期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于协同memetic PSO算法的传感器-目标分配问题求解 被引量:15
1
作者 王一川 单甘霖 童俊 《系统工程与电子技术》 EI CSCD 北大核心 2013年第5期1000-1007,共8页
传感器-目标分配问题是防空系统传感器管理的一项重要研究内容。对面向跟踪的防空系统传感器-目标分配问题进行了研究,结合主客观分配原则,利用0-1整数规划模型对问题进行了建模,约束主要考虑传感器的跟踪能力和目标的被执行跟踪容量。... 传感器-目标分配问题是防空系统传感器管理的一项重要研究内容。对面向跟踪的防空系统传感器-目标分配问题进行了研究,结合主客观分配原则,利用0-1整数规划模型对问题进行了建模,约束主要考虑传感器的跟踪能力和目标的被执行跟踪容量。构造了一种协同memetic粒子群优化(particle swarm optimization,PSO)算法,分别采用PSO算法和邻域搜索算法作为全局搜索和局部搜索。为了在粒子位置矢量中反映出传感器组合,根据问题设计了一种特殊的粒子编码方法。最后通过仿真实验验证了算法的合理性和有效性。 展开更多
关键词 传感器-目标分配 传感器管理 粒子群优化算法 防空系统 邻域搜索
在线阅读 下载PDF
基于协同Memetic自适应QPSO算法的传感器-目标分配问题求解 被引量:6
2
作者 段修生 徐公国 单甘霖 《系统工程与电子技术》 EI CSCD 北大核心 2016年第12期2769-2776,共8页
对复杂防空作战环境下的传感器-目标分配(sensor target assignment,STA)问题进行了研究,建立了基于识别、跟踪、定位多阶段综合作战效能的分配模型。针对该模型,首先基于粒子群聚集度和进化度判断,对传统量子粒子群(quantum particle s... 对复杂防空作战环境下的传感器-目标分配(sensor target assignment,STA)问题进行了研究,建立了基于识别、跟踪、定位多阶段综合作战效能的分配模型。针对该模型,首先基于粒子群聚集度和进化度判断,对传统量子粒子群(quantum particle swarm optimization,QPSO)算法进行了改进,提出了自适应QPSO算法。然后,结合多粒子群协同和Memetic搜索策略,提出了基于协同Memetic自适应QPSO算法的STA求解方法。同时,为使粒子位置矢量反映分配方案,依据不同战场环境设计了两种特殊的粒子编码方案。最后通过仿真实验验证了所提算法的有效性。 展开更多
关键词 传感器-目标分配 传感器管理 量子粒子群 自适应 MEMETIC算法 防空系统
在线阅读 下载PDF
基于深度强化学习的传感器-武器-目标分配方法
3
作者 闫世祥 刘海军 《现代防御技术》 北大核心 2025年第4期10-17,共8页
合理选择作战资源组成“传感器-武器-目标”杀伤链在防空网络化作战中具有重要的意义,研究了多约束限制、多优化指标下的传感器-武器-目标分配(sensor-weapon-taget assignment,S-WTA)问题,建立其数学模型,并提出一种基于深度强化学习... 合理选择作战资源组成“传感器-武器-目标”杀伤链在防空网络化作战中具有重要的意义,研究了多约束限制、多优化指标下的传感器-武器-目标分配(sensor-weapon-taget assignment,S-WTA)问题,建立其数学模型,并提出一种基于深度强化学习的分配方法。分析S-W-TA问题对应的寻优指标,使用杀伤链有利度指标整合传统的效能指标;采用深度Q网络(deep Q network,DQN)方法训练智能体,使用深度强化学习类方法对S-W-TA问题进行求解。仿真结果表明:在杀伤链择优组网的过程中,深度强化学习算法所求得的解优于工程上广泛应用的基于规则的分配方法,强化学习类算法更适合解决多约束限制、多优化指标的S-W-TA问题,具有一定的工程应用价值。 展开更多
关键词 网络化作战 传感器-武器-目标分配 杀伤链 强化学习 深度Q网络
在线阅读 下载PDF
基于CRLB与改进DPSO算法的多传感器分配 被引量:1
4
作者 刘欣怡 单甘霖 王一川 《电光与控制》 北大核心 2014年第8期58-62,97,共6页
针对地面防空武器系统中多传感器分配问题,首先研究基于Cramér-Rao下限的多传感器跟踪分配模型,根据目标跟踪过程的特点将Cramér-Rao下限引入分配模型,使得在进行跟踪分配时无需考虑目标跟踪滤波算法的选择,同时通过细化约束... 针对地面防空武器系统中多传感器分配问题,首先研究基于Cramér-Rao下限的多传感器跟踪分配模型,根据目标跟踪过程的特点将Cramér-Rao下限引入分配模型,使得在进行跟踪分配时无需考虑目标跟踪滤波算法的选择,同时通过细化约束条件使模型更加贴近实际作战情况。利用离散粒子群优化算法求解模型,通过改进其搜索策略以及惯性权值和加权因子提高算法准确性与时效性,给出了模型的求解步骤。关联仿真结果表明该分配方法的可行性,并通过对比算法求解模型验证了改进DPSO算法的快速准确性。 展开更多
