基于量子遗传算法的雷达组网布站分析

发布时间：2024-06-28 05:19

　　针对弹道目标雷达组网测试,测量设备布站设计是一个典型的复杂优化问题。基于量子遗传算法搜索机理和待求解优化问题特性,以弹道测量精度为目标函数,设计了优化算法计算流程。对一种多雷达设备组网布站测量进行了仿真评估,重点关注了量子遗传算法2种旋转角策略对搜索全局最优解的影响。结果表明:区别于旋转角变小的更新策略,旋转角变大的更新策略虽然收敛速度下降,但获得全局最优解的概率增大。研究结果为量子遗传算法在弹道组网测试领域的应用提供了参考。

【文章页数】：6 页

【部分图文】：

图1量子遗传算法计算过程流程图

应用量子遗传算法,结合实际问题特点,设计了具体的计算流程,如图1所示。1)编码策略。

图2优化布站和弹道平面几何关系

只考虑弹道速度测量精度,即适应度函数为式(6)。按照量子旋转门更新策略1和策略2原则进行目标函数的优化搜索,解算获得的设备最优站址坐标数值如表3所示,设备站址和弹道的最优布站平面几何关系如图2所示。从表3中可以看到,基于量子遗传算法原理,采用2种旋转角策略,搜索到的设备最优布站结....

图32种布站方法测量误差分析

从表3中可以看到,基于量子遗传算法原理,采用2种旋转角策略,搜索到的设备最优布站结果基本一致,弹道速度测量误差(Δvx,Δvy,Δvz)也基本一致,如图3所示。图4是采用2种旋转角策略进行量子遗传解算的200次迭代过程曲线。从图中可以看到,旋转角逐渐变小策略的优化搜索迭代过程很快....

图4量子遗传算法过程

图4是采用2种旋转角策略进行量子遗传解算的200次迭代过程曲线。从图中可以看到,旋转角逐渐变小策略的优化搜索迭代过程很快收敛到最优解,但旋转角逐渐变大策略的优化搜索迭代过程收敛到最优解比较慢。3结束语

本文编号：3996488