学位论文 > 优秀研究生学位论文题录展示

多导弹协同作战突防效能评估及组合优化算法研究

作 者: 付颖峰
导 师: 曾庆双
学 校: 哈尔滨工业大学
专 业: 控制科学与工程
关键词: 突防效能 蚁群算法 随机数方法 信息素递减
分类号: TJ760.1
类 型: 硕士论文
年 份: 2008年
下 载: 349次
引 用: 0次
阅 读: 论文下载
 

内容摘要


随着科学技术的迅猛发展及其在军事领域的应用,战争指挥决策系统成为整个战争的神经系统,它直接关系到战争的成败。智能优化算法在决策系统中展示出了良好的应用前景,成为核心技术之一。本文致力于某型导弹协同作战优化算法的研究,重点对蚁群算法在多发弹协同作战优化问题中的应用进行了系统的研究。首先,基于开环排队网络模型,从敌我对抗过程中我方一个攻击波次导弹的实际突防效能提出一种评估模型。该评估模型从概率与统计的角度来分析敌我对抗过程中的各种随机因素。其次,针对多弹协同突防优化问题不可微、有约束条件和高度非线性的特点,采用求解复杂组合优化问题的智能优化算法——蚁群算法来求解。详细分析了蚁群算法的机制原理及算法的数学模型,并基于典型组合优化问题进行了仿真验证。综述蚁群算法的特点与其在工程上的应用前景。结合多导弹协同突防优化问题高实时性的要求,在现有蚁群算法的基础上,探讨研究蚁群算法的进一步改进。加快蚁群算法的收敛速度和缩短求解时间,从两方面进行:1.选择策略的改进:采用随机数方法,增加解的多样性;2.信息素更新策略的改进:采用信息素递减的更新策略,能够提高解的收敛速度,缩短求解时间。最后,本文详细列出蚁群算法求解多发导弹协同组合优化问题的实现步骤。通过算法仿真实验,对基本蚁群算法与改进蚁群算法进行比较,验证改进算法的有效性。仿真结果表明改进蚁群算法求解精度更高,收敛速度更快,时间性能更优越,能在较短时间内搜索到满意解。在多导弹协同作战组合优化问题中,蚁群算法是一种理想的选择。

全文目录


摘要  4-5
Abstract  5-8
第1章 绪论  8-15
  1.1 课题的研究目的和意义  8-9
  1.2 国内外研究现状  9-13
    1.2.1 国内外效能分析研究现状  9-10
    1.2.2 突防效能评估方法综述  10-11
    1.2.3 智能仿生优化算法研究的现状与发展  11-13
  1.3 本文的主要研究内容  13-15
第2章 多发导弹协同作战效能评估的排队网络模型  15-28
  2.1 引言  15
  2.2 单一防御阵地突防效能评估模型  15-25
    2.2.1 Poisson过程  15-16
    2.2.2 模型相关概念与变量说明  16-17
    2.2.3 基本假设和基本事件概率分析  17-19
    2.2.4 系统的状态分析  19-22
    2.2.5 统计平衡分析  22-24
    2.2.6 导弹突防概率计算  24-25
  2.3 多防御阵地突防效能评估模型  25-27
    2.3.1 Jackson开环排队网络  25-26
    2.3.2 Jackson开环排队网络的稳态分析  26-27
  2.4 本章小结  27-28
第3章 多导弹协同作战的组合优化算法研究  28-50
  3.1 引言  28
  3.2 蚁群算法原理  28-31
    3.2.1 蚁群算法仿生行为描述  28-29
    3.2.2 蚁群算法的原理机制  29-30
    3.2.3 蚁群算法的优缺点  30-31
  3.3 基本蚁群算法数学模型  31-40
    3.3.1 旅行商问题描述  31-32
    3.3.2 基本蚁群算法的数学模型  32-35
    3.3.3 基本蚁群优化算法  35-37
    3.3.4 基本蚁群算法仿真实验  37-40
  3.4 结合多导弹协同作战优化问题的算法改进  40-49
    3.4.1 蚁群算法的改进策略  40-41
    3.4.2 选择策略的改进及算例仿真  41-47
    3.4.3 信息素更新策略的改进  47-49
  3.5 本章小结  49-50
第4章 基于蚁群算法的多导弹协同优化仿真分析  50-63
  4.1 引言  50-51
  4.2 多导弹协同突防组合优化问题描述  51-54
    4.2.1 突防效能评估仿真模型  51-52
    4.2.2 航迹序列与时序的表示方法  52-53
    4.2.3 蚁群算法求解多导弹协同组合优化问题的机理  53-54
  4.3 蚁群算法在导弹协同组合优化问题上的应用  54-58
    4.3.1 蚁群算法在导弹协同作战组合优化问题上的求解规则  54-56
    4.3.2 蚁群算法求解导弹协同作战组合优化问题的实现步骤  56-57
    4.3.3 蚁群算法求解导弹协同优化问题的仿真分析  57-58
  4.4 改进蚁群算法求解多导弹协同组合优化问题的仿真分析  58-62
    4.4.1 赌轮盘搜索的蚁群算法仿真  59
    4.4.2 信息素递减的改进蚁群算法仿真  59-60
    4.4.3 改进蚁群算法的比较分析  60-62
  4.5 本章小结  62-63
结论  63-64
参考文献  64-68
致谢  68

相似论文

  1. 基于蚁群算法的电梯群优化控制研究,TU857
  2. 动态环境下移动对象导航系统相关技术的研究,TP301.6
  3. 基于改进蚁群算法的机器人路径规划研究,TP242
  4. 改进的蚁群算法及其在TSP上的应用研究,TP301.6
  5. 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
  6. 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
  7. 基于物理拓扑感知的Chord算法研究,TP393.02
  8. 电渣炉过程控制系统的设计及优化控制,TP273
  9. Ad Hoc网络中分簇路由算法的研究,TN929.5
  10. 图像信息处理机的图像处理方法研究,TP391.41
  11. 智能光网络中路由选择算法的研究,TN929.1
  12. 面向无线传感器网络的多路径路由协议研究,TN915.04
  13. 改进蚁群算法在盲均衡中的应用,TN911.5
  14. 智能光网络动态路由和波长分配算法的研究,TN929.1
  15. 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
  16. 基于蚁群算法的车辆调度问题研究,TP301.6
  17. 融合MMTD与仿生算法的路由选择研究,TP393.05
  18. 基于改进蚁群算法的多目标退化调度问题的研究,O221.6
  19. 面向可穿戴生理检测的无线传感器网络QoS路由研究,TP212.9
  20. 基于蚁群算法的聚类算法研究,TP311.13

中图分类: > 工业技术 > 武器工业 > 火箭、导弹 > 导弹 > 一般性问题 > 基础理论
© 2012 www.xueweilunwen.com