基于自适应变异混沌粒子群优化和SVM的导弹命中预测模型

摘要 针对国内外关于导弹命中预测方面存在的研究深度不足、算法寻优能力不强、模型预测精度不高等缺陷，提出一种基于自适应变异混沌粒子群算法（AMCPSO）和支持向量机（SVM）的导弹命中预测模型。首先，对空战数据进行特征提取，构建模型训练所需样本库；然后，采用改进的AMCPSO算法对SVM中的惩罚因子C和核函数参数g进行寻优，并用优化后的模型对样本进行预测；最后，与经典PSO算法、BP神经网络法、网格法构建的预测模型进行了对比实验。实验结果表明，所提算法的全局寻优能力与局部寻优能力均得到提高，模型预测精度较高，可为导弹命中预测研究提供一定的参考依据