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MPSC和CPN制导方法的协同制导律

针对带有末端攻击角度约束的多导弹协同制导问题,运用模型预测扩展控制（MPSC）和协同比例制导（CPN）,设计了一种满足末端攻击角度约束的多导弹协同次优制导律。阐述了MPSC制导方法的基本理论,详细给出了控制量表达式以二次形式近似时MPSC制导律的设计过程。采用CPN对MPSC制导方法的初始控制量进行猜测,并确定协同攻击时间。仿真时考虑两枚导弹对地面静止目标进行协同攻击。仿真结果表明,两枚导弹攻击时间偏差和末端攻击角度偏差均可控制在给定范围内,即本文所设计的制导律在实现多导弹协同攻击时,还可以很好地满足末端攻击角度约束。      

非完备信息下的超视距空战双机协同战术识别

针对超视距（BVR）空战过程中,受探测装置性能限制和敌方干扰等原因,导致目标信息易缺失,从而难以实时准确地识别敌方协同空战战术的问题,提出了一种基于动态贝叶斯网络（DBN）与参数学习的超视距空战双机协同战术识别方法。分析了超视距空战条件下的双机协同战术特征,根据长机和僚机的职能分工、当前态势及机动动作,构建了识别网络模型;为提高模型对双机协同战术的识别概率,采用期望最大参数学习方法优化网络参数;基于自回归模型对缺失目标信息进行修补,提出非完备信息下的双机协同战术识别推理算法。通过开展空战对抗仿真实验,验证了双机协同战术识别方法对于非完备信息下的超视距空战双机协同战术具有较高的识别概率和较好的实时性。     

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。      

软件定义时间触发网络的调度算法优化

软件定义时间触发以太网（TTE）作为优化航空电子系统中消息调度的一种新模式,其动态在线调度算法必须尽力保证任何情况下所有消息的传输确定性。针对时间触发（TT）消息调度间隔小于消息帧长（小时隙）时,速率约束RC消息延迟增大、传输确定性降低的问题,对TT消息调度算法进行改进。首先,构建了TTE的系统模型,阐明了最小延迟（MID）调度算法和背靠背（B2B）调度算法的机制;然后在其基础上提出了大孔隙（MAV）调度算法,以减少（RC）消息的等待延迟;最后,利用OMNeT++实验分析这3种调度算法的性能。实验结果表明:当无小时隙TT消息时,B2B算法的消息延迟最大、MAV调度算法和MID调度算法的消息延迟接近。当有小时隙TT消息时,MAV调度算法的消息传输确定性更好,相比于MID调度算法,MAV调度算法下RC消息的传输确定性提高了87.3%。      

基于岭回归的红外协同定位优化算法

针对双机协同定位误差较大问题，首先，在球坐标与直角坐标相结合的基础上，建立双机协同定位的数学模型，并通过对数学模型的分析得出双机距离较近时定位误差大的原因。其次，利用岭回归算法求解出定位精度较高的两组测量子集的目标位置估计值和定位误差协方差矩阵。最后，利用加权最小二乘算法对两组测量子集进行融合定位，推导出协同定位优化算法。仿真分析表明，该算法能显著改善了整个探测区域内的定位精度，并且在双机相距较近时也能保持高的定位精度。      

多模型GGIW-GLMB算法跟踪机动群目标

针对多个机动群目标跟踪问题,提出了一种多模型伽马高斯逆威夏特-广义标签多贝努利（MM-GGIW-GLMB）算法。采用多模型算法对群目标进行运动建模,利用最适高斯（BFG）近似在预测阶段对多模型进行融合,减小了多模型算法的运算量,为进一步提高算法在目标机动阶段的跟踪性能,引入强跟踪滤波器（STF）对BFG算法得到的预测状态协方差进行修正。利用最优次模式分配（OSPA）距离及其一倍标准差和航迹标签正确率衡量算法对机动群目标的跟踪性能。仿真结果表明,本文算法能够提升对机动群目标的跟踪精度和稳定性。      

