基于Memetic算法的超视距协同空战火力分配

针对超视距多机协同空战中,火力单元采用一次性完全分配原则容易造成资源浪费的问题,采用一种新的火力分配数学模型.该模型带有毁伤概率门限,能够保证在满足毁伤概率门限的前提下,优先保证威胁度大的目标被分配且选择对各目标杀伤概率相对较大的火力单元,使其对目标的毁伤概率平均值达到最大且尽量少地消耗火力单元,从而节省和充分利用火力资源.在此基础上,提出采用以离散粒子群算法为全局搜索策略,以贪婪算法为局部搜索策略的Memetics算法求解协同空战火力分配问题,有效地提高了算法收敛速度、精度.仿真算例验证了模型的优点及Memetic算法的有效性.     

超视距多机协同空战目标分配算法

针对未来超视距条件下多机协同空战中的威胁估计与多目标分配,结合超视距空战特点,在综合考虑参战双方飞机性能、几何态势的基础上,提出了一种以参战双方飞机空战效能优势与当前态势优势的加权和为最终结果的超视距空战威胁估计的非参量法模型;在威胁估计的基础上,探讨了一种以空战优势函数为依据,多机之间相互配合、相互支援、协同作战过程的多目标分配算法,并进行了仿真.仿真结果证实了算法的有效性.      

基于子目标进化的高维多目标优化算法

多目标优化问题是工程应用中的常见问题,已有的方法在解决3个目标以上的高维优化问题时效果欠佳.如何进行有效的个体选择是求解高维多目标优化问题的关键.针对该问题,提出了求解高维多目标优化问题的子目标进化算法.从理论上证明了多目标优化问题Pareto非支配解的求取,可通过子目标函数值排序,先行选择进化种群中部分非支配解;然后,根据排序信息有选择性地比较进化种群中的元素,减少了比较次数,从而快速获得非支配解集.同时,提出归一化函数差值的Minkowski距离"k近邻"距离计算方法,在进化过程中应用到密度函数中,加速了收敛速度.同当前求解高维多目标优化的算法,在对标准测试函数的计算性能上进行比较,统计结果显示了所提算法在性能上的优势.      

防空导弹动能杀伤多层弹道优化MDO算法应用

为了有效的毁伤目标,依据多层次优化方法提出了以杀伤概率优化为目标的防空导弹多层弹道优化模型.整个模型分为3层:导弹中制导段、导弹末制导段以及钨动能杆杀伤增强器动能毁伤目标阶段.将一个层次视为一个子系统,多层次弹道优化问题实质上就是多学科设计优化问题.通过系统分析与学科分析,提出了基于多学科设计优化理论和方法的多层弹道优化解决方法,用基于全局灵敏度方程的优化方法和一体化方法求解了系统优化问题.结果表明:两种方法都能有效解决多层次弹道优化问题,一体化方法的结果要更好一些.     

基于满意决策的多机协同目标分配算法

多机协同目标分配问题是无人机UAV(Uninhabited Aerial Vehicle)研究 中一个重要的问题.考虑UAV差异、目标差异及战场态势对目标分配的影响,建立了多机 协同目标分配问题的数学模型.提出基于满意决策的目标分配算法,通过搜索个体满 意集合获取群体优化的目标分配方案.对多目标分配问题,将攻击方案作为个体满意集 合的元素扩展了基于满意决策的目标分配算法.为适应更大的问题空间的求解需求,提出递 阶分配框架,并将满意决策方法用于递阶分配.计算结果表明,算法能有效提 高搜索效率,并得到很好的优化效果.      

基于SAGWO算法的UCAVs动态协同任务分配

通过分析无人作战飞机（UCAV）优势概率和任务联合威胁以及定义任务时间,建立了以目标价值毁伤、编队损耗代价和时间消耗为性能指标的多无人作战飞机（UCAVs）多约束动态任务分配数学模型,采用改进的灰狼优化（GWO）算法对数学模型进行求解;针对基本GWO算法求解早熟的缺点,给出了自适应调整策略和跳出局部最优策略,引入了二次曲线控制方法;对UCAVs动态协同任务分配特点,设计了目标任务序列编码方式,提出了基于自适应GWO（SAGWO）算法的UCAVs多目标动态任务分配方法。从静态与动态2种情况分别对该方法进行仿真验证;仿真结果表明,该方法是有效的,相比较于其他算法,其优化过程快速精准。      

基于多目标优化的微纳卫星群姿态控制

在微纳卫星群姿态控制中,要求多个卫星相互协同,能够快速达到期望的目标姿态,同时要求能耗最小.本文提出微纳卫星群姿态控制的多目标优化模型,以同时优化卫星姿态的角度误差和降低能耗2个性能指标函数.基于MATLAB用弹性约束法求解该优化问题,得到了多目标优化的帕累托前沿,并给出了其相应的卫星姿态,实现了多个微纳卫星姿态机动控制和协同控制.仿真结果表明本文运用的多目标优化方法在微纳卫星姿态机动控制和协同控制中是有效的.     

