基于改进遗传算法的协同干扰资源优化分配研究

基于改进遗传算法的协同干扰资源优化分配研究

ID:35065554

大小:2.20 MB

页数:78页

时间:2019-03-17

基于改进遗传算法的协同干扰资源优化分配研究_第1页
基于改进遗传算法的协同干扰资源优化分配研究_第2页
基于改进遗传算法的协同干扰资源优化分配研究_第3页
基于改进遗传算法的协同干扰资源优化分配研究_第4页
基于改进遗传算法的协同干扰资源优化分配研究_第5页
资源描述:

《基于改进遗传算法的协同干扰资源优化分配研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、江苏科技大学硕士学位论文论文题目基于改进遗传算法的协同干扰资源优化分配研究研究方向智能信息处理学科、专业计算机软件与理论研究生姓名孙庆国导师姓名段先华填表时间2016年3月28日摘要随着科学技术的不断发展,现代战争已经由传统的大规模战争发展为局部小规模战争,打击方式也由原来的火力集中控制逐渐转化为以电子侦察为基础,将电子对抗技术与火力控制相互结合的作战模式。在战场态势瞬息万变,设备越来越先进,对抗难度越来越大的情况下,单兵种作战或者单系统控制已经无法满足作战条件。因此需要将多个平台的资源进行协同,组成作战能力更强的对抗系统。本文在查阅了近些年来国内外在协同干扰资源调度问题领域中的研究方

2、法与取得的成果基础上,主要做了如下工作:介绍了遗传算法的基本概念及基本遗传算法的算法流程;讲解了遗传算法中选择算子、交叉算子和变异算子的具体操作流程及它们之间的关联关系;讨论了遗传算法的收敛问题,并提出了几种解决方案。在基于实数编码方式的基础上,引入了拓展编码的概念,解决了干扰设备数量与敌方目标数量不相等的情况。改进了传统遗传算法中的选择算子,最大化的避免了适应值低的个体被选中,提升了种群的进化速度;改进了交叉算子,使算法在前期生成的个体具有多样性,在后期又能趋于稳定,减少了无效个体的产生,避免陷入局部收敛或者收敛过程过长的问题;改进了变异算子,减少种群中优秀个体被破坏的可能性,并且能

3、够增加优秀个体或是有用个体的生成率。建立了多平台资源调度问题解决模型,设计了干扰指标评价模型,使用了层次分析法为每个指标分配其所占的权重,尽量降低了主观因素带来的不利影响,更加科学、合理;然后结合了战场态势中实际存在的一些约束条件,建立了比较全面的综合评估模型。最后结合实验分析了改进后的遗传算法在处理协同干扰资源优化分配中的优势。关键词协同干扰;优化分配;遗传算法;层次分析法;交叉因子;变异因子IAbstractAsthedevelopmentofscienceandtechnology,modernwarfare'ssituationhasevolvedfromthetraditio

4、nallarge-scaletothelocalsmall-scalewar,andthewaystocombathaveturnedfromtheoriginalcentralizedcontrolintoacombinationofelectronicattackandconcentratedfirepowerbasedontheelectronicreconnaissance.Withthecontinuouschangeofthebattlefieldenvironmentandtheadvanceoftheweapons,theconfrontationenvironment

5、hasbecomemoreandmoredifficultandthesingle-armsorsinglesystemhasbeenunabletomeettheoperationalconditions.Soweneedtocoordinateresourcesacrossmultipleplatforms,andformthecountermeasuressystemwithastrongerfightingcapability.Thispaperpresentedtheresearchmethodsandresultsofthecooperativejammingresourc

6、eassignmentinthedomesticandoverseasfield,andcarriedondiscussionandresearchonthegeneticalgorithmconcerningitscurrentdevelopmentsituation,significanceandtheadvantage.Explainedthegeneticalgorithm,itsprocess,andthealgorithmparameterselectionwasprovided.Thispaperdescribedtheselectionoperator,crossove

7、roperator,mutationoperator,andtherelationshipamongthem.Finally,wediscussedtheconvergenceofthegeneticalgorithm,andproposedseveralsolutions.Introducedtheextendedencodingmethod,onthebasisoftherealnumbercodingscheme.Itcansolveth

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。