針對軍事訓(xùn)練中補(bǔ)差訓(xùn)練計劃擬制和優(yōu)化困難的問題,提出一種基于蛙跳算法的補(bǔ)差訓(xùn)練計劃智能優(yōu)化算法。該算法以標(biāo)準(zhǔn)蛙跳算法為基礎(chǔ),通過引入遺傳算法"超級個體剔除"和"自然選擇"的優(yōu)勝劣汰競爭機(jī)制,實現(xiàn)算法自主刪除冗余個體并有效進(jìn)化的方法提升算法的全局尋優(yōu)能力和收斂效率,并定義和構(gòu)建了符合補(bǔ)差訓(xùn)練計劃工程特點(diǎn)的評估指標(biāo)數(shù)學(xué)模型,實現(xiàn)了基于熵權(quán)理想點(diǎn)法的補(bǔ)差訓(xùn)練計劃綜合評分,最終通過競爭蛙跳算法的多代推演獲取全局最優(yōu)解。仿真結(jié)果表明:競爭蛙跳算法較標(biāo)準(zhǔn)蛙跳算法具有更強(qiáng)的全局尋優(yōu)能力和更快的收斂效率,能夠有效解決補(bǔ)差訓(xùn)練計劃的智能優(yōu)化問題。 

【文章頁數(shù)】：6 頁

【文章目錄】：
1 問題描述
2 算法構(gòu)建
    2.1 標(biāo)準(zhǔn)蛙跳算法
    2.2 競爭蛙跳算法
    2.3 綜合評分算法
        2.3.1 評估指標(biāo)計算
        2.3.2 多指標(biāo)評分算法
3 仿真分析
    3.1 算法收斂性分析
    3.2 最優(yōu)個體評估指標(biāo)比較
    3.3 完成收斂代數(shù)及耗時比較
4 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)蟻群算法的泊車系統(tǒng)路徑規(guī)劃[J]. 王輝,王景良,朱龍彪,邵小江,王恒.  控制工程. 2018(02)
[2]異構(gòu)多屬性群決策的TOPSIS擴(kuò)展方法[J]. 代文鋒,齊春澤.  統(tǒng)計與決策. 2018(04)
[3]人工魚群算法收斂速度改進(jìn)優(yōu)化仿真[J]. 李君,梁昔明.  計算機(jī)仿真. 2018(01)
[4]改進(jìn)遺傳模擬退火算法在TSP優(yōu)化中的應(yīng)用[J]. 何慶,吳意樂,徐同偉.  控制與決策. 2018(02)
[5]基于熵權(quán)的多粒度猶豫模糊語言VIKOR群推薦方法[J]. 陳秀明,劉業(yè)政.  控制與決策. 2018(01)
[6]多搜索策略協(xié)同進(jìn)化的人工蜂群算法[J]. 王志剛,尚旭東,夏慧明,丁華.  控制與決策. 2018(02)
[7]關(guān)于整車物流運(yùn)輸車輛路徑優(yōu)化設(shè)計的研究[J]. 李金夫,庹先國,劉勇,李懷良.  計算機(jī)仿真. 2016(04)
[8]基于蒙特卡洛仿真和遺傳算法的車輛裝備保障運(yùn)輸網(wǎng)絡(luò)優(yōu)化[J]. 陳春良,齊鷗,魏兆磊,劉彥.  兵工學(xué)報. 2016(01)
[9]改進(jìn)分解進(jìn)化算法求解動態(tài)火力分配多目標(biāo)優(yōu)化模型[J]. 張瀅,楊任農(nóng),左家亮,景小寧,何貴波.  兵工學(xué)報. 2015(08)
[10]基于混合蛙跳算法的多模盲均衡算法[J]. 郭業(yè)才,張苗青.  兵工學(xué)報. 2015(07)



本文編號：3648581