基于DDQN的片上网络混合关键性消息调度方法

对片上网络（NoC）承载的混合关键性消息进行实时调度是其应用于航空电子系统片上多核通信的关键。为解决可满足性模理论（SMT）法求解效率低、低优先级消息等待延迟大的问题,提出了一种基于双深度Q网络（DDQN）的混合关键性消息调度方法。将虫孔交换机制下的消息调度问题建模为马尔可夫决策过程,建立包含环境、动作、状态、奖励的多层感知调度模型;随机生成多组分布不同的混合关键性消息作为训练样本,采用DDQN算法求解该调度模型;在此基础上,提出并实现了带孔隙DDQN算法,在保证时间触发（TT）消息可调度前提下为速率约束（RC）消息预留用于虫孔交换的时隙。算例研究表明:所提方法的求解时长及TT消息确定性端到端延迟的平均值均低于SMT法;带孔隙DDQN算法的RC消息延迟较不带孔隙DDQN算法和SMT法显著降低。      

基于AIGWO-IMMUKF的目标跟踪算法

针对目标跟踪算法中滤波器选择和模型设计问题，提出了一种具有自适应性的交互式多模型无迹卡尔曼滤波（IMMUKF）目标跟踪算法。首先，介绍了IMMUKF的算法步骤；其次，提出运用改进的灰狼优化（IGWO）算法优化其中的滤波参数，通过构造调节因子建立了时变的Markov状态转移概率，形成了AIGWO-IMMUKF算法，并给出其算法流程；最后，将所提AIGWO-IMMUKF算法与传统算法在相同条件下进行仿真，得出位置、速度均方根误差曲线，以及时效性对比。结果表明，所提AIGWO-IMMUKF算法克服了传统IMMUKF算法的不足，提升了算法性能，精度和时效性都更优。      

基于多Agent分布协同拍卖的动态目标分配算法

多无人机(UAV,Uninhabited Aerial Vehicle)协同目标分配问题是决定由哪些U AV攻击哪些目标,达到提高作战效能,减少攻击代价的目的.考虑UAV的差异、目标的差异 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.提出了基于多智 能体(Agent)分布协同拍卖的动态目标分配算法,仿真结果和统计数据分析证明,算法能 够给出具有很好的优化效果的分配方案,是一种动态的算法,能够在规定的时间或资源约束 下得到满足一定优化需求的目标分配方案.      

基于约束可满足的深空探测任务规划方法研究

基于传统的CSP算法不能充分体现规划过程的特点,讨论了如何将规划中的动作关系映射到CSP结构中,并据此提出了一种以动作为中心的启发式变量选择策略;分析验证了该方法能够显著降低传统CSP变量搜索策略的时间复杂度,同时对于约束编码的规划问题具有一般适用性。仿真实验表明,本文提出的方法减少了约束处理中的冗余操作,有效提高了问题的求解效率,为工程应用奠定了基础。     

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.     

基于指数平均动量鸽群优化的多无人机协同目标防御

针对多无人机(UAV)协同目标防御问题,提出了一种基于指数平均动量鸽群优化(EM-PIO)算法。针对三维空间中的多无人机协同目标防御系统进行建模,得到了无人机支配区域的曲面约束方程,并获得了双方无人机的最优控制输入量。采用多级罚函数法构造了优化算法的目标函数,并通过所提出的EM-PIO算法来求解最优目标点。将所提EM-PIO算法与遗传算法(GA)和粒子群优化(PSO)算法进行仿真对比实验,验证了所提EM-PIO算法更加有效解决多无人机协同目标防御问题。     

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。      

基于帝国竞争优化的双目标综合决策选星算法

全球卫星导航系统（GNSS）的应用前景已经得到世界各国的普遍承认,其应用领域也趋于多样化,在此背景下,卫星接收机也要求其具有更快的解算速度和可靠的精度。针对目前多数接收机的选星算法都是固定选星数目从而限制算法机动性的问题,提出基于帝国竞争优化算法（ICA）的双目标综合决策选星算法。为了更好获取几何构型较好的卫星星座,引入可见卫星的卫星仰角和方向角先验信息,进行先验性约束,通过构建几何精度因子（GDOP）以及选星数目2个目标,进行综合决策的快速选星,提高了选星的灵活度,并且在满足用户精度的要求下减轻了多星座卫星接收机的计算负担。通过仿真实验和实测数据对双目标综合决策选星算法验证的结果表明:所提算法在高度截止角5°下引入先验性约束条件后平均选星数目在仿真数据和实测数据中缩减率分别为51.8%和45.4%,平均GDOP值较无约束下分别减少0.209 2和0.248 4。同时,所提算法单次选星平均耗时分别为0.168 4 s和0.303 1 s,与遍历法的选星耗时4 s相比,提高了95.79%和92.42%。      

