目标分配

摘要： 为充分发挥战机集群整体作战优势以得到最优目标分配方案,采用改进狼群算法对战场态势模型进行求解。通过保证算法的寻优效率,引入次头狼概念对狼群的召唤与围攻行为做出改进,并对狼群算法的更新机制做出了优化,提高算法的全局寻优能力。仿真结果表明,所提方法能快速准确地寻找到最优目标函数值,且在一定程度上改善了传统狼群算法易陷入局部最优的情况。

摘要： 针对AUV(autonomous underwater vehicle)协同对抗过程中的信息不完全问题,用不完全信息博弈理论研究AUV的对抗行为。以对抗双方的剩余生存概率和武器消耗量为评价指标,加入位置误差影响因子,建立了面向不完全信息的AUV博弈对抗目标分配模型。以贝叶斯纳什均衡理论为基础,通过虚拟参与者“自然(Nature)”,预先设置关于攻防策略类型的先验概率,选择出待分配的AUV类型,然后通过后验概率不断修正关于对方采用的目标分配策略类型的判断。提出了基于多目标离散粒子群的不完全信息目标分配求解算法,得到了博弈对抗双方的贝叶斯纳什均衡目标分配策略,为指挥官的作战指挥提供了策略选择帮助。

摘要： 为探寻更加适用的反导作战目标分配方法,对多层反导协同作战目标分配及目标分配模型的内涵进行了界定,明确了多层反导协同作战目标分配模型构建的基本思路。分别建立了弹道导弹威胁度评估和反导作战单元拦截有利度分析的指标体系,通过归一化处理和权重赋值构建了弹道导弹威胁度评估模型和反导作战单元拦截有利度分析模型。结合多层反导协同作战火力运用的实际需求,对匈牙利法进行了基于火力转移的适应性改进,构建了基于改进匈牙利法的多层反导协同作战目标分配模型,并以多层反导作战想定为背景,运用模型对案例进行了仿真计算,验证了模型的合理性与有效性。

摘要： 针对网络化防空体系的多传感器-多武器协同任务规划问题,考虑任务要求、装备性能、运用限制等约束,构建多武器拦截与多传感器跟踪任务规划模型。前者以拦截时机、次数等为优化目标,输出武器-目标配对以及对目标的拦截时段、跟踪时间要求;后者以满足跟踪时间要求为目标,输出传感器-目标配对和对目标的跟踪时段。设计了基于时段优选拼接和分支定界法的多传感器-多武器协同任务规划算法,生成多传感器-多武器协同交战计划,支持多传感器接力跟踪、跨平台打击引导、多武器协同抗击。在假定的舰艇编队与预警机协同防空场景下验证了所设计模型的有效性。

摘要： 雷达网目标分配是将雷达网探测资源与空中目标的探测任务进行合理分配的基本手段,对发挥雷达网整体探测效能具有重要的作用,是雷达网协同侦察与资源优化控制的关键环节。依据雷达网的探测任务与雷达探测性能,基于目标分配基本原则,在满足雷达网整体探测概率最大与雷达开机最少的要求下对雷达网目标分配进行数学建模,并利用差分进化算法进行求解,最后基于Matlab进行仿真试验,通过与分解协调法的目标分配方案对比分析,验证了论文所提方法的合理性。

摘要： 无人机合围已经成为现代战争的重要打击方式之一。近年来,无人机合围的控制算法得到了广泛的研究,提高了无人机合围形成编队的速度和无人机合围的鲁棒性。但这些算法没有考虑到传感器失效对无人机的影响,也没有考虑到合围初期的队形收敛速度。针对这些问题,本文提出了一种基于竞争合作机制的无人机目标分配合围方法。首先,对竞争机制进行分析,设计了基于竞争机制的无人机目标分配方法,提高了合围初期的队形收敛速度。其次,设计了基于合作机制的无人机合围方法,通过对合围过程中无人机的拓扑进行变换,保证在无人机出现探测失效或通讯失效时仍然可以获得目标的状态信息。仿真验证中,设计的方法可以在合围初期更快形成合围队形,且在发生通讯失效和探测失效时拥有更强的鲁棒性。

摘要： 在一对多目标分配问题中,需要利用蚁群算法确定某一平台执行任务时的最优访问顺序.文中针对不同目标数量的场景进行建模并仿真,根据仿真结果选出适用的蚁群规模及迭代次数,并将多场景的结果数据采用最小二乘法拟舍得到参数模型.将参数模型应用于目标分配问题中,实验结果表明,文中方法使蚁群算法的相关参数能够自适应目标分配场景,从而提高目标分配方法运行效率及优化结果的可靠性.

