李锴 作品数:7 被引量:20 H指数:3 供职机构: 空军工程大学信息与导航学院 更多>> 发文基金: 国家自然科学基金 中国博士后科学基金 更多>> 相关领域: 自动化与计算机技术 航空宇航科学技术 电子电信 更多>>
文化算法在有人/无人机协同作战目标分配中的应用 被引量:4 2016年 针对有人/无人机协同作战目标分配问题,基于文化算法提出一种遗传算法和离散粒子群算法相结合的目标分配方法。根据有人/无人机协同目标分配问题的特性,结合文化算法的基本框架,建立了遗传算法和离散粒子群算法的交互机制,充分利用遗传算法和离散粒子群算法对优化问题的搜索能力,改善了2种算法易陷入局部最优的缺点,对约束条件下的有人/无人机协同作战目标分配问题进行了有效求解。实验结果表明,基于遗传和离散粒子群相结合的文化算法优于遗传算法和粒子群算法,收敛速度更快,能够快速找到目标分配问题的最优解。 王勋 姚佩阳 孙昱 李锴 荣庆关键词:文化算法 遗传算法 离散粒子群算法 任务计划适应性改造优化建模及方法 被引量:3 2016年 针对指挥控制(C2)组织资源层-任务计划的适应性优化问题,提出了一种方案改造代价限制条件下的任务计划适应性优化(AOMPTP)问题模型及求解算法。介绍了国内外学者对任务计划适应性优化及适应性测度的研究成果,在分析方案改造代价的必要性和衡量标准的基础上,给出了方案改造代价的定义和约束条件。在方案改造代价限制条件下,建立了以使命完成时间最短为目标的问题数学模型,设计了求解该模型的多维动态列表规划(MDLS)及循环遗传(CG)算法,使指挥员能够更好地权衡方案改造优化的性能与代价,作出决策。最后通过实验分析,验证了所提方法的有效性和适用性。 孙鹏 李锴 姚佩阳 孙昱 王娜关键词:指挥控制组织 基于N-best策略的军事资源匹配方法 被引量:1 2016年 对于军事任务与平台的匹配问题,传统算法中平台的分配顺序与任务优先级高低有关,这样容易产生局部最优,导致全局的任务完成精度降低。针对此问题,提出了一种基于N-best策略的军事资源匹配方法。该方法包括2部分内容,第1部分是根据决策空间划分理论而提出的最佳算法,该算法能够为决策者提供若干种可供选择的分配方案,克服了单一方案带来的局限性;第2部分是设计一种反馈策略,通过对若干种可行解进行组合,找到使全局任务完成精度最大的解。实验仿真结果表明,基于N-best的策略能够提高使命完成精度。 吴瑞杰 孙鹏 李锴 孙昱基于动态优先级的任务计划建模及方法 被引量:3 2015年 在任务-平台关系设计问题中,所选择的任务平台(组)和作战任务合理匹配。针对以往在多维动态列表调度算法(Multi-dimensional Dynamic List Scheduling,MDLS)中采用平台的静态优先级进行平台(组)的选择的不足,设计了一种平台动态优先级计算方法。上述方法在进行任务-平台匹配过程中,根据任务需求资源的变化对平台的优先级进行动态变化,最后通过联合作战的战役特定算例,验证了所提方法的优越性和适用性。 李锴 孙鹏 孙昱 胡诗骏DLS和NGA结合的平台资源调度方法 被引量:5 2015年 研究战场环境平台资源调度问题,针对传统使用的动态列表调度算法易陷入局部最优,提出一种基于动态列表调度和小生境遗传算法相结合的求解方法。考虑任务激烈度来更准确地描述平台资源能力的动态损耗,以使命完成时间为指标,在保证平台资源利用率的前提下,采用具有全局性的小生境遗传算法,得到最优的平台资源调度方案。通过一个联合作战案例,得出所提方法作战使命完成时间更短,为战场资源调度提供依据。 胡诗骏 姚佩阳 孙昱 李锴关键词:小生境遗传算法 基于多目标优化的任务计划建模及方法 被引量:5 2016年 针对任务计划在进行多目标优化时采用进化算法求解效率较低的问题,设计了一种结合分组策略的非支配排序遗传(NSGA-Ⅱ)算法,可以快速有效地得到合理的分组结果。基于分组结果,调整NSGA-Ⅱ算法的步骤,灵活地进行种群初始化,使最终分配结果各优化的目标有了明显的改善,提高了算法的效率。通过实验分析,验证了所提方法的可行性和有效性。 孙鹏 李锴 孙昱 王勋 胡诗骏关键词:多目标优化 VNS和SA相结合的指挥控制资源部署 2016年 针对指挥控制资源部署问题,引入任务复杂度来定义决策实体的工作负载,并建立以最小化决策实体工作负载的均方根为目标的优化模型。针对传统的层次聚类法容易陷入局部最优,提出了一种变邻域搜索(Variable Neighborhood Search,VNS)和模拟退火(Simulated Annealing,SA)相结合的具有全局性的求解方法,使用VNS进行全局寻优,使用SA对VNS中的邻域进行局部寻优。最后通过一个联合作战案例的平台调度方案,验证了所提方法的优越性。 胡诗骏 姚佩阳 孙昱 李锴关键词:任务复杂度 变邻域搜索