关键词 传感器管理 传感器-目标分配 Cramer-Rao下限 离散粒子群优化算法
在线阅读 下载PDF
分布式协同拍卖算法的动态联合火力分配方法 被引量:11
5
作者 黎子芬 李相民 +2 位作者 陈金柱 代进进 孔繁峨 《火力与指挥控制》 CSCD 北大核心 2012年第11期49-52,56,共5页
动态联合火力分配问题是一类实时性很强的优化问题。以多机编队协同攻击地面机动目标为背景,建立了联合考虑武器、传感器和目标的火力分配问题的数学模型。根据分布式协同拍卖算法的基本原理,考虑不同目标的火力分配截止时间不同,设计... 动态联合火力分配问题是一类实时性很强的优化问题。以多机编队协同攻击地面机动目标为背景,建立了联合考虑武器、传感器和目标的火力分配问题的数学模型。根据分布式协同拍卖算法的基本原理,考虑不同目标的火力分配截止时间不同,设计了基于分布协同拍卖的动态目标分配算法。所提出的算法主要有以下两个优点:根据不同目标的火力分配截止时间不同,在算法运行的不同阶段给出相应目标的分配方案能有效地提高算法解的质量;根据分配原则,能将具有不同火力分配截止期的目标分配给同一组攻击机——传感器组,能更充分地发挥编队中作战能力较强的攻击机与传感器的优势,从而发挥编队的最大攻击能力。最后,通过仿真,对算法在以上两方面的优点进行了验证。 展开更多
关键词 编队协同对地攻击 机动目标 动态武器-传感器-目标分配 分布式协同拍卖 火力分配截止期
在线阅读 下载PDF
编队对地动态联合火力分配建模与仿真研究 被引量:10
6
作者 黎子芬 李相民 +1 位作者 代进进 孔繁峨 《系统仿真学报》 CAS CSCD 北大核心 2013年第12期2900-2905,共6页
针对动态联合火力分配(Dynamic Joint Fire Distribution,DJFD)问题的特性,以多机编队协同攻击地面机动目标为背景,分析了编队对地攻击目标分配问题的约束空间,即资源约束、转火约束、时间约束和空间约束,建立了联合考虑武器、传感器和... 针对动态联合火力分配(Dynamic Joint Fire Distribution,DJFD)问题的特性,以多机编队协同攻击地面机动目标为背景,分析了编队对地攻击目标分配问题的约束空间,即资源约束、转火约束、时间约束和空间约束,建立了联合考虑武器、传感器和目标三者的动态武器目标分配(Dynamic Weapon-Target Assignment,DWTA)问题(称为DJFD问题)的数学模型。以分布式协同拍卖算法的思想为基础,设计了一种求解DJFD问题的anytime算法。仿真结果和统计分析数据证明,算法能求得具有很好优化效果的分配方案,是一种动态anytime算法,能在规定的时间、空间和资源的约束条件下,快速求得满足一定优化需求的分配方案。 展开更多
关键词 编队协同对地攻击 机动目标 动态武器-传感器-目标分配 分布式协同拍卖 约束空间
在线阅读 下载PDF
基于合同网协议的分布式反导资源分配算法
7
作者 王松 陈功 《计算机科学》 CSCD 北大核心 2024年第S02期713-719,共7页
资源分配算法是实现一体化防空反导的关键技术。针对弹道导弹防御过程中“传感器-武器-目标”动态分配问题,提出一种基于合同网协议的分布式分配方法。首先,对“传感器-武器-目标”动态分配问题进行形式化建模,模型考虑传感器和武器空... 资源分配算法是实现一体化防空反导的关键技术。针对弹道导弹防御过程中“传感器-武器-目标”动态分配问题,提出一种基于合同网协议的分布式分配方法。首先,对“传感器-武器-目标”动态分配问题进行形式化建模,模型考虑传感器和武器空间能力、传感器制导通道和武器拦截弹数量等实际约束,并设计目标函数以实现弹道导弹防御中尽早拦截和尽可能提高拦截成功概率这两个主要原则。然后,在合同网协议框架的基础上,构建反导资源协同动态分配流程,并针对传感器和武器的任务特点分别设计反导资源投标与中标策略。其中,武器资源投标策略设计中考虑对已分配目标的置换,并在估计被置换对象重招标所带来效能损失的基础上提出基于校正效能的置换对象选择方法。计算机仿真实验结果表明,所提算法能够实现分配方案的动态调整,且与传统反导体系下的分配算法相比,对导弹的拦截时间更早,成功概率更高,平均反导效能提高43.7%。 展开更多
关键词 传感器-武器-目标分配 分布式任务分配 动态任务分配 合同网协议 弹道导弹防御
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部