摘要： 近年来,随着微机电技术、通信导航技术和人工智能技术迅速发展,无人机的智能化水平越来越高,数量众多的无人机组成无人机群应用在军事领域将有可能颠覆未来战争的规则。

摘要： 本文提出了一种面向集群对抗的多弹协同目标分配方法。首先,将每个导弹与每个目标进行两两组合,利用比例导引法,对各组合情况下的弹目遭遇效果进行仿真,得到弹目遭遇时的末速度差。然后,以分配方案末速度差之和最大为优化目标,以给定分配均匀度为约束条件,将该问题转化为带约束的非平衡任务分配问题,并利用0-1线性规划方法进行优化求解。优化求解时,对于最优分配方案进行轨迹交叉判断,若出现交叉,则对其中一条轨迹进行惩罚,重新优化,直到得到满足要求的最优化分配方案。仿真结果表明,该方法可在较短的时间内获得集群对抗的优化分配方案,能够有效完成对目标的集群打击任务。

摘要： 本文提出了一种面向集群对抗的多弹协同目标分配方法.首先,将每个导弹与每个目标进行两两组合,利用比例导引法,对各组合情况下的弹目遭遇效果进行仿真,得到弹目遭遇时的末速度差.然后,以分配方案末速度差之和最大为优化目标,以给定分配均匀度为约束条件,将该问题转化为带约束的非平衡任务分配问题,并利用0-1线性规划方法进行优化求解.优化求解时,对于最优分配方案进行轨迹交叉判断,若出现交叉,则对其中一条轨迹进行惩罚,重新优化,直到得到满足要求的最优化分配方案.仿真结果表明,该方法可在较短的时间内获得集群对抗的优化分配方案,能够有效完成对目标的集群打击任务.

摘要： 多拦截器技术是通过一个母舱携带多个微型拦截器实现对多个目标动能杀伤,该技术可有效避免目标识别难题,本文对大气层外多拦截器技术的目标分配策略进行了研究.通过建立的目标分配模型,设计了一种基于粒子群算法的目标分配优化策略,借用遗传算法的更新策略对粒子群算法进行了改进,并对其性能进行了分析,通过仿真结果表明,改进的优化算法具有收敛性快、稳定性好的特点,没有出现优化退化现象,对不同拦截场景具有较好适应能力.

摘要： 多无人机(UAV)协同目标分配是多无人机协同控制的重要內容之一。针对多无人机协同侦察问题，以提高作战效能，减少侦察代价和任务完成时间为目的进行目标分配，首先建立了目标分配问题的数学模型，在初始分配的基础上，使用基于合同网的目标分配方法，引入负载系数参数，最后通过迭代执行买卖合同与交换合同实现了任务的合理分配。由仿真结果可知，算法能够给出很好的优化效果的分配方案，并有很好的可扩展性。

摘要： 多无人机(UAV)协同目标分配是多无人机协同控制的重要内容之一。针对多无人机协同侦察问题，本文以提高作战效能，减少侦察代价和任务完成时间为目的进行目标分配，首先建立了目标分配问题的数学模型，在初始分配的基础上，使用基于合同网的目标分配方法，引入负载系数参数，最后通过迭代执行买卖合同与交换合同实现了任务的合理分配。由仿真结果可知，算法能够给出很好的优化效果的分配方案，并有很好的可扩展性。

摘要： 本文主要针对无人机编队作战中的目标分配问题进行了研究，利用模糊推理理论对定性条件进行了分析，并建立了定性条件的优选决策矩阵，将各个定性条件下的优选决策矩阵进行了合成，给出了不同目标定性条件重要度的相对隶属度关系，最后给出了基于模糊推理的无人机编队作战中目标分配方法的数学模型，并进行了求解。给出的算例验证了模型的可行性和有效性。

摘要： 针对现有多机协同空战中态势评估模型的不足，通过对影响空战态势的因素进行分析,提出了一种新的用于评价态势评估的优势函数。在优势函数的基础上建立了目标分配模型，设计了一种免疫优化算法并对目标分配模型进行仿真，仿真结果表明，免疫优化算法较遗传算法有更高的搜索质量和效率，能够满足多机协同空战实时性和精确性要求。

摘要： 对地面防空兵混编群动态目标分配过程进行了深入的研究,建立了动态目标分配过程中的相关模型,以可视化建模仿真环境Arena为工具建立了地面防空兵混编群动态目标分配过程的仿真模型.该模型充分考虑了各种因素对目标分配的影响,为开发符合防空作战实际需要的目标优化分配算法提供了一个仿真平台.