影响图对策在多机协同空战中的应用

为了解决不确定环境下空战机动决策问题,将影响图和对策论引入到多机协同空战中,提出了协同影响图对策模型.首先确定群机空战转化为多个小编队作战的原则,然后在协同的思想下把多对多空战模型转化为多个一对一空战模型,最后在不确定环境下,运用影响图对策理论解决一对一空战.针对影响图对策模型计算量大的问题,采用移动平均控制法进行求解.空战仿真结果表明该模型的有效性.      

基于遗传算法的Tiling覆盖策略天文卫星任务规划

天文卫星机遇目标任务规划是一个复杂的多目标优化问题.针对Tiling覆盖策略的机遇目标任务规划要求及其约束条件进行抽象,建立任务规划问题模型,在规划模型基础上设计基于遗传算法的多目标优化任务规划算法TPA,并通过实例数据验证了不同参数条件下的求解.在解决Tiling覆盖策略的天文卫星机遇目标多目标任务规划问题时,所提方...     

飞机方案多目标优化的Pareto遗传算法

基于多目标优化问题Pareto最优解的概念,提出了一种求解非劣解集的多目标遗传算法,重点讨论了算法实现中非劣解集的筛选和适应度的计算.将该算法应用于假想的干线客机方案优化设计,要求巡航段升阻比和有用载荷系数两个目标最大,对优化结果进行了分析比较.研究结果显示出MOGA(Multi-Objective Genetic Algorithms)对飞机方案多目标优化设计具有良好的应用前景.      

基于多目标优化与强化学习的空战机动决策

为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。      

挠性航天器多目标鲁棒姿态控制的DPSO算法实现

复杂航天器高性能姿态控制是完成现代新型空间任务的基础,需兼顾鲁棒性、快速性、精度和控制能量等多目标要求,但目前大多数控制系统只针对某单一目标设计.针对大型挠性航天器多目标姿态控制问题,提出一种基于差分粒子群优化算法和输出反馈的鲁棒控制方法.首先,推导了含参数不确定性的系统动力学模型;然后,给出了差分粒子群优化算法的定义...     

考虑柔性检修计划的圆钢热轧批量调度

针对考虑柔性检修计划的圆钢热轧批量调度问题,构建了以最小化最大完工时间、订单提前及拖期总时长为目标函数的整数规划模型,用以制定有效的机器检修与批量生产协作计划。结合模型特征,提出一种改进多目标粒子群算法(IMPSO)实现求解。算法采用基于混沌加权适应度计算的插入式方法生成初始粒子群体;根据问题约束特征,设计修复规则对群体进化过程中产生的不可行粒子进行修复;采用精英策略保留算法迭代过程中的优势个体,并根据精英集合为每个粒子选择更新所需的极值;针对问题变量的离散特征,引入基于遗传操作的粒子更新方式。实验结果表明,模型和算法是可行和有效的。      

考虑燃料消耗均衡性的低轨通信星座在轨星座构型重构方法研究

针对低轨（low earth orbit,LEO）通信星座在轨重构问题,分析了低轨通信星座的特点,提出了4个重构指标,即全球平均覆盖率、燃料消耗均衡性、重构总时间和重构总速度增量,并分析了提高轨道高度的重构方式。采用基于分解的多目标进化算法（multiobjective evolutionary algorithm based on decomposition,MOEA/D）对重构进行建模分析。结果表明,模型优化结果可以得出多组最优解,构成帕累托前沿,并得出燃料消耗均衡性最优的解,针对两种失效模式得出的重构总时间均为3.6×105s,速度增量方差分别为261.4m2/s2和293.4m2/s2,这些解均可恢复星座原有的覆盖性能,并使燃料消耗最为均衡。     

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。      

按区域惩罚划分的并行多目标遗传算法

解决多学科设计优化问题的多目标遗传算法通常面临着大计算量的挑战,提出了一种新型的并行化算法来提高其效率.全局个体均匀的分布在各个进程,首先从所有的进程中获取全局范围的Pareto最优解极值,并发送给每个进程,再由这些极值来构造各个进程自己的惩罚函数.通过惩罚函数给个体添加约束来划分各个进程的收敛区域,同时采取优化措施保证每个进程加速收敛并且收敛区域没有重叠和遗漏,这样每个进程只需收敛到特定的一段Pareto最优解,降低了计算量;同时由于进程间交换的数据量小,保证了效率的提高.通过与串行算法(NSGA2)和其他的并行化算法比较,显示了该算法的有效性和先进性.     

一种新型并联灌注机器人运动学分析和多目标优化

针对大型航天器蜂窝结构灌注需求,提出一种新型串并混联灌注机器人机构,主要对并联机构进行分析研究。首先,对3PSS-PU并联机构进行了运动学分析,建立了运动学反解数学模型和雅可比矩阵;其次,确定了影响机构工作空间主要因素的约束条件,求解出了机构的工作空间;然后,建立了机构的刚度模型,求得机构在运动过程中的刚度变化分布;最后,利用遗传算法,以工作空间和全局刚度为目标对机构结构参数进行优化分析,确定了最终的机构尺寸参数,为蜂窝灌注机器人应用奠定基础。