动态武器目标分配问题的DWTA—GA算法

首先介绍求解静态武器目标分配问题的贪心算法,它是求解动态武器目标分配ＤＷＴＡ问题的基础。然后,笔者提出了基于遗传算法ＧＡ态武器目标分配策略ＤＷＴＡ－ＧＡ。实验结果表明,新提出的基于遗传算法的动态武器目标分配策略是有效的。     

动态武器目标分配问题的DWTA-GA算法

首先介绍求解静态武器目标分配问题的贪心算法,它是求解动态武器目标分配DWTA(Dynamic Weapen Target Assignment)问题的基础.然后,笔者提出了基于遗传算法GA(Genetic Algorithm)的动态武器目标分配策略DWTA-GA.实验结果表明,新提出的基于遗传算法的动态武器目标分配策略是有效的.     

解武器-目标分配问题的回溯算法

提出一种解武器－目标分配问题的回溯算法。该算法采用二级回溯思想。应用此算法分配迎击武器、使毁伤全部目标的失败概率达到最小。经过多个战例的仿真，结果表明算法效率有所提高。     

舰艇近程防空武器的优化分配算法

依据武器对目标的杀伤性能,提出了一种舰艇近程防空武器实时动态分配算法.算法采用贝叶斯网络处理不确定凶素,采用任意时间规划策略解决实时性问题.仿真实验结果表明,该算法实时性好,能有效提高武器的使用效率.     

基于改进蚁群算法的水下机器人路径规划算法

针对当前基本蚁群算法应用于水下机器人全局路径规划时存在路径搜索速度慢、容易陷入局部最优等问题,对其进行优化,提出一种改进蚁群算法。首先,改进算法引入A*算法作为新的初始路径搜索策略提高初始解的质量,加快算法收敛速度;针对特殊环境下算法容易陷入局部最优的问题做出优化,引入狼群分配策略进行蚂蚁回退。此外,对距离启发函数做出改进,综合考虑当前节点和下一节点以及下一节点和目标节点之间的距离,提高了算法搜索效率;提出一种信息素动态自适应更新策略,加快了算法前期搜寻效率,同时又扩大了算法后期搜寻范围。最后,以三次B样条法为基础引入路径平滑操作,去除规划路径结果中的冗余节点,减少了水下机器人移动过程中的能耗。仿真结果表明,和基本蚁群算法相比,改进算法不仅能取得更短、能耗更低的最优路径,收敛速度也更快。     

Multiple USV cooperative algorithm method for hunting intelligent escaped targets北大核心CSCD

[目的]针对无人艇协同围捕过程中逃跑目标具备智能性,现有无人艇策略难以围捕成功的问题,提出一种基于双层切换策略的多无人艇协同围捕算法。[方法]第1层围捕策略采用改进势点法,以无人艇与势点的总直线距离最小为优化目标,采用匈牙利算法为无人艇动态分配势点,并采用人工势场法实现无人艇的协同避碰;第2层围捕策略利用了阿波罗尼奥斯圆的性质,在两艘无人艇前往逃跑目标的目标点进行拦截,剩余无人艇运动方向保持与逃跑目标相同,以不断缩紧包围区域;为应对逃跑目标不同的逃跑方式,第1层围捕策略和第2层围捕策略可互相转化。[结果]仿真实验表明,该算法相较于顺序分配势点算法和极角分配势点算法,围捕时间更少或持平,证明了该算法的有效性和先进性。[结论]该多无人艇协同双层围捕算法,对具备典型智能性的逃跑目标具有围捕效果。     

基于D＊算法方向指针的水下远程武器航路规划方法研究

远程武器航路规划的目的是使引导远程武器追踪并攻击目标。当攻击运动目标时,通常采用的处理方法是将运动目标航迹分解为多个静态目标来规划,但该种方法会出现计算周期长、盘旋重复运动等问题。针对上述问题,该文设计了一种基于D＊算法方向指针的动态规划方法,可大幅减少计算量和避免盘旋运动问题的发生,并且通过模拟仿真,验证了该方法的有效性。该方法可为远程武器的有效运用提供重要参考价值。     

