基于人工蜂群的协同干扰任务调度技术的研究

发布时间：2021-08-15 08:15

　　协同电子干扰是将多种干扰机通过通信链路进行信息交互,在指挥中心的统一调度下采用合适的干扰方式对敌方雷达进行协作干扰。随着战场环境和作战任务的日益复杂,利用多无人机的协同作战已经不可避免的成为信息化战争的主要作战手段。因此,如何合理分配与调度作战资源,使得整体干扰效果最大化,已经成为协同干扰技术必须要解决的关键问题之一。本文主要对电子对抗环境下的协同干扰任务调度技术进行研究。主要研究内容如下:针对UCAV协同干扰多部敌方雷达的任务调度这一问题,对干扰效果评估指标进行了综合分析,并深入研究了评估指标的定量计算方法,将评估指标分为积极指标和消极指标两大类;将电子对抗环境下的协同干扰任务调度问题抽象为干扰效果最大化问题进行建模,建立了一种协同电子干扰任务调度模型CEJ-TSM,能够在有效时间内较好地描述多机协同工作时的干扰性能与效果;同时提出了一种改进的全局人工蜂群算法IGABC求解CEJ-TSM模型,具有较快的收敛速度,且能够在有效时间内获得较优解,并通过仿真实验验证了设计的模型与算法的有效性;在综合考虑了UCAV在协同干扰作战中的干扰贡献值和损失消耗值的前提下,本文通过将协同干扰环境中的任... 

【文章来源】：南京航空航天大学江苏省 211工程院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

max问题求Pareto解集示例

图 3.5 CR 对目标函数优化的影响跟随概率计算公式的改进：照与食物源质量成正比的概率选择一个食物源，根据式(3择概率dp 通过式(3.15)计算得到。 dfit UDp

这些实验的运行时间，并计算这些时间的平均值。图 3.6 算法平均运行时间对比实验结果如图3.6所示，可以发现IGABC算法的运行平均时间明显比ABC算法和DE-ABC算法短， 这是因为I GABC算法收敛速度快，收敛到最优解所需的迭代次数少，算法收敛速度的实验结果如图 3.7 和图 3.8 所示。

【参考文献】：
期刊论文
[1]防空作战WTA问题优化仿真[J]. 梅海涛,华继学,王毅.  计算机仿真. 2016(07)
[2]基于动态种群多策略差分进化模型的多目标进化算法[J]. 王亚辉,吴金妹,贾晨辉.  电子学报. 2016(06)
[3]基于多目标MQABC算法的无人机协同任务分配[J]. 赵辉,李牧东,韩统,黄汉桥.  华中科技大学学报(自然科学版). 2016(03)
[4]基于正交实验设计的人工蜂群算法[J]. 周新宇,吴志健,王明文.  软件学报. 2015(09)
[5]基于不完备区间信息的多无人机任务分配[J]. 陈侠,胡显伟.  沈阳航空航天大学学报. 2015(04)
[6]一种双链结构的多目标进化算法DCMOEA[J]. 谢承旺,王志杰,魏波,徐君,汪慎文.  控制与决策. 2015(04)
[7]带两类正态变异的多目标粒子群算法[J]. 高圣国,吴忠,李旭芳,刘升.  控制与决策. 2015(05)
[8]基于多群体改进萤火虫算法的UCAV协同多目标分配[J]. 王永泉,罗建军.  西北工业大学学报. 2014(03)
[9]求解WTA问题的智能算法评价准则[J]. 黄大山,徐克虎,王天召.  火力与指挥控制. 2013(08)
[10]应急资源多目标优化调度模型与多蚁群优化算法研究[J]. 文仁强,钟少波,袁宏永,黄全义.  计算机研究与发展. 2013(07)

博士论文
[1]DNA遗传算法及应用研究[D]. 陈霄.浙江大学 2010
[2]网络计算环境中基于智能算法的任务调度研究[D]. 孔晓红.江南大学 2007
[3]Web服务组合关键技术研究[D]. 冯名正.东南大学 2006
[4]群集智能计算和多智能体技术及其在电力系统优化运行中的应用研究[D]. 赵波.浙江大学 2005

硕士论文
[1]雷达协同干扰及效果评估技术研究[D]. 时满丽.西安电子科技大学 2013
[2]对多威胁信号的干扰功率管理技术研究[D]. 欧阳小安.西安电子科技大学 2013
[3]基于蚁群算法的武器—目标分配问题研究[D]. 崔莉莉.上海交通大学 2011
[4]基于遗传算法的网格能量优化任务调度算法研究[D]. 宋曼.武汉理工大学 2009



本文编号：3344171