分布式武器目标分配中的实时截止期分配

在分布式武器对目标的协同拦截中,作战任务往往被划分为多个子任务,为了保证任务的实时性,针对分布式武器对目标的协同拦截问题建立实时任务模型,运用分布式实时系统中的截止期分配技术,把全局作战任务的截止期转化为其包含的各子任务的截止期.建立了任务调度模型和仿真模型,对分配有截止期的子任务实施仿真调度,研究了在一定武器数量情况下,不同来袭目标数量和武器节点上本地负载所占不同比例时,各截止期分配方法保障任务实时性和完成率的能力,可为实时条件下的分布式任务协作研究提供参考.     

基于蚁群算法的无人机协同多任务分配

采用蚁群算法对无人机协同多任务分配问题(CMTAP)进行研究。在通用CMTAP模型的基础上,综合考虑包括动态任务时间约束和无人机任务能力的差别多类复杂约束条件,建立扩展的协同多任务分配模型。在多子群蚁群算法的基础上,提出了基于分工机制的蚁群算法对CMTAP进行求解。根据协同多任务分配的特点,设计了基于任务能力评估的问题解构造策略和基于任务代价的状态转移规则,提高了算法的性能。仿真实验结果表明该方法能有效地解决无人机协同多任务分配问题。     

复合打击下具有多次拦截时机的火力分配问题

针对传统火力分配模型容易造成资源浪费的问题,将火力单元以组为单位,以最大化杀伤概率为目标,构建一种具有多次拦截时机的动态火力分配模型;考虑到组内火力单元复合打击的情况,使用Kuhn-Munkres算法,优先将目标分配给复合打击效果大的目标;在此基础之上,设计了一种基于遗传算法（GA）的Anytime算法,引入了元级控制,提出一种任意时刻算法停机时刻的判定方法;仿真实验验证了模型优越性以及算法的合理性,对火力分配任意时刻算法使用元级控制可以有效提高解的效用。     

侧向自动着舰引导控制L1自适应设计

针对具有不确定性及外部干扰的着舰轨迹精确跟踪控制问题,提出了一种对侧向自动着舰引导控制内外回路进行综合化设计的方法.使用特征结构配置实现侧向模态解耦跟踪控制,同时设计L1自适应控制器以补偿系统由于不确定性、舵面故障、舰尾流干扰带来的不利影响,将其应用到侧向自动着舰控制系统.仿真结果表明,对内外回路进行综合设计的着舰引导控制律具有抑制不确定性及干扰的能力,能够实现对侧向自动着舰轨迹的精确跟踪控制.     

Novel moderate transformation of fuzzy membership function into basic belief assignment

In information fusion, the uncertain information from different sources might be modeled with different theoretical frameworks. When one needs to fuse the uncertain information represented by different uncertainty theories, constructing the transformation between different frameworks is crucial. Various transformations of a Fuzzy Membership Function (FMF) into a Basic Belief Assignment (BBA) have been proposed, where the transformations based on uncertainty maximization and minimization can determine the BBA without preselecting the focal elements. However, these two transformations that based on uncertainty optimization emphasize the extreme cases of uncertainty. To avoid extreme attitudinal bias, a trade-off or moderate BBA with the uncertainty degree between the minimal and maximal ones is more preferred. In this paper, two moderate transformations of an FMF into a trade-off BBA are proposed. One is the weighted average based transformation and the other is the optimization-based transformation with weighting mechanism, where the weighting factor can be user-specified or determined with some prior information. The rationality and effectiveness of our transformations are verified through numerical examples and classification examples.     

基于改进狼群算法的多无人机协同多目标分配CSCD

针对现代空战多无人机协同多目标任务分配问题,结合标准狼群算法,提出了一种改进狼群算法的多目标任务分配方法。根据狼群的不同分工以及搜索属性,建立了基于自主游走机制的头狼产生规则、基于多策略知识库的探狼游走机制和基于自适应步长的猛狼奔袭及围攻方式,从而对传统狼群算法的随机性进行智能化约束与控制,以解决多无人机协同多目标任务分配问题。数值仿真结果表明,该方法能够快速有效获得任务分配方案,避免陷入局部最优。