船舶平面分段流水线多目标模糊调度的改进粒子群算法

针对船舶平面分段建造过程中广泛存在的不确定性问题,考虑在平面分段流水线调度中引入更贴近实际的模糊调度。以模糊数表示加工时间和交货期,以最小化最大完工时间、最大化平均满意度为调度目标,建立平面分段流水线多目标模糊调度问题的数学模型,设计了求解该问题的改进多目标粒子群算法。提出一种按反Logistic曲线规律动态变化的惯性权重,从而在一定程度上平衡算法的全局和局部搜索能力;嵌入由3种邻域结构随机排列构造的变邻域搜索算子以增强算法的局部改良性搜索能力;采用一种基于拥挤距离的非支配解动态维护策略以提高解的分布性。结合实例数据,通过对算法进行比较,证实了各项改进措施的有效性,以及所设计算法求解平面分段流水线多目标模糊调度问题的优越性。     

基于改进差分进化算法的船舶曲面分段车间调度

为有效提升船舶曲面分段车间的加工效率,解决已有算法存在的易陷入局部最优解和初始解质量低的问题,提出一种改进的差分进化算法,对曲面分段调度问题进行求解。以最小化完工时间和最小化班组间负荷差距为目标,建立该曲面分段调度问题的双目标数学模型,并采用改进的差分进化算法对该问题进行求解。该改进差分进化算法将全局搜索策略与局部搜索策略相结合,能提升初始解的质量,并加快收敛速度。使用某船厂的实际数据对该算法进行有效性验证,结果表明,该算法能有效求解船舶曲面分段调度问题,能更好地提升船舶曲面分段制造调度作业效率。     

基于动态规划的多目标的TBD算法

在弱目标检测领域中,动态规划法是一种有效的能量积累方法。文章针对低信噪比下的多目标检测问题,提出了一种基于动态规划的多目标检测前跟踪算法。该算法能够较有效地估计搜索空间中的目标个数,也能分离出每个目标的航迹。     

造船厂钢板入库作业优化研究

分析钢板入库作业流程及堆放原则,建立钢板入库决策模型,以优化堆场空间利用率及电磁吊行驶时间为目标,针对该问题寻优过程的复杂性特征,采用遗传模拟退火算法求解。与传统人工决策方案相比,该优化结果可以提高堆场利用率,缩短入出库作业时间。     

基于禁忌算法的多约束集装箱装载问题研究

多约束集装箱装载问题的约束主要包括集装箱重心位置约束、集装箱单箱重量约束、货物放置顺序约束、货物摆放方位约束以及货物摆放位置约束。采用禁忌算法求解该问题。算法基于自然数编码,设计了货物的摆放规则和序列生成方式,设定二种邻域,根据邻域的不同,构造了两种禁忌表。针对算法的原理,分析了具有代表性算例的试验结果,表明了所提出的禁忌算法对优化多约束集装箱装载问题的有效性。     

船舶动力定位中的模糊控制器优化技术

动力定位系统是一种闭环控制系统，采用推力器来提供抵抗风、浪、流等作用在船上的环境力，从而尽可能使船舶保持在海平面要求的位置上。在传统模糊控制的基础上，将遗传算法引入模糊控制器的设计当中，根据已知的模糊控制规则，对模糊隶属度函数自动寻优，该方法用于船舶动力定位中，对船舶纵向运动进行控制与仿真，仿真结果证明遗传算法优化的有效性。     

基于多种群粒子群算法的舰船消磁决策优化

随着舰船消磁技术的发展,消磁线圈的数目越来越多,调整消磁系统的常规方法越来越难以实施.为解决这一问题,提出一种改进的粒子群算法,该方法利用多种群搜索策略来压缩搜索空间,从而有效提高得到全局最优解的概率.仿真结果表明:该算法在舰船消磁磁场特征均方根最小和峰值最小方面均比其他方法更有优势,此外,该算法具有计算方法直观,编程简单,计算速度快,全局解搜索率高,易于进行多机协作的优点,可以方便地应用于工程实际.     

