基于改进离散布谷鸟算法的干扰资源分配研究

该文对二次雷达机制的协同式敌我识别系统的干扰资源分配问题进行研究,将离散布谷鸟算法(Discrete Cuckoo Search, DCS)引入敌我识别系统的干扰资源分配问题。首先给出协同式敌我识别系统的干扰效果评估指标,建立干扰资源分配模型,将模型简化为一对一、多对少模型,使用DCS算法求解模型。针对Levy飞行后期出现搜索速度慢和精度低的问题,将遗传算法中的交叉与变异操作引入DCS算法得到改进的离散布谷鸟算法(Improved Discrete Cuckoo Search, DCS),用以求解分配模型。仿真分析表明：所提干扰效果评估指标可以合理地评估干扰效果;IDCS算法比IDCS算法收敛更快、耗时更短;IDCS算法与做出相应改进的遗传算法(Improved Genetic Algorithm, IGA)相比具有更好的寻优能力。     

基于改进蝴蝶算法的协同干扰资源分配方法

针对协同对抗下雷达干扰资源的管理决策问题开展研究,提出了一种基于改进蝴蝶算法的干扰资源分配方法。首先,用模糊综合评价的方法量化影响辐射源威胁等级和干扰效能的因素;然后,确定目标函数并计算干扰效能矩阵,建立干扰资源分配模型;最后,把自适应启发项和劣解接纳操作引入蝴蝶算法(BOA)对模型求解。仿真结果表明：引入改进项提高BOA探索能力和搜索效率,有效解决算法局部收敛的缺陷。对比四种经典算法和两种改进BOA算法,该算法在收敛精度和算法稳定性方面均更优,制定的干扰资源分配方案可信度更高。     

改进DPSO算法在干扰资源分配中的应用

引入改进的离散粒子群（DPSO）算法对干扰资源分配问题进行求解。针对干扰资源分配的数学模型,给出了具体的求解方案。在迭代过程中线性改变权重系数和认知参数,使粒子快速收敛;为避免粒子陷入局部最优,引入了一种粒子位置更新机制。仿真验证了该改进算法的有效性和可行性。     

一种雷达干扰资源分配算法

雷达干扰资源分配是电子对抗领域的一个重要研究课题,合理的干扰资源分配可以使有限的干扰资源发挥最佳的干扰效果。本文在运筹学的基础上,研究了一种干扰资源分配算法,称之为最大元素法。仿真结果表明该算法是可行、有效的。     

一种雷达干扰资源分配算法

雷达干扰资源分配是电子对抗领域的一个重要研究课题，合理的干扰资源分配可以使有限的干扰资源发挥最佳的干扰效果。本文在运筹学的基础上，研究了一种干扰资源分配算法，称之为最大元素法。仿真结果表明该算法是可行、有效的。     

基于改进布谷鸟算法的自适应负载均衡算法

针对负载均衡算法在高负载请求下服务器集群效率不高,负载不均衡及低负载请求下影响服务器效率的问题,文中基于Nginx负载均衡服务器,提出一种基于改进布谷鸟算法的自适应负载均衡算法。该算法通过熵权法确定CPU、内存、磁盘IO性能和网络带宽等各项负载指标的权系数,衡量各项负载指标对负载评价影响的重要程度,并基于Nginx加权轮询算法和服务器实时负载情况,设计了高并发负载情况下的动态负载均衡算法。引入转化阈值计算,通过引入基于种群熵的改进布谷鸟算法计算Nginx静态加权轮询算法,转变为动态负载均衡算法的转化阈值。通过实验测试,相较于WRR算法、least-con算法和动态权重算法,该算法在响应时间和实际并发数等方面具有表现更好,在数值上相比于动态权重算法有18%左右的提升,验证了本文算法具有更好的负载均衡效果。     

IDSSRJ中的雷达干扰资源分配技术

雷达干扰资源分配是否合理是影响雷达干扰效果的重要因素,详细介绍了智能雷达干扰决策支持系统（IDSSRJ）中的几种雷达干扰资源分配技术,包括多级优化动态资源分配技术,全空间搜索以及随机抽样资源分配技术。     

基于改进遗传算法的干扰资源分配方法研究

针对分布式对抗系统对敌方分布式雷达的干扰效率问题,设计一种基于二进制编码的改进遗传算法,用于提高系统自主干扰资源分配效率。首先,通过前期侦察,获取雷达的性能参数,得到每部干扰机对每部雷达的干扰效能参数,生成干扰效能矩阵,以干扰总效能最大化为原则,构建目标效能函数;然后根据干扰机与雷达的数量差异建立干扰资源分配模型,确定约束条件;最后利用改进遗传算法,通过选择、交叉、变异、淘汰、继承等算子操作对模型的最优值进行求解,并给出具体算法流程。Matlab仿真结果表明,改进算法需要更少的迭代次数,能够得到最优解,能够较好地解决文中构设场景下的分布式协同干扰资源优化分配问题。     

