基于并行蚁群优化的多UCAV任务分配仿真平台

多无人作战飞机(UCAV)协同作战是UCAV参与战斗的主要模式,而多UCAV任务分配是多UCAV协同作战研究的关键问题。针对现有多UCAV任务分配方法中所存在的计算量大、运行时间长等问题,提出了一种基于并行蚁群优化(ACO)的多UCAV任务分配方法。在构建多UCAV空战优势矩阵的基础上,给出了综合态势评估函数;随后阐述了基本ACO算法的基本原理和数学模型,提出了一种用并行ACO算法解决多UCAV任务分配问题的实现方法;最后基于MATLAB图形用户界面(GUI)开发了一种基于并行蚁群优化的多UCAV任务分配仿真平台。实践证明该仿真平台具有良好、开放的可扩展性,且使用方便。     

神经网络在广义经典分配问题中的应用

在两节点分布式多传感器系统中,一些航迹关联算法可以化为广义经典分配问题。广义经典分配问题是一个组合优化问题。当目标数目较多时,很难得到问题的最优解,而且其计算量容易呈现指数爆炸现象。文章提出了用Hopfield神经网络和平均场网络解决此问题的方法。仿真结果表明,采用文章提出的人工神经网络模型求解广义经典分配问题,不仅使航迹关联具有较高的关联正确率,而且计算时间不会出现指数爆炸现象。仿真结果还表明,平均场网络相比Hopfield神经网络更易于得到问题的最优解。     

噪声干扰Link-16数据链的干扰功率分配方法

在建立对Link-16数据链的干扰模型和接收机模型的基础上,分析了噪声干扰下接收机的误码性能,研究了干扰功率分配问题,并得到了对Link-16数据链的干扰功率分配方程,最后进行了仿真分析。     

风险驱动的安全关键实时任务调度

安全关键系统面临着日趋严峻的安全威胁,如何降低安全关键实时应用的风险成为挑战。通过结合风险评估与实时调度,给出一种风险驱动的任务调度方案。在分析非周期实时任务可调度性的基础上,提出一种基于处理器瞬态利用率、系统安全风险最小的在线调度近似算法。在不违背关键任务的时间约束和安全约束的前提下,该算法能够在低时间复杂度内得到安全性能确保的次优解。实验结果显示所提算法能明显降低安全关键实时应用的风险。具体来讲,最大安全风险可降低22.2%,并且在安全风险近似率上界为110%情况下,真实近似率最小为102.4%。     

基于资源相关性的网格资源分配

在网格环境中,每个网格服务都面临着多种资源选择,网格作业中各服务间的关联在某种程度上可映射为资源之间的依赖关系,不同的资源配置将产生不同的服务满意度,由此提出服务资源分配问题SRA(Service Resource Assignment),通过构造资源关系图提出基于树分解的资源分配算法DRA(Tree\|Decomposition based Resource Allocation algorithm),利用该算法求出此问题的正确消元顺序,在多项式时间复杂度内获得该问题的最优解,给出实验结果并提出下一步的研究工作.      

网格环境下基于移动代理的两级环调度模型

网格环境下基于移动代理的两级环调度模型主要由网格任务管理中心、网格资源节点、网格用户、用户作业组成。网格任务管理中心依据网格用户提交的作业动态生成两级环,即超级环和普通环。两级环中资源节点由超级环管理节点、普通环管理节点和普通环资源节点构成。不同节点充分利用移动代理的自主迁移能力共同维护任务的正常运行。通过对两级环模型的事件响应时间延迟、系统可靠性、负载平衡、作业运行时间的分析和仿真,证实该模型能够有效利用网格计算资源、均衡资源负载。     

民用机场停机位优化配置

停机位配置指为到港或离港航班指定适宜的登机口,确保航班正点。航班停机位的高效、合理安排是机场地面作业中的一项核心任务。本文在系统分析国内繁忙机场停机位配置情况的基础上,提出以旅客登转机时间(旅客满意度)、机型与停机位类型匹配(机场效益)为优化目标,同时考虑航班类型(国内短途、国际长途)、航班数量与密度(忙时、闲时)、停机时间的停机位配置的数学模型,并设计求解模型的禁忌搜索(TS)算法。数值仿真证明了模型和算法的有效性。     

基于滑模的多无人机系统协同编队控制

针对具有非完整约束的多无人机系统编队控制问题,提出了一种基于滑模的协同编队控制算法。控制目标是使多无人机系统能够收敛到期望编队,并且能够跟踪上期望的运动轨迹。在领导-跟随结构中,编队的期望运动轨迹由一个动态的虚拟领导者来表示,仅部分跟随者先验已知虚拟领导者信息,并且所有跟随者之间只能局部交互信息。首先,采用分布式状态观测器,使所有跟随者能够在有限时间内估计出虚拟领导者的状态。然后,利用该观测器的估计状态,提出了基于滑模的协同编队控制算法。最后,基于李雅普诺夫稳定性理论证明了多无人机系统的稳定性,并且通过5架无人机的仿真验证了所提算法的有效性。     

基于序列趋势和集合距离的UAV态势相似性度量方法

在无人机（UAV）自主作战与智能决策的过程中，无人机获取的新态势与历史态势的相似性度量是态势评估与作战决策的重要环节，而现有的相似性度量方法主要处理离散时刻态势，采用的欧式距离等方法对数据敏感，不符合作战态势特性，且处理效率低下，针对该问题，提出基于序列趋势和集合距离的UAV态势相似性度量方法。该方法首先选取UAV作战态势要素并以时间序列形式表征数据；然后，使用经验模态分解方法提取历史态势与新态势的序列趋势以度量序列趋势的相似性；最后，对趋势相似的每条态势序列进行自组织映射聚类，得到若干聚类中心构成集合，利用最优子模式分配距离度量集合间的距离，提取集合距离较小的部分获得与新态势相似的历史经验态势。通过公用数据集的分类效果比对实验以及作战仿真态势的相似性度量实验，表明该方法能够有效度量两序列之间的相似性程度，度量效果好，分类实验中分类精度较传统方法最高提高18%，且方法简便，具有一定的实用价值。     

机器人系统跟踪控制的一种新策略

 本文研究了多个机器人完成某物体的跟踪问题。提出了一种“主辅型”控制策略。这种控制策略具有自组织性质,它自动地解决了机器人系统控制的不唯一性、自相矛盾的可能性,保证了各机器人间的合作与谐调。仿真结果表明跟gr误差极小。