基于信息素启发狼群算法的UAV集群火力分配

无人机（UAV）集群作战是未来智能化战争的重要作战样式。为充分发挥UAV集群整体作战优势，得到最优武器-目标分配（WTA）方案，使得UAV集群在火力分配中既能够满足任务要求，又能够较少作战单元消耗，建立了包含任务完成、有效杀伤、攻击消耗约束的UAV集群火力分配数学模型，采用带有游走、召唤算子的改进狼群算法（WPA）对模型进行求解。为提高算法全局寻优效率，避免陷入局部最优，引入蚁群优化（ACO）算法中信息素启发规则，对游走行为及狼群更新机制进一步改进，提出了基于信息素启发狼群算法（PHWPA）的UAV集群进攻的火力分配方法。仿真结果表明:所提方法是有效的，相比较于其他算法，PHWPA具有更高效的寻优能力，能够为UAV集群作战火力规划提供支持。      

基于DTC和GPGP的多UCAV任务规划方法

以任务分析和环境建模仿真框架作为任务结构的描述模型,建立了无人作战飞机的任务模型描述及任务规划问题描述方法.提出了基于启发式设计准则的无人作战飞机任务规划算法,并在任务规划过程中集成路径规划.以通用局部全局规划协调理论为基础,提出了集成通用局部全局规划协调机制和同步协调机制的多无人作战飞机协同任务规划系统结构,对通用局部全局规划的任务规划过程进行控制和协调.仿真实例证明了任务规划算法的可行性.      

超视距空战中多机协同制导方法

对空空导弹制导权交接的任务分配问题,根据己方飞机与制导权需交接的导弹的态势建立了对导弹的态势优势模型;根据己方飞机对该导弹攻击目标的态势建立了对目标的探测能力模型;根据敌方飞机对己方飞机的态势建立了己方飞机受到的威胁度模型;根据敌我双方飞机的空战能力建立了空战效能优势模型.在这4种模型的基础上建立了己方飞机对导弹的总的制导优势模型.在总的制导优势的基础上建立了协同制导任务分配模型,并采用遗传算法对协同制导任务分配问题进行优化求解.仿真结果表明,该方法能够实时地计算制导优势和进行任务分配,有效地完成多机协同制导.     

机载公共设备综合管理系统任务分配算法研究

机载公共设备的综合管理是机载系统发展的必然方向,为解决机载公共设备综合管理系统中任务分配问题,进行了任务划分.根据周期任务和非周期任务对系统风险系数的贡献不同,提出了两层任务分配策略;以单机风险系数均衡为目标函数,设计了基于蚁群算法的周期任务分配算法.对蚁群算法进行了模糊自适应参数调整的改进,仿真结果表明改进算法能够有效地使蚁群算法从局部最优点中逃脱,解决任务分配问题.      

应急任务响应时间最优的多星成像规划方法

针对优化多星应急成像任务规划的响应时间问题进行了研究。为避免优先规划应急任务对任务总收益的影响，提出一种优化应急任务响应时间的同时兼顾任务总收益的多星成像规划方法。首先，针对综合考虑应急任务和常规任务的多星成像规划特点，建立两级目标优化的约束满足模型；其次，将模型求解过程分解为任务时间窗选择和单轨动态规划两个部分，基于自适应免疫算法对时间窗选择进行优化，同时设计前向动态规划算法确定卫星单轨最优观测路径；最后，对所设计算法的性能进行了测试，并与其他算法进行了对比。仿真结果表明本文方法能够保证应急任务响应时间最优，并同时具备较高的任务总收益，适合于求解大规模的多星成像规划问题。     

一种分布式异构多AUV任务分配鲁棒拍卖算法

为了解决异构多自主式水下航行器(AUV)的任务分配问题，提出了一种分布式鲁棒拍卖算法。建立了异构多AUV任务分配分布式拍卖模型，包括任务分配系统(拍卖商)的优化模型及AUV的优化模型。针对现有拍卖算法忽略拍卖商的利益，不符合市场规律的问题，引入任务奖励反馈机制，任务分配系统通过多轮试探拍卖市场，自适应地调整任务奖励，达到保证AUV效用的同时，有效降低任务分配系统成本的目的，促进了任务分配系统参与拍卖。针对水下洋流对任务分配模型产生的不确定性因素，提出了一种鲁棒优化算法对抗不确定性因素，提高了多AUV任务分配系统应对复杂水下环境的能力。仿真结果证明了所提算法的鲁棒性和有效性。      

基于多智能体联盟的多机协同空战任务分配

基于多智能体联盟形成理论,分析了网络化条件下多平台多目标攻击任务分配问题。将协同任务分配的过程视为复杂联盟的生成过程,首先将对目标总体的打击任务分解为一系列子任务,各子任务再进一步分解为单个平台能够完成的任务单元;再根据联盟特征函数的定义分别建立联盟报酬、能力成本、通信开销模型,以联盟特征函数作为空战任务分配目标函数;最后引入离散粒子群优化算法进行联盟生成,采用二进制矩阵编码形式,设计粒子可行性检查策略。仿真实验验证了本方法在协同制导条件下空战任务分配的合理性与有效性。     

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究，将干扰资源调度建模为多目标优化问题，以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型，利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿，以最优解集代替最优解，再根据战场实际情况选择最佳调度方案，使决策方案更加科学合理。实验结果表明，MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷，有较高的搜索效率，算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。      

空战中协同干扰、探测、攻击任务分配

针对空战中协同干扰任务分配问题,根据己方飞机的干扰功率、干扰工作频段、干扰样式,敌方飞机雷达的工作功率、工作频段、抗干扰样式,建立了干扰功率优势、干扰频率优势、干扰样式优势;再考虑己方飞机的干扰作战能力以及敌我双方的空战能力指数建立了总的干扰优势,建立了协同干扰任务分配模型.根据干扰后敌方飞机的距离性能以及敌我双方的空战态势,对己方飞机对敌方飞机的探测能力、攻击能力进行了研究,建立了多机协同探测加攻击任务分配模型.采用遗传算法对建立的任务模型问题进行优化求解.仿真结果表明,这些模型能够有效地完成协同干扰、探测加攻击任务分配.      