基于改进鲸鱼算法的多无人机协同欺骗干扰技术

多机协同对组网雷达系统进行航迹欺骗干扰属于大规模优化问题,往往需要利用群体智能算法优化无人机的飞行任务,然而采用传统群体智能算法优化时往往会出现收敛速度慢、求解精度低等问题。针对这一问题,对标准鲸鱼优化算法进行了改进,提出了一种基于改进鲸鱼优化算法的多无人机协同欺骗干扰技术。首先建立了多无人机协同欺骗干扰组网雷达的数学模型以及对应的优化函数,然后在标准鲸鱼优化算法的基础上引入了自适应惯性权值,提高了算法的全局搜索能力和收敛速度。仿真实验表明,固定无人机数量为9架时,利用改进鲸鱼、标准鲸鱼、粒子群、蚁群4种算法分别优化多机协同欺骗干扰模型,得出改进鲸鱼优化算法平均运行时间最短,迭代次数最少,同时优化产生的实际航迹与理论值误差最小;逐步增加无人机数量至20架,利用上述四种算法进行模型求解时得出改进鲸鱼优化算法在不同无人机架数的条件下产生的假目标航迹条数均优于其他3种算法。     

基于混沌扰动的改进布谷鸟算法

针对布谷鸟算法存在收敛速度不够快、求解精度不够高的问题,应用混沌扰动,给出基于混沌扰动的改进布谷鸟算法(CCS),使用3个基准测试函数对改进后的算法进行仿真实验,实验结果证明改进后的布谷鸟算法相对改进前的算法有较快的求解速度和较高的求解精度.     

采用搜索趋化策略的布谷鸟全局优化算法

布谷鸟搜索算法是一种基于莱维飞行搜索策略的新型智能优化算法.单一的莱维飞行随机搜索更新策略存在全局搜索性能不足和寻优精度不高等缺陷.为了解决这一问题,本文提出了一种改进的布谷鸟全局优化算法.该算法的主要特点在于以下三个方面:首先,采用全局探测和模式移动交替进行的模式搜索趋化策略,实现了布谷鸟莱维飞行的全局探测与模式搜索的局部优化的有机结合,从而避免盲目搜索,加强算法的局部开采能力;其次,采取自适应竞争机制动态选择最优解数量,实现了迭代过程搜索速度和解的多样性间的有效平衡;最后,采用优势集搜索机制,实现了最优解的有效合作分享,强化了优势经验的学习.对52个典型测试函数实验结果表明,本文算法不仅寻优精度和寻优率显著提高,鲁棒性强,且适合于多峰及复杂高维空间全局优化问题.本文算法与最新提出的改进的布谷鸟优化算法以及其它智能优化策略相比,其全局搜索性能与寻优精度更具优势,效果更好.     

多样式协同干扰的目标分配研究

在需要对多个目标进行干扰的情况下,提出多机协同干扰技术,即指挥中心根据不同干扰机对抗不同雷达的干扰效果,建立数学模型,通过运筹学方法求解该模型来得到最优的干扰策略,实现目标分配和干扰资源分配等目的,再将任务下发给系统内地面和空中的多个干扰机,以取得最佳的整体干扰效果。最后,进行干扰目标分配的仿真实验,通过对实验结果的分析,进一步验证该方法的可行性和有效性。     

均衡单进化布谷鸟算法

针对布谷鸟算法采用整体评价策略处理多维度自变量相关优化问题时,维度耦合现象会恶化算法的搜索速度和收敛精度,提出均衡单进化的布谷鸟算法（ESCES）.该算法给出一种新型的均衡单进化函数评价策略,即每一代进化只随机更新目标函数的单个维度,并且随机更新的维度服从均匀分布,避免多维度之间互相干扰.同时,提出两种新型随机游动步长更新学习律,提高了优化算法的全局搜索速度和收敛精度.实验测试结果和显著性统计结果表明,ESCES算法与5个改进CS算法及7个其它最新智能优化算法相比,在全局寻优性能、搜索速度和收敛精度上均获得较大的改进.     

基于量子策略的布谷鸟搜索算法研究

针对基本布谷鸟搜索算法存在局部搜索能力较弱、收敛速度偏慢和精度较低等缺点,文中研究了基于量子策略的布谷鸟搜索算法。借助于量子策略使布谷鸟的寻巢搜索行为具有多样性,并在此基础上提出3种改进局部搜索能力的措施:引入惯性权值、自适应减小鸟窝主人发现外来鸟蛋的概率、随机扰动增量的优化,并通过对两类基准测试函数的寻优结果对比,证明提出的改进融合算法精度更高,且具有更大的优势。     

雷达干扰资源的粒子群分配技术研究

粒子群算法是一种群智能的优化算法,其理论来源于人工生命和演化计算理论.该论文建立了雷达干扰资源分配的数学模型,基于粒子群算法,采用了交叉策略.为了避免陷入局部最优,该论文还采用了进化策略,从而改进了粒子群分配技术.最后,仿真实现了干扰资源的优化分配并详细分析了仿真结果.     

雷达干扰资源优化分配博弈模型和算法

从时间、空间、频率、能量四个方面对干扰效果进行定量描述,构建干扰效益矩阵,建立目标函数,并利用博弈论分析研究雷达有源干扰资源分配问题,证明了纳什均衡的可行性和存在性。基于最佳动态反应设计了集中式迭代干扰策略选择算法,基于学习自动机原理提出了分布式有限反馈干扰资源分配算法。仿真结果表明:文中提出的两种分配算法可以以很低的复杂度来获取一个很好的干扰性能,很好地解决干扰资源分配问题,对实际的指挥有一定的指导意义。