干扰资源分配问题的智能优化应用研究综述

论文摘要

电子战中的干扰资源分配问题是典型的组合优化问题,同时也是NP难题,求解途径除了各种典型的数学规划方法之外,各种智能优化方法也在近年来得到非常广泛的应用。针对这一技术应用趋势,在概要阐述干扰资源分配的数学模型及其典型求解框架的基础上,以遗传算法、免疫算法、进化算法、粒子群算法、蚁群算法及其各种改进算法等为典型代表,对智能优化方法在干扰资源分配问题中的应用研究进展情况进行了综述,总结了各种方法的应用要点,展现了该应用方向上的发展现状,从而为各方法的工程应用和人工智能在电子战中的应用示范研究提供了有益借鉴。

论文目录

• 0 引言
• 1 干扰资源分配问题及其求解框架
•   1.1 问题描述
•   1.2 求解框架
• 2 算法综述
•   2.1 基于遗传算法的问题求解
•     2.1.1 经典遗传算法
•     2.1.2 各种改进的遗传算法
•       1) 对GA中选择操作的改进。
•       2) 采用动态交叉率与变异率。
•       3) 对基因遗传方式进行改进。
•       4) 量子遗传算法。
•       5) 小生境遗传算法。
•       6) 将其他智能优化方法与遗传算法相结合。
•   2.2 基于免疫算法的问题求解
•     2.2.1 免疫算法
•     2.2.2 其他进化算法
•   2.3 基于粒子群算法的问题求解
•     2.3.1 经典粒子群算法
•     2.3.2 各种改进的粒子群算法
•       1) 对适应度与速度计算的改进。
•       2) 对惯性因子与位置更新的改进。
•       3) 引入遗传算法中的变异思想。
•       4) 引入遗传算法中的交叉与变异操作。
•       5) 量子粒子群方法。
•       6) 改进的离散布谷鸟算法。
•   2.4 基于蚁群算法的问题求解
•     2.4.1 经典蚁群算法
•     2.4.2 各种改进的蚁群算法
•       1) 改进状态转移规则与信息素更新规则。
•       2) 对各环境策略进行优化。
•       3) 引入模拟退火机制。
•   2.5 其他的智能优化算法
•     2.5.1 模拟退火算法
•     2.5.2 蝙蝠算法
•     2.5.3 类电磁机制算法
•     2.5.4 分布协同拍卖算法
•     2.5.5 基于Hopfield神经网络的算法
• 3 算法发展展望
•   3.1 算法比较
•   3.2 算法展望
•     1) 需进一步加强各类智能优化方法之间的性能对比分析。
•     2) 性能的定量分析还需进一步研究。
•     3) 各类智能优化方法的融合应用。
•     4) 问题求解的规模大小与适应性还需要进一步验证。
•     5) 干扰资源分配问题的模型构建本身还需进一步优化。
• 4 结束语

文章来源

类型: 期刊论文

作者: 石荣,刘江

关键词: 电子战,干扰资源分配,遗传算法,免疫算法,进化计算,综述

来源: 电光与控制 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 武器工业与军事技术,电信技术,自动化技术

单位: 电子信息控制重点实验室

基金: 国防重点实验室基金(6142105040103)

分类号: TN97;TP18

页码: 54-61

总页数: 8

文件大小: 277K

下载量: 417