城市作战的重要性日益凸显,城市作战路径规划也受到了更多的关注。如何在城市复杂的环境和众多危险区中寻找安全迅速的路径是非常重要的。为保障作战安全,提出了一种基于选拔科特鸟和路径缩减的不规则危险区路径规划算法。首先,结合城...城市作战的重要性日益凸显,城市作战路径规划也受到了更多的关注。如何在城市复杂的环境和众多危险区中寻找安全迅速的路径是非常重要的。为保障作战安全,提出了一种基于选拔科特鸟和路径缩减的不规则危险区路径规划算法。首先,结合城市危险区特征和受限情况以构建更符合真实战场的不规则危险区数学模型。其次,建立路径空间缩减模型对路径威胁度进行评估和量化,以剔除掉高威胁路径来降低作战风险。最后,基于选拔策略的科特鸟优化算法(COOT Bird Optimization Algorithm based on Selection Strategy,SS-COOT)结合优质个体以提高算法的寻优效率。经实验验证,该算法在结合不规则危险区的城市路径规划问题上具有搜索速度快、寻优效果好的特点。展开更多
城市无人机渗透作战中使用智能无人机执行隐蔽穿插、渗入和目标定位等任务,但其面临着城市环境复杂、空域限制等挑战。为了解决城市渗透背景下无人机的路径规划难题,提出了一种ATD-DBO(Adaptive T Distribution-Dung Beetle Optimizer)...城市无人机渗透作战中使用智能无人机执行隐蔽穿插、渗入和目标定位等任务,但其面临着城市环境复杂、空域限制等挑战。为了解决城市渗透背景下无人机的路径规划难题,提出了一种ATD-DBO(Adaptive T Distribution-Dung Beetle Optimizer)驱动的无人机在不规则区域的渗透路径规划算法。首先,提出融合城市建筑物分布、岗哨位置以及无人机特性的无人机城市渗透模型。其次,提出了虫口混沌映射初始化种群、自适应t分布和动态变异策略扰动蜣螂位置和将非精英个体进行二次变异的ATD-DBO算法。最后,提出了一种融合城市实战不规则区域场景和打击意图的快速突进模型。实验证明,算法规划出的路径在有效避开岗哨位置的同时能够确保路径较短。展开更多
针对军事协同作战中对多个敌方目标火力分配优化问题,提出了一种基于模拟退火与BEHHO算法的混合算法(BEHHO Algorithm Based on Simulated Annealing,BEHHO-SA)进行求解。首先,利用模拟退火算法对BEHHO算法的每次迭代个体进行优化,提高...针对军事协同作战中对多个敌方目标火力分配优化问题,提出了一种基于模拟退火与BEHHO算法的混合算法(BEHHO Algorithm Based on Simulated Annealing,BEHHO-SA)进行求解。首先,利用模拟退火算法对BEHHO算法的每次迭代个体进行优化,提高对火力分配问题的优化效果;其次,提出一种精英约束策略,引导种群的求解方向,提高BEHHO-SA算法的收敛速度,最后,构建火力分配的数学模型,并利用BEHHO-SA算法进行多次仿真实验,证明BEHHO-SA算法搜索速度快、寻优求解效果好,能够为火力分配问题提供有效途径。展开更多
为了提升传统行人徘徊检测方法的准确性,提出了一种结合行人检测与峰值密度聚类的行人多次徘徊检测算法(Multiple Wander Detection Combining Pedestrian Detection and Peak Density ClusteringMWD_PD_DPC)。首先,在行人检测算法的特...为了提升传统行人徘徊检测方法的准确性,提出了一种结合行人检测与峰值密度聚类的行人多次徘徊检测算法(Multiple Wander Detection Combining Pedestrian Detection and Peak Density ClusteringMWD_PD_DPC)。首先,在行人检测算法的特征提取网络与FPN层之间加入自适应卷积注意力机制(SKNet),提升模型在多尺度场景下行人检测精度。然后,提出了柔性非极大值抑制(DIOU-Soft-NMS)来缓解行人在密集场景下错误抑制的现象,提升行人检测算法在密集场景下的检测精度。最后,使用峰值密度聚类算法(DPC)对行人的轨迹进行分析,来判断是否发生徘徊行为。并通过AdaFace人脸识别算法对徘徊的行人进行人脸匹配,来判断行人是否在不同时间段多次发生徘徊行为。实验表明,该方法单次徘徊检测的准确率到达了94.6%。行人多次徘徊检测的准确率到达了78.7%。展开更多
