基于逆向学习的强化学习方法,将指挥员或专家的演示作为学习对象,通过分析舰载机的甲板活动,建立舰载机甲板调度的马尔可夫决策模型(MDP)框架;经线性近似,采用逆向学习方法计算得到回报函数,从而能够通过强化学习方法得到智能优化策略,生成舰载机甲板调度方案。经仿真实验验证,本文所提方法能够较好地学习专家演示,结果符合调度方案优化需求,为形成辅助决策提供了基础。

基于多种群协作混沌智能算法的舰载机出动调度

为了提高舰载机的出动效率,有必要对舰载机出动调度问题进行研究,为此提出了利用多种群协作混沌智能算法求解舰载机出动调度问题。首先对舰载机出动调度问题进行数学建模,将其转换为带有约束条件的多目标函数求最优解的问题;其次建立舰载机出动调度所需基础模型,以库兹涅佐夫号航母某一典型的出动任务为例,分别利用以融合多种群和混沌局部搜索后所改进的粒子群算法(HPSO)及普通粒子群算法(PSO)为核心的方法对该调度问题进行求解;最后进行了仿真实验,结果表明,HPSO算法在收敛性、平稳性及所求解结果质量等方面都优于PSO,其求解时间和所求解结果也基本满足实际使用的需要。因此,可以利用HPSO算法对舰载机出动调度问题进行求解。

基于禁忌算法对不确定性舰载机保障的调度优化研究

为提高舰载机甲板保障调度稳定性,减少保障作业期间的不确定性风险,设计了甲板调度数学模型,针对以加油设备故障为例的保障不确定性,建立了设备失效分布函数,提出了保障作业风险系数值、故障机会影响因子的研究方法,推算得出不确定性目标函数计算模型,采用改进的禁忌算法进行了求解,得出调度优化方案。仿真实验结果验证了所提研究方法的有效性与可行性。