基于离散粒子群算法的多飞行器在轨服务任务分配

为解决多约束条件下飞行器在轨服务任务分配问题,以在轨卫星群为研究对象,提出了一种基于离散粒子群算法的多服务飞行器的目标分配方法,综合分析目标飞行器价值、服务飞行器消耗以及能量时间消耗等3项关键指标因素,建立了在轨服务任务分配问题的数学模型。通过构建粒子与实际问题间的对应关系,设计了新的离散粒子群位置和速度更新公式求解任务分配问题。仿真结果表明:离散粒子群算法具有收敛速度快,寻优能力强等优点,能够有效地解决多约束条件下的服务飞行器协同任务分配问题。     

Task allocation strategies for cooperative task planning of multi-autonomous satellite constellation

In recent years, the application of imaging satellites has entered a completely new stage, with the new demands such as rapid response to emergency events, observation of large-scale regional targets and multivariate data fusion, the multi-autonomous satellite constellation has been proposed. This paper first designs the structure of multi-autonomous satellite constellation, and a centralized-distributed structure is proposed. This structure could improve the dynamic response capacity of the whole constellation. Then, this paper adds adapted filtering mechanism to single autonomous satellite online scheduling algorithm to enhance its performance. This article also pays more attention on task allocation strategies of the master satellite in constellation, and ten different task allocation strategies based on five dimensions are analyzed by simulation experiments. At last, this paper extracts several characteristic features of the regular observation targets and designs a selector based on support vector machine (SVM). This selector could select an appropriate strategy according to the features of each experiment scenario.     

实时连续多媒体任务模型及调度算法

传统周期任务模型过于简单,不能适应实时多媒体流任务的多种形式,以用户为中心的连续媒体的调度算法由于未能从全局上考虑任务的服务质量QoS(Quality of Service)需求,因而调度效率较低.提出一种改进的以多媒体对象为中心周期任务模型,该任务模型概括了目前多媒体任务的基本表现形式.基于该任务模型,提出了一种以连续多媒体流的整个质量表现过程为中心的任务表现路径模型TPP(Task Presentation Path).在全面考虑表现路径中媒体流对象的全局死线、局部死线和任务连续失效率的基础上,给出了连续多媒体流的比例资源分配调度算法PSTPP(Proportional Share based on Task Presentation Path).实验结果表明了所提出的周期任务模型的合理性,调度算法能提供比传统分时策略以及EDF算法更好的QoS保证.     

无人战斗机实时数据处理延迟模型研究

无人战斗机日益成为航空界研究发展的方向和目标,其有效性和先进性取决于其实时管理和控制所采用的方法.通过分析无人战斗机系统数据处理的闭环回路过程,提出了无人战斗机实时任务规划和控制的通讯延迟模型,并将模型用在无人战斗机实时任务规划系统中.仿真结果表明:延迟模型可以为无人战斗机的姿态和位置等飞行状态提供有效的预测和补偿.      

最小数据丢失量的地月中继卫星任务调度研究

月球背面的探测器必须依靠地月中继卫星进行数据传输与通信。地月中继任务包括实时性任务和延迟容忍类任务，如数传任务。当探测器等待传输的数据量超出用户存储容量时，延迟容忍类任务会由于探测器本地存储资源不足和地月中继卫星天线资源受限而无法完成，导致任务数据丢失，所以需要设计一种合理的地月中继任务调度策略，提高地月中继卫星的资源利用率，减少数据的丢失。对地月中继卫星任务调度进行了研究，在分析地月中继卫星数传任务的特点及用户的存储限制的基础上，以最小化数据丢失量为优化目标，建立了地月中继卫星任务调度模型，并设计了一种基于离散烟花算法（DFWA）的地月中继卫星任务调度算法。仿真数据分析表明，基于离散烟花算法的地月中继卫星任务调度算法在求解结果上优于遗传算法，是一种合理、有效的调度方法。     

基于SABA优化的Volterra级数空战目标机动轨迹预测

目标机动轨迹预测是空战态势感知和目标威胁评估的重要前提。针对传统目标机动轨迹预测模型复杂度大、预测精度低等问题,通过分析并结合目标机动轨迹时序数据所具备的混沌特性,引入Volterra泛函级数模型进行目标机动轨迹预测。为解决Volterra泛函级数模型中存在高阶核函数难以求解的问题,利用变异机制和自适应步长控制机制改进蝙蝠算法的寻优能力,进而构建了一种基于自适应蝙蝠算法（SABA）优化的Volterra泛函级数目标机动轨迹预测模型,并利用优化后不同阶数的Volterra泛函级数模型对目标未来机动轨迹进行预测。仿真实验中,通过与其他优化算法改进的Volterra泛函级数模型的预测精度对比,验证了所提预测模型的可行性,同时也说明了二阶Volterra泛函级数模型更加适用于目标机动轨迹预测。