提出一种结合聚类分解策略的改进饥饿游戏搜索算法(Improved Hunger Games Search Algorithm Based on Cluster Decomposition,IHGS_CD)来求解带时间窗的多供应方车辆路径问题(MDVRP_TW)。首先,采用基于K-means的平衡约束聚类算法,将MDV...提出一种结合聚类分解策略的改进饥饿游戏搜索算法(Improved Hunger Games Search Algorithm Based on Cluster Decomposition,IHGS_CD)来求解带时间窗的多供应方车辆路径问题(MDVRP_TW)。首先,采用基于K-means的平衡约束聚类算法,将MDVRP_TW合理分解为一系列带时间窗的单供应方车辆路径子问题(VRP_TW);其次,提出一种改进饥饿游戏搜索算法(Improved Hunger Games Search Algorithm,IHGS)求解分解后的各子问题(VRP_TW),从而获得原问题的解。IHGS引入个体精度约束参数来控制个体继续迭代,从而有效控制个体精度以提高算法的全局最优解。最后,通过实验验证了所提IHGS_CD的有效性。展开更多
火力分配是现代和将来作战中的关键要素,在战斗中具有非常重要的研究意义。文章针对步战车的火力分配运用问题提出了基于改进麻雀搜索算法的步战车火力分配模型。首先,提出了一种步战车火力分配相关的数学模型;其次,为了求取步战车火力...火力分配是现代和将来作战中的关键要素,在战斗中具有非常重要的研究意义。文章针对步战车的火力分配运用问题提出了基于改进麻雀搜索算法的步战车火力分配模型。首先,提出了一种步战车火力分配相关的数学模型;其次,为了求取步战车火力分配最优方案,提出了一种基于强化学习的自学习麻雀搜索算法(Self-learning Sparrow Search Algorithm Based on Reinforcement Learning,SSA-RL);最后,为了避免不良麻雀个体进入子代种群,提出了一种个体精度约束方法。对本文的改进算法进行多次防真实验,证明了SSA-RL的有效性,为解决火力分配问题提供了新的方法和思路。展开更多
作战过程的路径规划问题属于仿真过程中的一个重要决策环节,针对作战路径规划问题,文章提出了一种考虑作战特性的分段混合的路径优化算法。首先,提出了一种融合个体自适应精度约束的野马优化算法和A^(*)算法的分段混合(Improved Wild Ho...作战过程的路径规划问题属于仿真过程中的一个重要决策环节,针对作战路径规划问题,文章提出了一种考虑作战特性的分段混合的路径优化算法。首先,提出了一种融合个体自适应精度约束的野马优化算法和A^(*)算法的分段混合(Improved Wild Horse Optimization Algorithm and A^(*)Algorithm Based On Fusion,IAWHO_A^(*))路径优化算法模型,该模型由路径阶段划分模型、自适应个体精度约束的野马优化算法和A算法构成。其次,提出了一种考虑火力覆盖范围特性的路径阶段划分模型,将路径划分快速突进段和隐蔽突进段两个阶段;最后,提出了一种改进的个体自适应精度约束的野马优化算法(IAWHO)优化快速突进段的路径,IAWHO引入个体自适应精度约束以提高算法的全局最优解。文章算法在已有的城市路径规划上进行了仿真实验研究,并取得了良好的实验效果,本文的研究内容为作战路径规划奠定了重要的理论研究基础。展开更多
文摘城市作战的重要性日益凸显,城市作战路径规划也受到了更多的关注。如何在城市复杂的环境和众多危险区中寻找安全迅速的路径是非常重要的。为保障作战安全,提出了一种基于选拔科特鸟和路径缩减的不规则危险区路径规划算法。首先,结合城市危险区特征和受限情况以构建更符合真实战场的不规则危险区数学模型。其次,建立路径空间缩减模型对路径威胁度进行评估和量化,以剔除掉高威胁路径来降低作战风险。最后,基于选拔策略的科特鸟优化算法(COOT Bird Optimization Algorithm based on Selection Strategy,SS-COOT)结合优质个体以提高算法的寻优效率。经实验验证,该算法在结合不规则危险区的城市路径规划问题上具有搜索速度快、寻优效果好的特点。