基于改进自适应遗传算法的船舶电力系统滤波装置优化配置

近年来随着大量非线性负载的投入使用,船舶电网谐波问题日益严重,直接影响到船舶电气设备的正常工作和使用寿命。论文结合船舶电力系统动态负荷多等特点采用节点电势法进行基波潮流计算,忽略传输线路压降,对非线性负荷进行迭代求解,因而收敛速度快,精度高。在迭代求解过程中,采用改进的自适应遗传算法。根据适应度值的集中程度自适应地变化整个种群的交叉概率和变异概率,增加了种群多样性,扩大了搜索空间。应用改进的自适应遗传算法对一个12节点船舶电力系统进行滤波器优化配置,优化结果表明了算法的有效性。     

船舶航行性能综合优化研究

船舶航行性能优化是一个非常复杂的问题,它具有多个设计变量,多个约束和多个极点.传统的优化方法通常无法解决该问题.文中采用了一种传统的优化方法一复合形法(CA)和遗传算法(GA),模拟退火算法(SA)来计算船舶航行性能优化问题,比较了三种优化方法的输出结果并选取最好的那个解作为最终的优化结果.通过这种方法.可以以更高的概率获得真实的最优解.应该指出的是,这三种算法都作了某种程度上的改进.作者采用C++语言基于面向对象思想开发了计算软件-ShipPO.文中列出的所有船舶航行性能优化计算结果都是在ShipPO平台上计算出来的,结果表明采用三种优化方法计算一次船舶航行性能优化问题耗时并不太多.最终的结果表明ShipPO具有很强的寻找全局最优解的能力,它能够很好地满足工程需要.     

基于蚁群算法的港内集装箱运输调度模式研究

以集装箱码头船舶装卸作业调度问题为研究对象,综合考虑港口多种装卸资源和流程,在船舶泊位占有时间确定的条件下,以装卸运输作业总成本最低为目标,提出单船装卸作业调度模型;用蚁群算法对所建立的模型进行求解和仿真,并结合实际问题给出具体调度结果。此模型和方法考虑了生产效率和作业成本之间的平衡,保证以较低的成本完成规定作业。     

A combined tramp ship routing,fleet deployment,and network design problem

In this paper, a tramp ship routing model of fleet deployment in a hub-and-spoke network is presented. This model simultaneously determines the selection of hubs, the assignment of spokes to hubs, the deployment of feeder-containerships as well as containership routing between spokes and spokes, hubs and spokes, and hubs and hubs. Even though some parts have been studied, this complex combination of shipping problems has never been addressed. Because the problem is NP-hard, a genetic algorithm (GA) with local search is proposed. In the algorithm, a cut-off procedure is applied to fleet deployment in a sub-route strategy. A number of randomly generated problem instances are solved by both a mathematical program and the GA with local search. A simple but realistic heuristic algorithm is also developed. Both the GA with local search and the heuristic algorithm are used to solve a number of real case instances. A comparison of the results shows the efficiency of the GA with local search. The developed model can be used as a route-decision support tool for shipping companies that provide long-haul shipping services in a hub-and-spoke network.     

基于微观遗传算法的结构形状优化设计

在形状优化中,传统的优化方法对目标函数和约束条件形态的要求严格,难以获得全局最优解。为解决这个问题,将微观遗传算法应用于结构形状优化中。既消除了对目标函数和约束条件形态的限制,提高了全局寻优能力;又减少了结构分析次数,节省了计算时间,为结构的形状优化提供了一种实用方法。通过算例,验证了该方法的正确性。