多机协同攻击逻辑的蚁群算法研究

针对协同空战中多目标的攻击逻辑问题,首先以攻击优势和目标战役价值为准则建立攻击逻辑决簸模型,然后结合蚁群算法的思想,分析了蚁群算法的状态转移、局部调整和全局调整规则,给出攻击逻辑的求解算法,最后以具体仿真算例,证明文中给出的算法能有效地完成多机协同攻击逻辑决策任务。     

多机协同多目标攻击目标全面分配算法

讨论了多机协同多目标攻击目标全面分配算法，阐述了全面目标分配的基本概念、功能和算法程序逻辑图。     

多机协同多目标攻击空战战术决策

以多机协同攻击多个目标为研究背景,提出一种目标分配的决策分析方法。首先建立攻击过程中的优势模型和目标威胁模型,根据该模型分析多目标攻击过程中我方的优势和目标威胁度,然后将该优势与威胁度相加权,由此得到多目标攻击决策准则。示例表明,该方法能够根据空战态势合理地决策好所要攻击的目标,并为航空火控系统实现多目标攻击提供准确依据。     

空对空多机协同攻击多个目标战术决策研究

简要介绍多机协同攻击多目标的基本概念,战术决策、目标分配及攻击斐邓方法。最后用数字仿真验证该方法的有效性。     

基于融合算法的空—地多目标攻击火力分配

空地多目标火力分配是机载空地多目标攻击系统的核心。分析了空地多目标火力分配问题的特点,提出了不同的最优评价标准,并根据其对应的目标函数建立了3种空地多目标火力分配模型。以自适应蚁群算法为基础,利用遗传算子进行交叉变异操作,结合粒子群算法的思想修改信息素更新规则,给出了融合算法求解空地多目标火力分配问题的步骤。通过仿真实验验证了融合算法的有效性。     

一种改进的多目标蚁群优化算法

提出了一种改进的多目标优化问题的蚁群算法.算法选择进化算法的定义的时候,种群中一定数量的个体信息来源作为中心的扩散,多个中心点之间有一定的距离;群体中的其他个体按照离源个体最近的距离的原则归属于其中一个信息素扩散源;按照信息素扩散算法,每一信息素扩散源中的个体获得源于中心点的信息素;保留每一代群体中的中心点到下一代种群中,确保了收敛性和维护种群的多样性.最后利用多目标背包问题来测试算法的性能,并与MOA和NSGA-II算法进行了分析比较.结果表明,该搜索效率高,向真实Pareto前沿逼近效果好,得到传播的多种解决方案,是一个多目标优化问题的解决和有效的方法.     

空对空多机协同攻击多目标的决策研究

介绍了多机协同攻击多目标的基本概念，提出了在用模糊聚类和模糊识别算法对目标进行重要性等级评价的基础上，运用二部图的最大匹配算法对导弹和目标进行最大配对的新方法，仿真表明该方法产生的结果符合多机协同攻击多个目标的目标分配原则，具有一定应用价值。     

遗传蚁群禁忌融合算法的研究

通过对遗传算法、蚁群算法和禁忌搜索算法三种算法的分析研究,针对其各自优缺点,提出一种融合遗传算法、蚁群算法和禁忌搜索算法的融合算法。融合算法是采用遗传算法生成初始信息素分布,利用蚁群算法快速求精确解,同时将遗传禁忌算子引入到蚁群算法的每轮迭代中,有效解决了蚁群系统初始信息素匮乏、易陷入局部最优和收敛速度慢的缺点,实现优势互补。通过NP-hard30问题仿真实验,结果显示算法具有良好的寻优能力和寻优效率。     

基于改进AHP的多机协同多目标攻击威胁评估算法分析

现代空战需要先进的火控计算,目标威胁评估是其重要的组成部分。文章通过建立威胁评估体系模型,再提出威胁因子及权值计算方法,从而构建了一套完整的目标威胁评估算法。最后针对一个多机协同多目标攻击态势,利用建立的算法进行威胁矩阵的计算,计算结果表明该方法是有效可行的。     

基于蚁群——遗传算法的改进多目标数据关联方法

将蚁群算法与遗传算法相结合,提出一种快速实现多目标数据关联的AC-GADA(ant colony-genetic algo-rithm data association)算法,该算法利用种群个体携带信息素,并改进了全局信息素扩散模型,同时为了提高算法的收敛速度并且避免局部极值的出现,引入了交叉变异策略和种群适应度模型,通过大量的实验数据证明,该算法在获得较高关联准确率的同时可以有效地提高关联速度。     

遗传算法与蚁群算法在商旅问题中的应用研究

遗传算法在多个领域得到了应用,如人工智能领域,最优化求解问题,TSP问题等等.本文就遗传算法的基本定义与思想进行了介绍,同时介绍了由遗传算法优化或者衍生而来的一些算法的作用.并介绍了遗传算法的具体应用.     

改进的蚁群算法及其在TSP中的应用研究

提出一种改进的蚁群算法,其核心是应用遗传算法对蚁群算法的 4 个控制参数(α、β、ρ、q0)进行优化,以及运用 MMAS(max-min ant system)进行寻径,新算法具有全局搜索能力强的特点。对旅行商问题(TSP)的仿真实验结果表明:新算法的优化质量和效率都优于传统蚁群算法和遗传算法。     

基于遗传_蚁群算法的多QoS约束组播路由优化算法

提出了一种将遗传算法与蚁群算法融合的新算法,用以满足多QoS约束的组播路由优化。算法首先利用遗传算法生成若干组优化解,将其转换成蚁群算法的信息素初值,然后利用蚁群算法来求取满足QoS约束的最优解。仿真结果表明此算法是有效的,其性能优于文献[6]中算法。     

基于遗传变异蚁群算法的机器人路径规划的改进

针对基本蚁群算法在机器人路径规划问题中容易陷入局部最优的问题,提出了一种改进的蚁群算法,利用遗传算法加入了变异因子使最优路径产生变异,从而降低了蚁群算法陷入局部极小的可能性。同时改善了基本蚁群算法不收敛或收敛速度比较慢的缺点,加快了收敛速度,增加了最优解的多样性。     

空战多目标攻击决策综述

就近年来单机和多机协同空战多目标攻击决策的研究成果进行了总结与分析,指出了有待研究的问题和综合决策研究的优势,提出了应用影响图分析法研究多目标攻击决策问题。可为今后空战多目标攻击决策领域的研究提供综合参考。     

优化蚁群算法在ASON路由中的应用研究

针对基本蚁群算法中存在搜索时间长,易陷入局部最优解等问题,提出一种改进的基于蚁群优化的ASON网络路由算法,在蚁群算法中采用自适应调整α和β参数及挥发系数ρ等措施,加快了算法的收敛速度,提高ASON路由算法性能,增强了算法的适应能力,并通过仿真实验证明该方法的可行性和有效性.     

专家系统在空战多目标攻击排序中的应用

根据现代空战的特点,提出应用专家系统进行空战的多目标攻击排序,介绍了专家系统的基本思想和基本结构,构造了专家系统的知识库和推理机,并就1对4的攻击排序进行了仿真研究。最后,对该方法在提高空战效率和排序实时性方面的优势进行了分析。