文摘城市无人机渗透作战中使用智能无人机执行隐蔽穿插、渗入和目标定位等任务,但其面临着城市环境复杂、空域限制等挑战。为了解决城市渗透背景下无人机的路径规划难题,提出了一种ATD-DBO(Adaptive T Distribution-Dung Beetle Optimizer)驱动的无人机在不规则区域的渗透路径规划算法。首先,提出融合城市建筑物分布、岗哨位置以及无人机特性的无人机城市渗透模型。其次,提出了虫口混沌映射初始化种群、自适应t分布和动态变异策略扰动蜣螂位置和将非精英个体进行二次变异的ATD-DBO算法。最后,提出了一种融合城市实战不规则区域场景和打击意图的快速突进模型。实验证明,算法规划出的路径在有效避开岗哨位置的同时能够确保路径较短。
文摘针对军事协同作战中对多个敌方目标火力分配优化问题,提出了一种基于模拟退火与BEHHO算法的混合算法(BEHHO Algorithm Based on Simulated Annealing,BEHHO-SA)进行求解。首先,利用模拟退火算法对BEHHO算法的每次迭代个体进行优化,提高对火力分配问题的优化效果;其次,提出一种精英约束策略,引导种群的求解方向,提高BEHHO-SA算法的收敛速度,最后,构建火力分配的数学模型,并利用BEHHO-SA算法进行多次仿真实验,证明BEHHO-SA算法搜索速度快、寻优求解效果好,能够为火力分配问题提供有效途径。
文摘为了提升传统行人徘徊检测方法的准确性,提出了一种结合行人检测与峰值密度聚类的行人多次徘徊检测算法(Multiple Wander Detection Combining Pedestrian Detection and Peak Density ClusteringMWD_PD_DPC)。首先,在行人检测算法的特征提取网络与FPN层之间加入自适应卷积注意力机制(SKNet),提升模型在多尺度场景下行人检测精度。然后,提出了柔性非极大值抑制(DIOU-Soft-NMS)来缓解行人在密集场景下错误抑制的现象,提升行人检测算法在密集场景下的检测精度。最后,使用峰值密度聚类算法(DPC)对行人的轨迹进行分析,来判断是否发生徘徊行为。并通过AdaFace人脸识别算法对徘徊的行人进行人脸匹配,来判断行人是否在不同时间段多次发生徘徊行为。实验表明,该方法单次徘徊检测的准确率到达了94.6%。行人多次徘徊检测的准确率到达了78.7%。
文摘提出一种结合聚类分解策略的改进饥饿游戏搜索算法(Improved Hunger Games Search Algorithm Based on Cluster Decomposition,IHGS_CD)来求解带时间窗的多供应方车辆路径问题(MDVRP_TW)。首先,采用基于K-means的平衡约束聚类算法,将MDVRP_TW合理分解为一系列带时间窗的单供应方车辆路径子问题(VRP_TW);其次,提出一种改进饥饿游戏搜索算法(Improved Hunger Games Search Algorithm,IHGS)求解分解后的各子问题(VRP_TW),从而获得原问题的解。IHGS引入个体精度约束参数来控制个体继续迭代,从而有效控制个体精度以提高算法的全局最优解。最后,通过实验验证了所提IHGS_CD的有效性。
文摘火力分配是现代和将来作战中的关键要素,在战斗中具有非常重要的研究意义。文章针对步战车的火力分配运用问题提出了基于改进麻雀搜索算法的步战车火力分配模型。首先,提出了一种步战车火力分配相关的数学模型;其次,为了求取步战车火力分配最优方案,提出了一种基于强化学习的自学习麻雀搜索算法(Self-learning Sparrow Search Algorithm Based on Reinforcement Learning,SSA-RL);最后,为了避免不良麻雀个体进入子代种群,提出了一种个体精度约束方法。对本文的改进算法进行多次防真实验,证明了SSA-RL的有效性,为解决火力分配问题提供了新的方法和思路。
文摘作战过程的路径规划问题属于仿真过程中的一个重要决策环节,针对作战路径规划问题,文章提出了一种考虑作战特性的分段混合的路径优化算法。首先,提出了一种融合个体自适应精度约束的野马优化算法和A^(*)算法的分段混合(Improved Wild Horse Optimization Algorithm and A^(*)Algorithm Based On Fusion,IAWHO_A^(*))路径优化算法模型,该模型由路径阶段划分模型、自适应个体精度约束的野马优化算法和A算法构成。其次,提出了一种考虑火力覆盖范围特性的路径阶段划分模型,将路径划分快速突进段和隐蔽突进段两个阶段;最后,提出了一种改进的个体自适应精度约束的野马优化算法(IAWHO)优化快速突进段的路径,IAWHO引入个体自适应精度约束以提高算法的全局最优解。文章算法在已有的城市路径规划上进行了仿真实验研究,并取得了良好的实验效果,本文的研究内容为作战路径规划奠定了重要的理论研究基础。