基于缓解HoL堵塞的单组播混合调度算法

针对联合输入交叉队列（CICQ）结构的单组播混合调度研究不多,且没有针对性研究头分组（HoL）堵塞问题,提出了以缓解HoL堵塞为目标的一种新的单组播混合调度算法,即单组播低HoL堵塞（MULHB）算法,使交换机尽量逼近work-conserving状态。该算法还充分考虑了单组播之间的差异性,利用权重裁决单组播之间的竞争,避免"饿死"现象发生。同时,还给出了一种新的组播分组入队算法,即动态组播分组入队（DMQ）策略,该策略在不乱序的前提下,允许新到达分组选择合适的队列入队。仿真结果表明,在不同业务下,DMQ-MULHB算法的通过率及平均时延均优于现有主流的单组播混合调度算法,尤其在非均匀业务下,该算法性能接近输出排队（OQ）调度。      

基于数据压缩的多传感器多假设算法

为解决集中式多传感器系统中多目标跟踪问题,提出了一种新的多传感器多目标算法.提出的算法首先应用经典分配规则对每个传感器送来的观测数据进行排列组合,然后对每个组合中各量测点进行概率加权以获得一个等效量测点,最后根据每个等效量测点产生的互联假设计算其互联概率并获得融合中心的状态估计.给出了该算法与已有集中式多传感器联合概率数据互联算法的仿真比较,仿真结果表明该算法的跟踪性能在探测概率降低的跟踪环境下表现得更为优越.      

基于解耦优化和环流APF的多平台协同攻击任务规划

为提升协同攻击任务规划效率,借助人工势场（APF）方法求解速度快的优势,提出多平台协同攻击任务规划方法。针对任务规划问题中任务分配与航路规划的耦合问题,提出基于独立航路规划的解耦（ID）与基于直接距离的解耦（DD）2种解耦框架;建立考虑打击目标价值总和、攻击平台与目标距离极差、攻击平台与目标距离总和等因素的指标函数,采用遗传算法进行任务分配求解;提出环流APF方法,避免了传统APF方法因局部极小值而无解的问题,并提出同时到达控制策略与航路冲突规避策略,实现多平台同时到达航路规划。在不同场景下比较了耦合方式、ID、DD 3种任务规划框架的规划结果,并对比了传统APF方法与环流APF方法的航路规划结果。结果表明,解耦方式能够得到与耦合方式接近的结果,并且计算耗时明显低于耦合方式;环流APF方法相比传统APF方法求解可行性更高,航路性能更好。对于存在大块障碍的场景,推荐使用ID方式获得更好的准确度,在障碍稀疏的场景下,推荐使用DD方式以减少计算耗时。      

协同无线通信系统中的分布式自适应功率分配

在系统总功率一定的情况下,通过在协同节点间进行优化的功率分配以改善系统的接收性能.针对单中继协同传输,推导了节点间最优功率分配因子的闭式表达式,给出了中继节点的激活条件,仅当信道的衰落特性满足该条件时,中继节点才发送信号到目的节点,否则进入空闲状态.多节点协同传输场景下,直接根据系统的输出信噪比难以得到节点间最优功率分配因子的闭式表达式.因此,推导了系统输出信噪比的上界,在此基础上,提出了一种新的功率分配方法.将整个功率分配过程分成两步,采用迭代的方法实现节点间的最优功率分配.仿真结果表明,对于单中继节点的情况,所提出的功率分配方案能够获得约1~2 dB的性能增益,随着参与协同传输的节点数的增大,迭代的功率分配可使系统获得显著的性能提升.