摘要： 本文针对多机协同空战中的敌机对我机整体威胁判断问题，采用多指标加权灰靶决策模型，在利用威胁指数法得到敌方单机对我方单机威胁的基础上，兼顾我机重要性和敌机攻击的目的性，得到了敌机对我方机群的整体威胁排序。在综合考虑威胁后,给出了多机协同空战目标分配的基本方案。仿真结果表明,该方法能够有效解决多机协同空战中的威胁评估与目标分配问题,并且做到了定性和定量的结合，可行性高。

摘要： 目标分配是实施雷达指挥控制的一项重要内容,如何在复杂空情下对目标进行优化分配是一个NP完全问题.分析了雷达资源利用、雷达探测能力、目标掌握要求等约束因素,建立了基于雷达网整体探测能力的目标分配模型,给出了具体遗传算法优化分配求解实例.仿真表明,建立的模型易于实现,求解算法高效,得到的目标分配方案较为合理.

摘要： 针对现代战斗机空战隐蔽接敌面对的空战环境的复杂性和不确定性的特点，本文从3个方面综述了当前战斗机隐蔽接敌决策的关键技术：目标分配决策、火力/电子战综合决策、机动决策，总结了当前普遍关注和发展的决策理论方法的特征并对发展前景进行了展望，为空战作战研究提供了重要的理论及应用参考。

摘要： 本文应用分布估计算法来求解多飞行器的任务分配问题，建立了基于分布估计算法的多飞行器目标分配模型，为了提高求解效率，提出了分布估计算法的改进策略，引入了混沌初始化及变异因子，针对个体浓度对多样性进行了调整，应用概率估计模型生成新种群，对精英个体进行了保留，对算法的性能进行了分析，仿真结果证明了分布估计算法应用于多飞行器任务分配的有效性。

摘要： 本发明提供一种多目标生产订单分配装置及多目标生产订单分配方法，目的在于使整个集团公司的效益达到全局最优。该多目标生产订单分配装置从多个工厂向多个客户供应产品，具备：数据获取部，获取工厂数据、物流数据和客户需求数据；分配方式确定部，根据客户需求数据确定分配方式；多目标优化模型建立部，根据分配方式建立包括多个目标函数和约束条件的多目标优化模型；以及运算部，基于NSGA‑Ⅱ算法求解通过多目标优化模型建立部建立的多目标优化模型。

摘要： 一种分配目标数量的离散物品的方法及装置，包括驱动输送器使物品输出；对位于输送器末段的一个取像区域进行连续取像，所述取像区域设定在输送器末端之前，横跨输送器的输送方向，每个物品在被输出前，均通过取像区域并至少被取像一次，实时处理取到的图像，以确定输出的物品数量；在被输出物品的数量达到目标数量之前，停止输送器，同时继续确定被输出物品的数量直至物品停止从所述输送器输出，得到首次分配量；分配差量的物品以达到目标数量的物品。取像区域设在输送器的输出段，物品朝向稳定，方便视觉取像后对物品的形状及大小进行检测，利用横跨输送器的取像区域，无需经过检测平台或计数平台，即可完成取像及计数，结构简单，节省空间。

摘要： 本发明提供了一种针对大规模目标群的无人机协同目标分配方法，针对大规模目标群首先删除目标群中的劣解目标，获取非劣解目标的集合，然后针对该集合中的目标进行任务分配，充分利用无人机执行任务能力，更加合理的进行目标任务分配。本发明能够保证无人机所执行的任务都是非劣解，为无人机分配非劣解集合中的最优目标，并且保证了所有无人机达到最大执行任务能力。本发明在建模过程中，对无人机和目标的数量关系进行分析，针对多无人协同大规模目标分配问题建模时情况考虑不全面的问题，考虑删除每架无人机目标集合中的劣解目标，使模型在目标分配过程中更具有实用性。

摘要： 本发明提供了一种基于多目标克隆进化算法的大规模武器‑目标分配方法，属于计算机仿真与方法优化技术领域，首先根据武器的数量生成多个初始子种群，并计算所有子种群的pareto最优解，用这些最优解构成优势种群；其次，算法采用克隆机制对优势种群中的所有个体进行克隆，形成多个新的子种群；然后，算法给出了三种特殊的进化算子，并用这三种进化算子对个体进行进化。本发明针对大规模武器‑目标分配问题，设计了相应的进化算子和进化方法，能够有效解决大规模武器‑目标分配问题，能够在大规模武器和目标的环境下，得到完整的pareto最优解，具备较好的收敛效果。

摘要： 本公开内容涉及用于确定用于在复杂计算网络中发起目标通信的目标分配参数的系统和方法，其可以与在第一时间段内的执行事件中的可分配物的分配相关联。所述系统和方法可以包括：接收期望分配；确定在第一时间的第一即时可用分配；针对包括第一时间的第二时段生成分配图；确定在第二时间的第二即时可用分配；基于分配图和第二即时可用分配，确定在第二时间的剩余可用分配；以及确定用于在第二时间与第三时间之间的第三时段的至少一部分期间发起到计算设备的目标通信的一个或多个目标分配参数。

摘要： 本发明提供一种基于改进多目标HQPSOGA算法求解武器目标分配方法，包括以下步骤：初始化种群和参数；计算粒子在每个目标函数上的适应度；初始化个体最优解和非劣解；将种群中的粒子基于改进量子行为粒子群算法和自适应遗传算法的混合概率分为两组，混合概率由一个[0,1]间的随机数r表示，r和1‑r分别表示用于改进量子行为粒子群算法和自适应遗传算法的种群中个体的比例；比较QPSO和AGA的全局最优位置，得到全局最优解，并得到最终的非劣解。本发明方法方法是改进算法具有更强的全局寻优能力，可有效提高求解质量，在武器‑目标分配问题上求解精度更高。

摘要： 一种基于人工鱼群算法的多目标武器—目标分配方法，旨在解决现有技术中针对WTA问题的求解存在偏离真实Pareto前沿较大的缺陷。方法步骤为：首先随机生成初始种群，计算初始种群的非支配解集，根据拥挤距离排序，得到初始种群的全局最优解；然后根据人工鱼群算法的聚群行为，使鱼群中的其他个体鱼向最优解靠近，得到新的种群与上一非支配解集合并计算新的非支配解集；最后将聚群后的种群进行交叉变异增加种群多样性，再次与上一非支配解集合并，经过多次迭代，从而得到最终的Pareto前沿。本发明主要用于火力作战决策领域，相比现有技术更接近真实Pareto前沿，对参数的依赖性小，在多目标武器—目标分配中具有很大的应用价值。

摘要： 本发明公开了一种多目标鲸鱼优化算法的武器目标分配方法，包括：构建武器目标分配模型；初始化参数和武器分配方案；获取多个目标函数值；通过所述目标函数值计算鲸鱼个体之间的非支配关系分层并进行排序；获得同一个Pareto等级下的拥挤度并排序；将父代与子代鲸鱼个体进行精英保留操作，并记录最优分配方案，对武器分配方案进行交叉和变异操作；更新武器分配方案；如果达到最大迭代次数，则输出最优分配方案，否则更新获取多个目标函数值，继续寻找目标分配方案。本方法具有多目标寻优的能力，所产生的武器分配方案目标打击收益更高，为指挥员提供更好的作战辅助决策。

摘要： 一种基于多目标粒子群算法的武器‑目标分配解决方法，首先根据条件数据建立多个优化目标函数并设置与函数数量相同的从种群和一个主种群。为每个从种群分别生成可行解作为种群粒子并初始化，主种群和从种群协同使用粒子群算法进化，从种群搜索非劣解并转移到主种群，主种群修复非劣解之间的间隙、产生较优的Pareto最优解集。迭代更新主种群和从种群直至终止。本发明的方法符合武器‑目标分配问题同时考虑多个优化目标、满足多个作战意图的需求，而且解决了现有技术要么获得Pareto最优解集的分布性较差，要么算法容易早熟收敛、求解精度差的问题。

摘要： 本发明提供了一种针对大规模目标群的无人机协同目标分配方法，针对大规模目标群首先删除目标群中的劣解目标，获取非劣解目标的集合，然后针对该集合中的目标进行任务分配，充分利用无人机执行任务能力，更加合理的进行目标任务分配。本发明能够保证无人机所执行的任务都是非劣解，为无人机分配非劣解集合中的最优目标，并且保证了所有无人机达到最大执行任务能力。本发明在建模过程中，对无人机和目标的数量关系进行分析，针对多无人协同大规模目标分配问题建模时情况考虑不全面的问题，考虑删除每架无人机目标集合中的劣解目标，使模型在目标分配过程中更具有实用性。